We hebben het de laatste tijd veel over slimme camerabewaking met onze klanten. Wat is 'slim' nou precies, en hoe ziet dat er in de praktijk uit? Dat is meestal de vraag.

Niet omdat klanten een bak met beelden willen, maar omdat ze iets willen weten. Wie loopt daar 's nachts over het terrein? Welke vrachtwagen stond er bij de laadkuil op het moment dat die schade ontstond? Waarom staat dat hek al twintig minuten open?

Een standaard camerasysteem geeft daar zelden antwoord op. Het registreert alles, en juist daardoor valt niets meer op. De beelden zijn er pas nuttig als er al iets gebeurd is, en dan blijkt vaak dat de camera net te ver weg hing om een kenteken of een gezicht bruikbaar vast te leggen.

Camera's die elkaar aansturen

Een voorbeeld uit de praktijk. Op een bedrijfsterrein hangen vaste camera's die het volledige perceel overzien, en één PTZ-camera die kan draaien en inzoomen. Zolang je die PTZ handmatig moet bedienen, kijkt hij vrijwel altijd de verkeerde kant op.

Wij koppelen ze aan elkaar. Detecteert een vaste camera een persoon buiten openingstijden op zone drie, dan draait de PTZ automatisch naar de bijbehorende preset en zoomt in. Eén beeld voor het overzicht, één beeld voor het detail, zonder dat er iemand achter een scherm hoeft te zitten. Wordt er gelijktijdig een voertuig gedetecteerd bij de inrit, dan gaat de prioriteit daarnaartoe.

Dat is geen nieuwe hardware, het is slimme logica bovenop hardware die er vaak al hangt.

AI als filter, niet als gimmick

De AI-detectie in moderne systemen kan onderscheid maken tussen een persoon, een voertuig, een dier en een kenteken. Dat klinkt als een leuke functie, maar het echte winstpunt zit in wat je er vervolgens mee doet.

Een paar automatiseringen die we regelmatig inrichten:

  • Kentekenherkenning die het toegangshek opent voor bekende voertuigen, en een melding stuurt bij onbekende
  • Meldingen die alleen buiten kantooruren afgaan, en alleen bij personen, niet bij elke tak die beweegt
  • Verlichting of audio die automatisch inschakelt bij detectie in een afgebakende zone, wat in de praktijk vaak genoeg is om iemand te laten omkeren
  • Een koppeling tussen toegangscontrole en camera's: bij elke deuropening staat het bijbehorende beeld er direct naast, zonder zoeken in tijdlijnen

Het resultaat is dat er minder meldingen binnenkomen, en dat de meldingen die wél binnenkomen ergens over gaan. Een systeem dat twintig keer per nacht loos alarm slaat, wordt binnen een week genegeerd. Dat is het grootste risico bij camerabewaking, en het wordt zelden benoemd.

Waar het in de praktijk op vastloopt

Twee dingen komen steeds terug. Ten eerste de opstelling: een camera die op de verkeerde hoogte of hoek hangt, maakt geen bruikbaar beeld, hoeveel AI je er ook op loslaat. Dat bepaal je tijdens de schouw, niet achteraf.

Ten tweede de privacy. Kentekenherkenning, personentelling en gezichtsdetectie vallen onder de AVG, en dat vraagt om een goede onderbouwing, een reële bewaartermijn en heldere afspraken over wie waar bij kan. Wij leggen dat vooraf vast, inclusief verwerkersovereenkomst. Niet omdat het moet van een formulier, maar omdat je anders een systeem bouwt dat je bij een incident niet mag gebruiken.

Tot slot

De vraag is dus niet hoeveel camera's er nodig zijn, maar welke situatie je wilt kunnen beoordelen en wat het systeem zelfstandig moet doen op het moment dat die situatie zich voordoet.