Zo verhoogt Vision AI de operationele waarde van beveiligingscamera’s

Camera’s worden binnen organisaties vaak vooral ingezet voor beveiliging. Ze registreren en detecteren incidenten, geven beveiligingsmedewerkers zicht op een locatie en helpen bij onderzoek achteraf. Maar dezelfde camera’s kunnen veel meer informatie opleveren.

Met Vision AI kunnen videobeelden worden omgezet in bruikbare data over bezoekersaantallen, drukte, wachttijden, looproutes, verblijfsduur en het gebruik van ruimtes. Hierdoor wordt een camerasysteem niet alleen een beveiligingsmiddel, maar ook een bron van operationele informatie.

Hoe dat precies werkt, leggen we uit in dit artikel.

Van videobeeld naar bruikbare informatie

Een traditionele camera registreert wat er gebeurt. Zonder aanvullende analyse blijft het echter grotendeels aan een gebruiker om de beelden te bekijken en te interpreteren. Vision AI voegt hier een intelligente analyselaag aan toe. Deze techniek kan personen, voertuigen en objecten herkennen en vaststellen hoe deze zich door een omgeving bewegen.

Videobeelden kunnen daarmee worden vertaald naar meetbare informatie, zoals:

• Het aantal bezoekers of voertuigen;
• De drukte binnen een bepaalde zone;
• De tijd die mensen in een gebied doorbrengen;
• Veelgebruikte loop- en rijroutes;
• Wachtrijen en opstoppingen;
• Het gebruik van ingangen, werkplekken en faciliteiten;
• Afwijkingen ten opzichte van normale patronen.

Deze informatie kan worden weergegeven in dashboards, rapportages of gekoppelde bedrijfssystemen. Zo ontstaat niet alleen zicht op wat er op dit moment gebeurt, maar ook op ontwikkelingen over langere perioden.

Meer waarde uit bestaande camera’s

Veel organisaties beschikken al over een uitgebreid cameranetwerk. Camera’s hangen bij ingangen, op parkeerterreinen, in winkels, op werkvloeren of langs wegen. Voor operationele metingen worden daarnaast vaak afzonderlijke sensoren gebruikt. Denk aan bezoekerstellers, bewegingssensoren of systemen voor wachtrijmetingen. Vision AI kan een deel van deze informatie uit bestaande camerabeelden onttrekken. Daardoor hoeft niet voor iedere toepassing nieuwe hardware te worden geplaatst.

Daarnaast kan deze technologie voor meerdere doeleinden worden ingezet. Hierdoor wordt de inzet van cameratoezicht veelzijdig. Een camera bij een ingang kan bijvoorbeeld worden ingezet voor beveiliging, bezoekerstellingen, bezettingsmetingen en het analyseren van piekmomenten. Een camera op een parkeerterrein kan tegelijkertijd verdachte situaties detecteren, voertuigen tellen en informatie verzamelen over bezetting en verblijfsduur. De waarde van de bestaande camera-infrastructuur daardoor aanzienlijk toe.

Om het te verduidelijken, lichten we hieronder een aantal use cases uit.

Inzicht in bezoekersstromen

Een veelgebruikte toepassing van Vision AI is het analyseren van bezoekersstromen. De technologie kan meten hoeveel mensen een locatie betreden, verlaten of passeren. Ook kan worden onderzocht hoe bezoekers zich binnen een gebouw of terrein verplaatsen.

Dat geeft antwoord op vragen zoals:

• Welke ingang wordt het meest gebruikt?
• Op welke momenten is het het drukst?
• Welke gebieden worden veel of juist weinig bezocht?
• Waar ontstaan wachtrijen?
• Hoe lang blijven bezoekers in een bepaalde zone?
• Welke routes worden het meest gevolgd?

Voor retailers kan dit inzicht geven in het gebruik van verschillende winkelgedeelten. Voor ziekenhuizen kan het helpen om wachtruimtes en bezoekersstromen beter te organiseren. Op luchthavens, stations en evenementenlocaties ondersteunt deze informatie crowd management en capaciteitsplanning.

Van bezoekersaantal naar conversie

Alleen weten hoeveel mensen binnenkomen, is vaak niet voldoende. De meeste waarde ontstaat wanneer verschillende metingen met elkaar worden gecombineerd.

Een winkel kan bijvoorbeeld inzicht krijgen in:

• Het aantal mensen dat langs de winkel loopt;
• Het percentage passanten dat naar binnen gaat;
• Het aantal bezoekers per afdeling;
• Het gebruik van paskamers;
• Het aantal bezoekers dat uiteindelijk bij de kassa komt.

