‘Een automatisch proces is betrouwbaarder, sneller en voorspelbaarder’

31-10-16

In het project Slimme Camera’s werken De Innovatiecentrale en Rijkswaterstaat samen met ViNotion. Directeur Egbert Jaspers: ‘Ons bedrijf zorgt voor de zogenoemde algoritmes om camerabeelden te kunnen lezen.’

ViNotion is gespecialiseerd in intelligente beeldinterpretatie van video’s voor het herkennen van objecten. ‘Met algoritmes analyseren wij camerabeelden, waarbij we ons concentreren op slimme observatie’, legt Jaspers uit. ‘Een camerabeeld is in feite een samenstelling van pixels. Als je beeld herkenbaar wil maken, moet je die pixels - in feite een verzameling getallen - wiskundig omrekenen naar objectinformatie: wat is het voor een soort object, waar zit het object en hoe beweegt het object.’

Machine learning
Eigenlijk werkt een algoritme zoals het menselijke visuele systeem. Jaspers: ‘In een split second kun je met je ogen van alles zien, herkennen en volgen. Voor een computer is dat nog behoorlijk lastig. Daarvoor moet je zogenoemde sensordata organiseren, waarmee de computer objecten kan herkennen. Machine learning is de techniek die we daarbij gebruiken: we leren de computer hoe een object eruit ziet. Dus als wij willen dat een computer in een bepaald beeld een auto herkent, voeden wij die met voorbeeldplaatjes van auto’s. Uiteindelijk zal de computer een gemeenschappelijk patroon herkennen. Auto’s zijn immers min of meer eenvormig: ze hebben allemaal koplampen, een voorruit en wielen. Als een computer dat heeft geleerd, kunnen auto’s worden gedetecteerd.’

Nauwkeurige detectie
In eerste instantie bekijkt het project Slimme Camera’s of de computer slim genoeg is om voertuigen te herkennen. ‘Ik verwacht dat wij straks met een hoge nauwkeurigheid alle voertuigen op de weg kunnen detecteren’, zegt Jaspers. ‘En als dat lukt, dan kunnen we ze ook volgen in het beeld. Vervolgens kunnen we posities van voertuigen in het beeld vertalen naar posities van voertuigen op de weg. Dan kunnen we de rijrichtingen, de snelheden en de rijbaan waarop een voertuig rijdt bepalen.’

Afgevallen lading
In tweede instantie wordt onderzocht of de computer slim genoeg is om willekeurige objecten op het wegdek te herkennen. ‘Dat is een stuk complexer’, aldus Jaspers. ‘Hoewel je dat misschien zou verwachten, heeft dit niet te maken met het feit dat het vaak om kleine objecten gaat. Hoge resolutie camera’s kunnen kleine objecten goed waarnemen. Waar het om gaat is dat de techniek van machine learning hier minder goed werkt. Je kunt een computer immers aanleren hoe een auto er ongeveer uitziet. Maar met afgevallen lading is dat lastig, want je weet vooraf niet wat voor lading dat is. En dan wordt het moeilijk om dit soort objecten te onderscheiden van allerlei andere texturen op de weg, zoals de schaduw van een lantaarnpaal of een onschuldig stuk papier.’

Betrouwbaar, snel en voorspelbaar
Wat is volgens Jaspers de toegevoegde waarde van slimme camera’s? ‘Voordat een spitsstrook opengaat, wordt de hele vluchtstrook handmatig geïnspecteerd. Een intensieve en kostbare klus, die bovendien zeer nauwkeurig moet gebeuren. Het is mensenwerk. En mensen kunnen fouten maken. Een automatisch proces daarentegen is betrouwbaarder, sneller en voorspelbaarder. Een computer is 24/7 alert, waardoor er te allen tijde kan worden ingegrepen. Bovendien kunnen wegverkeersleiders dan elders voor de veiligheid op de weg worden ingezet.’

Stoplichten of een rotonde
De kennis en ervaring die ViNotion bij het project Slimme Camera’s opdoet, kan straks ook op andere terreinen worden gebruikt. Jaspers: ‘Denk aan mobiliteitsonderzoek. Als er een nieuw stuk weg moet worden ontworpen, wil je eerst weten hoeveel verkeer er wanneer straks waarschijnlijk over die weg zal gaan. Dankzij de met slimme camera’s verkregen data kun je bijvoorbeeld bepalen of er bij een kruising stoplichten moeten komen of een rotonde.’

Verouderd materiaal
Voorlopig ziet Jaspers nog voldoende uitdagingen bij het huidige project. ‘Rijkswaterstaat maakt gebruik van meer dan 3000 camera’s, waarvan er velen verouderd zijn. Die hebben bijvoorbeeld een beperkte resolutie. Maar de ontwikkeling van de cameratechnologie staat niet stil. Camera’s worden steeds gevoeliger en zijn steeds beter in staat te herkennen en detecteren. Het is dan ook een behoorlijke uitdaging een automatisch proces te realiseren met de bestaande infrastructuur.’