Oktober 2019
Snel en slim personen zoeken op camerabeelden
Croonwolter&dros helpt speurneuzen met Forensic Video Search
Het opsporingsteam van het populaire tv-programma Hunted heeft dit seizoen ‘een makkie’. Het team mag nu gebruik maken van een door Croonwolter&dros en TNO ontwikkelde technologie die snel en slim personen kan traceren op beelden van beveiligingscamera’s. Het heet Forensic Video Search en heeft ook de interesse van andere speurneuzen.
De hoeveelheid videodata groeit naarmate beveiligingscamera’s meer over ons gaan waken. Cameratoezichthouders hebben er een hele kluif aan om al die data te managen. Het vraagt veel van hun kostbare tijd. Meldde een reizigster dat ze was lastiggevallen op een metrostation in Rotterdam, dan waren de toezichthouders van RET vaak uren bezig om uit de camerabeelden te achterhalen wie van de reizigers aan het signalement van de dader voldeed. RET vroeg Croonwolter&dros om daar een efficiëntere oplossing voor te bedenken. De afdeling GBBS (gebouwenbeheer- en beveiligingssystemen), die high-end securityprojecten uitvoert voor klanten als ministeries, banken en Rijkswaterstaat, ging er mee aan de slag.
Algoritme
GBBS wist dat TNO een detect&track-algoritme in huis had; een algoritme dat mensen op camerabeelden beschrijft en categoriseert op basis van bepaalde kenmerken, zoals kleding, lengte, schoenen, een bril of een tas. Daarmee kan het een database aanleggen van personen die door camera’s zijn gespot. De database is vervolgens te gebruiken als een soort personenzoekmachine. Het identificeert niet alleen mensen op basis van kenmerken, het zorgt er ook voor dat je hen via meerdere camera’s kan volgen. GBBS sloot een licentieovereenkomst met TNO en paste het algoritme toe in een nieuw product: Forensic Video Search. Het verbindt het algoritme op de TNO-servers met de opgeslagen videobeelden van de gebruiker en een eenvoudige gebruikersinterface. RET heeft de eerste pilot gedaan en inmiddels werken verschillende klanten met het doorontwikkelde product.
Michael Sleijster, accountmanager van GBBS: ‘Dit systeem houdt niet op bij de beelden van één camera.’
Volgende stap
Een voorbeeld: een moeder is haar zoontje kwijtgeraakt op een druk perron. Ze geeft aan hoe laat en waar het kind verdween en beschrijft hoe hij eruitziet. De toezichthouder kan dankzij het slimme systeem daardoor op de camerabeelden in een mum van tijd het kind identificeren. Het jongetje stapte ongezien een tram in en stapte er een halte verder weer uit, zo is te zien op de camerabeelden van het volgende station. Michael Sleijster, accountmanager van GBBS, somt op waaromForensic Video Search uniek is. ‘Het bijzondere van dit systeem is drieledig. Het maakt sneller en efficiënter zoeken mogelijk in de beschikbare videodata. Het maakt gebruik van welk bestaand camerasysteem dan ook, want het is merkonafhankelijk. En, last but not least: je kan er iemand mee volgen. Het houdt niet op bij de beelden van één camera. Daardoor snap je wat en hoe iemand beweegt, en vaak dus ook wat de volgende stap zal zijn.’
Besparing
De politie, het Nederlands Forensisch Instituut en commerciële bedrijven met camerasystemen steken veel tijd in het doorzoeken van opgenomen videobeelden. De RET was daar bijvoorbeeld gemiddeld vijf uur per dag mee bezig. Als een zoekactie te lang duurde, moesten ze het om die reden zelfs opgeven. De pilot bij RET liet zien dat Forensic Video Search de zoektijd met 50 procent terugbracht en daarmee een aanzienlijke besparing opleverde. De pilot liet ook zien dat zaken die voorheen vastliepen, konden worden opgelost. Sleijster: ‘Van een persoon die regelmatig overlast bezorgde op een station, kon RET niet achterhalen waar die steeds vandaan kwam of naartoe ging. Met dit systeem konden ze de persoon snel selecteren uit de suggesties op basis van kenmerken, en óók de beelden van meerdere stations combineren. Ze ‘volgden’ zijn reis via beelden van andere stations. Toen ze eenmaal wisten waar hij steeds instapte, is de politie op zijn spoor gekomen en is hij gearresteerd.’
Forensic Video Search verbindt het algoritme op de TNO-servers met de opgeslagen videobeelden van de gebruiker.
Deep Learning
Het algoritme dat de basis vormt van dit systeem, valt onder de categorie Deep Learning. Een dergelijk algoritme zorgt ervoor dat computers patronen leren herkennen uit eindeloos veel voorbeelden. Door duizenden foto’s van een fiets te laten zien, kan een computer na verloop van tijd zélf een fiets herkennen en ‘aanwijzen. Smartphones kunnen met Deep Learning gezichten herkennen, Alexa en Siri kunnen er spraak door herkennen en auto’s kunnen er zelf door rijden. Het zijn allemaal toepassingen die een steeds grotere rol opeisen in het werkveld van de e-installateur en de system integrator. Croonwolter&dros ziet een grote toekomst weggelegd voor de mogelijkheden die deep learning biedt; voor beveiliging, robotisering en gebouwautomatisering.
