Tellen hoeveel mensen er binnenkomen, zien of een schap leeg is, een scherm bedienen zonder het aan te raken. Wat camera-tracking vandaag kan, wat het kost aan gedoe, en wanneer je het juist niet moet doen.
De meeste bedrijven die iets willen meten, denken eerst aan een sensor. Een teller bij de deur, een schakelaar onder een schap, een knop die iemand indrukt. Dat werkt, maar elke sensor meet precies één ding, moet ergens gemonteerd worden en gaat op termijn stuk. Een camera meet alles wat er in beeld gebeurt, hangt er vaak al, en wat je ermee doet is een kwestie van software.
Dat is de afgelopen jaren echt veranderd. Beeldherkenning die vroeger een werkstation vroeg, draait nu op een laptop en zelfs in een browser. Daarmee verschuift de vraag van "kan het" naar "is het het waard", en dat is een veel nuttiger gesprek.
Een model kijkt naar een beeld en zet dat om in punten. Bij een hand zijn dat er 21, ongeveer 30 keer per seconde. Bij een lichaam werkt het net zo, met punten voor schouders, heupen en gewrichten. Uit die punten leidt software af waar iemand is, welke kant hij op kijkt, hoe hij beweegt en welk gebaar hij maakt.
Belangrijk: het model hoeft geen beeld te bewaren om dat te kunnen. Het leest een frame, levert een rij getallen en laat het frame los. Daar komen we verderop op terug, want die eigenschap bepaalt het grootste deel van de privacyvraag.
Wat die punten betekenen, hangt af van wat je eraan koppelt. Dezelfde meting stuurt een spelletje aan, telt bezoekers of merkt op dat iemand valt. De techniek eronder verschilt nauwelijks; de toepassing wel.
Besturen. Iemand beweegt zijn hand en er gebeurt iets op een scherm. Dit is de zichtbaarste vorm en werkt goed op beurzen, in etalages en op publieke schermen die je liever niet aanraakt. Wij bouwden er zelf twee: een audiovisueel instrument waarin je handen het instrument zijn, en de klassieke game Pong met je hand als bat. In dat eerste project herkent het systeem 18 gebaren en 11 doorlopende waarden, zoals hoe open je hand is en hoe snel hij beweegt.
Meten. Niemand bedient iets, de camera kijkt alleen. Hoeveel mensen komen er binnen, hoe lang staan ze voor een schap, hoe vol is de wachtruimte, is de doorgang vrij. De uitkomst is een getal per kwartier dat naar het systeem gaat dat je al hebt.
Controleren. De camera let op iets specifieks: ligt dit onderdeel goed, zit dit etiket recht, is deze verpakking gesloten. Hier is de winst dat een fout wordt opgemerkt vóór de volgende stap, in plaats van bij de klant.
De software is zelden het zware deel. De omstandigheden zijn dat wel, en daar valt bijna elk project dat mislukt op om.
Licht. Tegenlicht van een raam maakt van een hand een silhouet en dan valt de herkenning weg. Licht van voren lost dat vrijwel altijd op, maar dat moet je vooraf bedenken in plaats van achteraf ontdekken.
De plek van de camera. Eentje die te laag hangt, ziet alleen de voorste persoon. Eentje die scheef hangt, telt de helft. Dit is saai werk en het bepaalt de uitkomst meer dan de modelkeuze.
Jouw specifieke geval. Standaardmodellen kennen mensen, handen en gewone voorwerpen. Jouw onderdeel, jouw verpakking of jouw situatie zit er vrijwel nooit in. Dan is eigen beeldmateriaal nodig, en dat verzamelen kost doorgaans meer tijd dan het bouwen.
Onderhoud. Een lens wordt vuil, een camera wordt verschoven, het licht verandert met het seizoen. Een systeem dat blijft werken, meldt zelf dat de beelden slechter worden. Zonder die controle is het na een paar maanden stil kapot, en dat merk je pas als je de cijfers niet meer vertrouwt.
