Zo’n tien mensen zitten in elkaar gedoken langs de kant van de weg, hun blikken naar de grond gericht. Achter hen staan agenten en medewerkers van de Koninklijke Marechaussee. Dit soort beelden zijn de laatste maanden vaker te zien bij havencomplex Moerdijk. Honderden ‘gelukszoekers’, met name Albanezen, probeerden de afgelopen maanden in vrachtwagens via de zeehaven naar Engeland te komen, zo meldden verschillende media begin september. Ze komen per trein aan en verstoppen zich in containers of in het nabijgelegen maïsveld. Ook worden regelmatig drugs aangetroffen in trucks en containers en zijn er veel berovingen. Bij de zuiderburen, in Oostende, is het ook een uitdaging om het havencomplex veilig te houden. Daar zijn veel verstekelingen die via verbindingsschepen vanuit bijvoorbeeld Congo komen en naar Engeland willen.

Binnen de TU/e wordt hard gewerkt aan geavanceerde programmering voor bewakingscamera’s, die ‘zelf’ registreren wanneer iets mis dreigt te gaan of als er sprake is van ‘verdacht gedrag’. “Je kunt door cameratoezicht zien dat iemand een mes heeft getrokken, maar waar we naartoe willen, is dat het systeem zelf registreert dat iemand een mes aan het trekken is.” Aan het woord is Peter de With, TU/e-hoogleraar bij de Video Coding and Architectures (VCA)-groep. Sinds een paar maanden zijn De With en zijn collega's betrokken als experts op het gebied van bewakingscamera’s bij de havens van Oostende en Moerdijk. Universitair docent Egor Bondarev van VCA begeleidt het lopende onderzoek mede.

Groot logistiek centrum

De problemen in de Nederlandse haven zijn van een ander kaliber dan die aan de Vlaamse kust, vertelt De With. “In Oostende speelt de vluchtelingenproblematiek al langer. We zijn aanvankelijk gevraagd voor cameratoezicht in Moerdijk vanwege berovingen. Daar zijn verstekelingen inmiddels bijgekomen. In Moerdijk is veel meer geautomatiseerd, het is een groot logistiek centrum, waar maar weinig mensen rondlopen die toezicht kunnen houden.”

De ene haven zal dan ook op een andere manier moeten worden beveiligd dan de andere. De With: “Wij geven advies over het type camera’s en de locaties, en zorgen voor de software en analyse van de beelden.” Bondarev vult aan: “Om verstekelingen in het maïs op te sporen, kun je ook met drones werken. Surveillancecamera’s heb je in alle soorten en maten en kun je overal kopen, maar niet de intelligente software daarvoor.”

Er is steeds meer mogelijk - De With spreekt zelfs van een revolutie op het gebied van camerasurveillance. “We zijn steeds beter in objectdetectie en -herkenning. Dat gaat in verschillende fasen. Je hebt de helderheid en rangschikking van beeldelementen op basisniveau, ook wel objectgeoriënteerde features genoemd. Die informatie cluster je in een soort van multidimensionale ruimte en daarmee kun je objecten realtime herkennen. We zijn nu volop bezig met machine learning en deeplearning, waarbij de algoritmes ‘zelf leren’ hoe ze bepaalde gegevens moeten clusteren, welke informatie de omgeving biedt en hoe alles moet worden geïnterpreteerd. Op die manier kunnen computers gedrag herkennen en preventief opereren. Je kunt daarbij denken aan een alarm dat al bij de politie afgaat als iemand een mes trekt, en niet pas op het moment dat een persoon het openklikt. Je kunt het algoritme zo programmeren dat de computer dat onderscheid in beweging herkent. In Moerdijk komen vaak vaste leveranciers. Je zou kentekens kunnen invoeren en als de computer dan een onbekend kenteken registreert, is dat verdacht. Een van de grote voordelen is dat je niet voortdurend mensen met de beelden hoeft te laten meekijken.”

Nauwkeurigheid

Het is de vraag of machines al net zo goed en nauwkeurig zijn als mensen. Bondarev zegt hierover: “We kunnen objecten in havens zoals schepen al met een hoge detectiescore van 95 procent vinden. We hebben ook al goede resultaten met het herkennen van het type schip. Dit kun je vertalen naar andere belangrijke objecten zoals trucks en voertuigen en het vinden van personen. De scores zijn vergelijkbaar met de nauwkeurigheid van mensen.”