Sneller
Forensic Video Search wordt veelal toegepast op gevoelige locaties en bij gebruikers die dat liever niet wereldkundig maken. Sleijster kan daar dus weinig over kwijt. Wat hij wel mag delen, is misschien ook wel de leukste toepassing: het nieuwe seizoen van het tv-programma Hunted dat op 7 oktober is gestart. Hierin moeten twaalf deelnemers zo lang mogelijk uit handen blijven van een team van professionele opsporings experts. De ‘hunters’ hebben ervaring bij politie, defensie en in de private sector. Ze voeren een klopjacht uit op de deelnemers. Sleijster: ‘De deelnemers proberen zo lang mogelijk onder de radar te blijven. Het opsporingsteam maakt gebruik van allerlei methodes; het bijhouden van hun pingedrag, het volgen van camerabeelden. Tot vorig seizoen hadden ze niet de mogelijkheid om in videobeelden snel en gericht te kunnen zoeken naar de kandidaten. Dit seizoen wel, dankzij ons systeem. Ze weten dus veel sneller dan voorheen waar een persoon zich bevindt, welke weg hij of zij aflegt en wat diegene onderweg uitvoert. Daardoor kunnen kandidaten sneller worden gevonden.’
De pilot bij RET liet zien dat Forensic Video Search de zoektijd met 50 procent terugbracht
Privacy
Net als dat het programma onder vuur ligt vanwege de vergaande inbreuk – vrijwillig, dat wel – op de privacy van de deelnemers, is dat ook een vraag die je kunt stellen bij het Forensic Video Search-systeem. Is het niet in strijd met het recht op privacy? Volgens Sleijster is dat absoluut niet het geval. ‘Het systeem kijkt naar kenmerken, niet naar gezichten. De gebruikers weten ook niet wie de personen zijn waarnaar ze kijken. We maken gebruik van bestaande camera’s en systemen, die al aan bepaalde voorwaarden moeten voldoen. Daar veranderen we niets aan, we maken er alleen slimmer gebruik van.’ ‘Uiteraard geldt ook hier de maximale bewaartermijn van videobeelden. Alles wat je doet is een gericht opsporingsverzoek neerleggen bij de bevoegde instanties. Dit is het beeld van de persoon die we zoeken, succes ermee. Daarnaast zijn alle handelingen van de cameratoezichthouders vastgelegd. Je kunt altijd terughalen hoe iemand tot een bepaalde ‘verdachte’ is gekomen.’
Uitbreidingen
Toekomstige uitbreidingen in het systeem zijn zeker nog mogelijk, verwacht Sleijster. Zo denkt hij aan het combineren van videobeelden uit andere delen van het land. ‘Als een bepaalde persoon iets heeft misdaan in Den Haag, maar ook in Groningen, kun je de data uit die twee steden naast elkaar leggen. Een andere uitbreiding kan zijn om camerabeelden van verschillende gebieden in een stad te verbinden. Want waar het zicht van bijvoorbeeld RET ophoudt, begint de camerabeveiliging van de binnenstad. En daar zijn in verschillende wijken ook weer verschillende systemen werkzaam. Einddoel is natuurlijk dat je die allemaal kunt combineren, zodat je nog sneller het begin en eindpunt van een track kunt vaststellen.’
Hoe werkt het?
Verschillende beveiligingscamera nemen beelden op van voorbijgangers. Het detect&track-algoritme slaat elke persoon uit die beelden op in een database en geeft elk van hen een beschrijving mee. Die beschrijving betreft uiterlijke kenmerken, geen gezichten. Is er een zoekvraag? Dan zoek je op datum en tijdstip op de camerabeelden van de betreffende locatie naar iemand die voldoet aan het signalement.
Heb je er een gevonden, dan komt het systeem binnen een seconde ook met andere kandidaten op de proppen met een
soortgelijke beschrijving. Het systeem laat zien door welke camera’s ze gezien zijn en waar. Zodra de gezochte persoon is
geïdentificeerd dan zoekt het systeem diezelfde persoon ook terug in de opslag van andere camera’s. En waren op die verschillende locaties steeds dezelfde mensen in de buurt, dan laat het systeem deze zien als mogelijke ‘medeverdachten’. Zijn de personen, hun ‘track’ en hun laatste locatie bekend, dan maakt het systeem een pdf op van de bevindingen. Die kunnen de toezichthouders of opsporingsambtenaren vervolgens aan de politie overhandigen. Er zijn dan nog geen persoonsgegevens bekend. Het is de taak van de politie om dat uit te zoeken, bijvoorbeeld door er andere data (mobiele telefoon, pinautomaat) bij te zoeken.
Tekst: Astrid Zoumpoulis – Verbraeken
Fotografie: Marco de Swart
Meer weten over de nieuwste installatietechnieken en de laatste richtlijnen?
Meld u dan nu aan voor onze gratis tweewekelijkse nieuwsbrief.