Zodra er mensen in beeld komen, is dit de eerste vraag die gesteld hoort te worden. Het goede nieuws is dat de meeste toepassingen de beelden helemaal niet nodig hebben.
Wil je bezoekers tellen, dan heb je genoeg aan een getal per kwartier. Wil je een scherm met gebaren bedienen, dan heb je genoeg aan de punten van een hand. In beide gevallen kan de verwerking op het apparaat zelf gebeuren en verlaat er nooit een frame het pand. Wat overblijft is een reeks cijfers, en die zegt niets over wie er stond.
Die keuze maak je bij het ontwerp, niet achteraf. Een systeem dat beelden naar de cloud stuurt, terugbouwen naar lokale verwerking is duur werk, en tot die tijd voer je gesprekken die je liever niet voert.
Camera-tracking is slecht in precisie en slecht in lange sessies. Een doel van een paar pixels raken met een zwevende hand is zwaarder dan met een muis, en je arm wordt moe. Voor formulieren, tekst en dagelijks werk is het de verkeerde keuze.
Het is ook de verkeerde keuze als er een simpeler meting bestaat. Weegt het, telt een kassa het al, of staat het antwoord gewoon in een bestaand systeem, gebruik dat. Een camera is aantrekkelijk omdat hij veel tegelijk kan, en dat is precies waarom hij soms wordt ingezet voor iets waar een knop had volstaan.
Het werkt juist goed waar aanraken onhandig is, waar de beweging zelf het onderwerp is, en waar je iets wilt weten dat nu door niemand wordt geteld.
Zet een week lang een laptop met een webcam op de plek waar het moet gebeuren en meet wat er gebeurt. Niet om het systeem te bouwen, maar om te zien wat het licht doet, hoe mensen daar werkelijk staan en of het getal dat eruit komt ergens op lijkt.
Die week vertelt meer dan elke inschatting vooraf, en hij is goedkoop. Regelmatig blijkt de plek net anders te zijn dan iedereen dacht, en dan is dat op tijd bekend.
Pas daarna kies je waar het definitief draait: in een browser als het een ervaring is en tijdelijk, of op een eigen kastje bij de camera als het dag en nacht moet blijven meten.
De techniek achter gebaarbesturing en waar die in de praktijk op stukloopt, staat in wat zijn gesture-controlled interfaces. De bredere toepassingen, inclusief de keuze tussen browser en kastje, staan in computer vision voor bedrijven. Onze dienst rond meten en volgen is tracking-systemen, en de interactieve kant staat bij interactieve AI-apps.
Meestal niet. Voor gebaarbesturing en het tellen van mensen volstaat een gewone webcam of een bestaande camera. Speciale hardware wordt pas interessant bij weinig licht, grote afstanden of wanneer je diepte nodig hebt.
Alleen als jouw toepassing dat echt vraagt. Voor tellen, gebaarbesturing en de meeste controletaken is verwerking op het apparaat zelf genoeg en wordt er niets bewaard behalve de uitkomst. Dat is een ontwerpkeuze die we vooraf met je maken.
Ja, maar je moet kiezen wie de baas is. Bij besturing is dat meestal de dichtstbijzijnde persoon, en die keuze houd je vast zolang hij in beeld blijft. Zonder die regel springt de besturing over naar een voorbijganger.
Dat hangt volledig af van het licht, de plek van de camera en hoe specifiek je vraag is. Mensen tellen bij een deur is betrouwbaar; een klein onderdeel beoordelen op een lopende band vraagt eigen beeldmateriaal en een proefperiode. Daarom meten we eerst een week op locatie voordat we iets beloven.
Dat is meestal het punt. De uitkomst is een getal of een melding, en die gaat naar waar hij thuishoort: je dashboard, je voorraadsysteem of gewoon een bericht. Past je vraag in geen enkel standaardpakket, dan bouwen we het als custom systeem.
dGEN Productions, AI agency en business-automation partner uit Veldhoven, regio Eindhoven. De Run 1141, 5503LB Veldhoven · info@dgenproductions.nl · 06-87413056