Hiermee ontstaat een beeld van de conversie tussen verschillende stappen in de klantreis. Wanneer veel mensen de winkel binnenkomen, maar relatief weinig bezoekers richting de kassa gaan, kan dat aanleiding zijn om te kijken naar de winkelindeling, collectie, presentatie of personeelsbezetting.

Vision AI bepaalt niet waarom iets gebeurt. Het maakt wel patronen zichtbaar die anders moeilijk objectief te meten zijn. Managers krijgen daarmee een betere basis voor verdere analyse en besluitvorming.

Heatmaps en verblijfsduur

Niet ieder druk gebied is automatisch een waardevol gebied. Daarom is het belangrijk om naast aantallen ook te kijken naar verblijfsduur. Met dwell-timeanalyse kan worden gemeten hoelang personen in een bepaalde zone aanwezig zijn. Heatmaps laten zien waar mensen vaak lopen, stilstaan of langere tijd verblijven.

Dit kan onder andere helpen om te bepalen:

• Welke producten of displays de meeste aandacht trekken;
• Welke delen van een gebouw nauwelijks worden gebruikt;
• Waar opstoppingen ontstaan;
• Waar bezoekers lang moeten wachten;
• Welke faciliteiten intensief worden benut;
• Wat het effect is van een nieuwe inrichting.

Door metingen vóór en na een verandering te vergelijken, wordt zichtbaar of een verbouwing, campagne of gewijzigde indeling daadwerkelijk effect heeft.

Wachtrijen en capaciteitsplanning

Wachtrijen hebben directe invloed op de klantbeleving en de efficiency van een organisatie. Vision AI kan vaststellen hoeveel personen zich in een wachtrij bevinden en hoelang zij daar verblijven. Wanneer vooraf ingestelde grenswaarden worden overschreden, kan automatisch een melding worden verstuurd.

Een supermarkt kan bijvoorbeeld een melding ontvangen wanneer een rij bij de kassa te lang wordt. Een ziekenhuis kan zien wanneer een wachtruimte voller raakt dan gebruikelijk. Een logistieke locatie kan detecteren wanneer voertuigen zich ophopen bij een laad- of loszone. Historische gegevens kunnen daarnaast worden gebruikt om personeel en capaciteit beter te plannen. Wanneer structureel zichtbaar is dat op bepaalde momenten drukte ontstaat, kan een organisatie daar vooraf rekening mee houden.

Ook voor logistiek en industrie

Operationele videoanalyse is niet alleen interessant voor omgevingen met bezoekers. Binnen logistiek en industrie kunnen camera’s inzicht geven in voertuigen, goederenstromen en het gebruik van terreinen.

Mogelijke toepassingen zijn:

• Het tellen van vrachtwagens en andere voertuigen;
• Het meten van doorlooptijden;
• Het herkennen van stilstand en blokkades;
• Het analyseren van laad- en loszones;
• Het monitoren van interne verkeersstromen;
• Het meten van de bezetting van parkeer- en opstelterreinen.

Hierdoor worden knelpunten zichtbaar die in traditionele rapportages soms pas veel later naar voren komen.

Realtime meldingen en historische analyses

Vision AI helpt organisaties om direct te reageren én om processen over een langere periode te verbeteren. Bij realtime analyse wordt automatisch een melding verstuurd wanneer een situatie aandacht vraagt. Bijvoorbeeld wanneer een gebied te druk wordt, een doorgang wordt geblokkeerd of een wachtrij een ingestelde lengte overschrijdt.

Historische analyses maken trends en terugkerende patronen zichtbaar. Organisaties kunnen verschillende dagen, tijdstippen, locaties en vestigingen met elkaar vergelijken. Zo wordt duidelijk wat het effect is van een andere personeelsplanning, aangepaste inrichting of nieuwe werkwijze.

Privacy-first als uitgangspunt

Privacy is geen toevoeging achteraf, maar vormt het uitgangspunt bij de inzet van Vision AI. Voor operationele analyses is het meestal niet nodig om personen te identificeren. De technologie richt zich op aantallen, bewegingen, verblijfsduur en patronen, niet op de identiteit van een individu.

Waar nodig kunnen personen automatisch worden geblurd en kan uitsluitend geanonimiseerde metadata worden opgeslagen. Ook kunnen gebruikersrechten, bewaartermijnen en toegang tot beelden nauwkeurig worden beperkt. Organisaties bepalen vooraf het doel van de analyse, welke gegevens daarvoor echt nodig zijn en wie toegang krijgt. Zo blijft de verwerking doelgericht, proportioneel en controleerbaar.