Wat betekent ‘deep learning’ voor bewakingscamera’s?
Het concept van ‘deep learning’ geldt niet voor de bewakingscamera’s op zich, maar wel voor de intelligente analysesoftware achter de camera’s. Dankzij ‘deep learning’ is deze software in staat om te leren van ervaringen en acties uit het verleden. Op die manier leert de analysesoftware om bijvoorbeeld verdacht gedrag correcter en sneller te detecteren.
Intelligente analysesoftware achter bewakingscamera’s analyseert voortdurend de inkomende beelden. Daarbij is het perfect mogelijk om bepaalde bewegingen als verdacht gedrag te markeren. Dit kan bijvoorbeeld gaan om het kruisen van een virtuele lijn of door tegendraadse bewegingen in een stroom van voetgangers. Ook meldingen op basis van gelaats- of gezichtsherkenning zijn mogelijk.
Verdacht gedrag opmerken
Wanneer de analysesoftware vooraf ingesteld verdacht gedrag vaststelt, dan kan er een bepaalde actie volgen. Dit kan variëren van het versturen van een waarschuwingsmail, het uitzenden van een videoclip met de betrokken beelden naar een meldkamer tot en met het laten horen van een geluidssignaal.
Leren van eerdere ervaringen
Dankzij ‘deep learning’ kan de analysesoftware leren van eerdere ervaringen. Wanneer blijkt dat verdachte meldingen achteraf onschuldig bleken te zijn of wanneer ongerapporteerde bewegingen toch problematisch bleken, dan leert de software hiervan. Op die manier worden de analyses steeds beter en de alarmmeldingen meer accuraat.
Geen utopisch toekomstbeeld
Deep learning is zeker geen utopisch toekomstbeeld. Moderne analysesoftware wordt al met deze functionaliteit uitgerust.
Meer weten over het belang en de mogelijkheden van deep learning voor de analysesoftware achter bewakingscamera’s?
