/Surv-AI-llance

Surv-AI-llance

Camerabewaking krijgt hulp van algoritmes die menselijk gedrag herkennen

smart_cities

De huidige stedelijke bewakingssystemen worden de klok rond gemonitord door bekwaam bewakingspersoneel. Het gecreëerde volume aan videomateriaal is evenwel zo groot, dat het onmogelijk is om met menselijke observatie alleen alles op te volgen. Snel kunnen reageren op gewelddadige situaties blijft essentieel om een veilige omgeving voor de burgers te garanderen.

Het Surv-AI-llance project wil geavanceerde machine-learning algoritmes ontwikkelen op basis van data van camera- en radarbeelden, om zo tot betrouwbare en bruikbare inzichten over menselijk gedrag te komen. De algoritmes zullen in staat zijn om geweld en agressie op beeld te herkennen. Zo wordt alarm slaan in realtime en een snelle respons van veiligheids- en bewakingspersoneel mogelijk, terwijl de privacy van de betrokkenen gewaarborgd blijft.

Computer vision

Het Surv-AI-llance project zal een innovatieve, multimodale computer vision-oplossing (CV) ontwikkelen, die functioneert op skelet-gebaseerde representatie en Doppler radartechnologie. De technologie zorgt ervoor dat algoritmes mensen leren observeren als structuren die zich door tijd en ruimte bewegen, en vervolgens in staat zijn om menselijke handelingen correct te interpreteren.

De oplossing biedt aanzienlijke verbeteringen in efficiëntie en nauwkeurigheid en werkt met edge intelligence. Gedistribueerde apparatuur kan zo de gegevens lokaal verwerken en analyseren door enkel high-end informatie uit te wisselen.

Snel, efficiënt en gericht op privacy

De overkoepelende doelstelling van het Surv-AI-llance consortium is om een betrouwbare, privacy-vriendelijke video-analyse pijplijn te bouwen, die nauwkeurig bewaakte zones interpreteert en snel bevoegd personeel kan waarschuwen.

De onderzoeksdoelen van het project omvatten:

  • de ontwikkeling van computer vision-methodes die op basis van meerdere camera's en sensoren menselijke acties en escalaties kunnen analyseren - en dat in diverse omstandigheden.
  • de ontwikkeling van methodes voor computer vision-modeltraining op basis van van edge computing;
  • de innovatie van een geïntegreerd, herconfigureerbaar systeem dat nieuwe analysemogelijkheden biedt voor menselijk gedrag en dat veiligheidsagenten de nodige visuele informatie verschaft

Slimme bewaking

Het project zal uitmonden in toegenomen kennis op het vlak van op vision-gebaseerde herkenning van afwijkende menselijke activiteit, op radar-gebaseerde herkenning van menselijke activiteit, data fusion, gedistribueerde AI en XAI (eXplainable Artificial Intelligence).

De onderzoeksresultaten zullen de ontwikkeling van oplossingen voor veiligheidsmonitoring en de smart cities-beweging ondersteunen, de taak van veiligheidsagenten verlichten en de reactiesnelheid bij incidenten in realtime ontsluiten.

"Het Surv-AI-llance project wil geavanceerde machine-learning algoritmes ontwikkelen op basis van data van camera- en radarbeelden, om zo tot betrouwbare en bruikbare inzichten over menselijk gedrag te komen."

Surv-AI-llance

Surv-AI-llance will guard our personal safety in smart cities by providing real-time alerts and activity-based query capabilities on existing video surveillance feeds using advanced human behavior recognition algorithms.

 

Surv-AI-llance is een imec.icon onderzoeksproject gefinancierd door imec en Agentschap innoveren & ondernemen.

 

Het werd opgericht op 01.07.2021 en het project loopt tot 30.06.2023

Projectinformatie

Industrie

  • Atomic BITS
  • Autimatic
  • The Safe Group
  • Politiezone : Eeklo - Kaprijke - Sint-Laureins
  • Stad Geel
  • Politiezone : Geel - Laakdal - Meerhout

Onderzoek

  • imec - ETRO – VUB
  • imec - ARF

Contact

  • Project lead: Peter Rigole
  • Research lead: Hichem Sahli
  • Proposal Manager: Peter Rigole
  • Innovation manager: Eric Van der Hulst