Wat doet IRIS?
IRIS ziet, begrijpt, beslist en handelt.
Camera's zien de wereld al; IRIS laat ze het begrijpen.
Het is drie uur 's nachts. Veertig schermen staan aan en er zit één persoon voor. Op scherm 34 klimt iemand zes seconden lang over het hek van het terrein. De camera nam het op. De enige vraag is of er op dat moment iemand naar dát scherm keek. Het aantal camera's groeide. De menselijke aandacht niet.
IRIS is een systeem dat begrijpt wat je camera's zien en daar iets mee doet. Het koppelt aan de camera's die er al hangen, kijkt naar allemaal tegelijk en herkent wat ervoor staat: mensen, voertuigen, objecten, zones en hoe lang die er al zijn. Zo wordt ‘er staat een persoon’ ineens ‘een persoon staat al elf seconden in de laadzone terwijl er een vrachtwagen manoeuvreert’.
Je organisatie beslist één keer wat aandacht verdient en hoeft er daarna niet meer aan te denken. IRIS toetst die regel op elke camera, op elk uur, zonder om vier uur 's nachts moe te worden. Detecteren is niet beslissen: een melding zegt dát er iets is gebeurd; een beslissing weet wat ermee moet.
Voldoet een situatie aan de regel, dan opent IRIS de melding, waarschuwt de juiste persoon, zet de camera in beeld, legt het cijfer vast en bewaart het bewijs. Voor je team verandert de hele dienst: het bewaakt geen veertig schermen meer, maar lost de situaties op die binnenkomen, met context en volgende stap erbij. Alles komt binnen. Alleen wat telt bereikt je.
Ziet wat al wordt opgenomen
IRIS koppelt aan de camera's die je al hebt, zolang hun videostream beschikbaar is. Zien was nooit het probleem: dat deden de camera's al zelf.
Begrijpt wat er gebeurt
Het herkent mensen, voertuigen, objecten, zones en tijden, en hoe die samenhangen. Van ‘er is iets in beeld’ naar ‘dit is wat er gebeurt’.
Beslist volgens je regel
Het toetst wat er gebeurt aan de regels die je organisatie heeft vastgelegd. Eén keer beslissen; IRIS past het altijd toe.
Handelt en legt het vast
Het opent de melding, waarschuwt, toont de camera, legt het cijfer vast en bewaart het bewijs. Het team krijgt een situatie waarover te beslissen valt, geen uur beeldmateriaal.
Neemt IRIS beslissingen voor ons?
Nee. Je organisatie legt de regels en de grenzen vast; IRIS past ze onvermoeibaar toe op alle camera's. Situaties die menselijk oordeel vragen, komen bij een persoon terecht mét beeld, context en historie, zodat de beslissing met alles in zicht valt.
Moet ik mijn camera's vervangen om IRIS te gebruiken?
Niet per se. IRIS is gemaakt om bestaande video-infrastructuur te benutten, zolang de integratie en de beschikbare streams dat toelaten. Bij de inventarisatie vooraf wordt camera voor camera bekeken: welke voldoen zoals ze hangen, welke beter anders gericht kunnen worden en welke niet de beeldkwaliteit leveren die de gewenste detectie vraagt.
Waarin verschilt IRIS van video-analyse?
IRIS verschilt van video-analyse in wat het ná het detecteren doet. Analyse ziet een los feit: er is een persoon, er is een lijn overschreden, er reden twaalf voertuigen langs. IRIS koppelt dat feit aan de zone, de tijdsduur en de context, toetst de regel die je organisatie heeft vastgelegd en voert uit wat daarna moet gebeuren. Detecteren is het begin, niet het eind.
Zijn detecteren en begrijpen hetzelfde?
Nee, en dit is een van de dingen die het vaakst door elkaar lopen. Kijken zijn drie verschillende dingen. Het eerste VINDT: het weet dat daar een persoon is en op welk punt in het beeld precies; het is snel en geeft op hetzelfde beeld altijd dezelfde uitkomst, en daarom is het het enige waarmee je kunt tellen en een getal twee keer hetzelfde uitkomt. Het tweede BENOEMT: het onderscheidt een bestelbus van een auto, een helm van een pet; het werkt met een lijst, en wat er niet op staat ziet het niet. Het derde BEGRIJPT: het leest de hele scène en het verband tussen de dingen —niet «een persoon» en «een auto», maar «een persoon op de grond naast een auto die midden op de kruising stilstaat»—, het heeft geen lijst nodig en beantwoordt een zin in jouw eigen woorden, maar het is niet waarmee je telt. IRIS heeft alle drie standaard aan boord, niet als losse extra’s: op dezelfde camera heb je ze meestal tegelijk nodig. Daarom zeggen we dat vragen dient om te zoeken en tellen om te meten, en dat het niet hetzelfde is.
Kan IRIS leren iets te zien dat alleen bij mij voorkomt?
Ja. Een onderdeel dat alleen hier gemaakt wordt, een handeling die alleen in dit vak voorkomt, een defect dat alleen bij dit materiaal opduikt: dat staat op geen enkele lijst, en dat gaat ook niet gebeuren. Dan wordt er een eigen model getraind met beelden van jouw camera’s en jouw gevallen, en het wordt gewoon nog een detectie binnen IRIS: je schrijft er een regel mee zoals met alle andere. En dat model is van jou: het wordt getraind met jouw beelden en het oordeel van jouw mensen, en blijft dus jouw eigendom. Het wordt niet hergebruikt bij een andere klant, niet verwerkt in een product dat aan je concurrentie verkocht wordt, en je hoeft geen klant te blijven om het te blijven gebruiken. Wat er nodig is om het te trainen: beelden van dat het gebeurt — echte, niet in scène gezet — en iemand van jouw team die kan zeggen welke goed is en welke niet. Als wat je wilt herkennen niet in het beeld te zien is, haalt geen enkel model het eruit.
Wat het niet doet
Voordat je dit in een demo ontdekt, zeggen we het liever hier.
IRIS is niet voor iedereen, en dat nu zeggen kost minder dan het halverwege een project ontdekken. Heb je vier camera's en één persoon die ze allemaal in één oogopslag overziet, dan heb je niets van dit alles nodig. IRIS gaat lonen zodra er meer camera's zijn dan ogen.
IRIS vervangt je team evenmin. Het neemt het herhalende deel over — kijken, tellen, klokken, zoeken — en laat het deel dat oordeel vraagt aan wie dat oordeel heeft. IRIS vervangt het menselijk oordeel niet: het voorkomt dat je het verbruikt waar dat niet hoeft.
En het raadt niet wat je belangrijk vindt. Iemand bij jou moet zeggen wat een melding verdient, in welke zones en binnen welke grenzen, en die regels worden op echte beelden getest voordat ze blijven draaien. Dat is werk aan het begin van een project, geen knop die je omzet.
Niet voor vier camera's
Bij weinig camera's en één oplettende persoon bestaat het probleem niet. IRIS lost een schaalprobleem op, en dat probleem ontstaat pas als je niet meer alles kunt bekijken.
Het leegt de meldkamer niet
Het doet het vermoeiende deel. Beslissingen die oordeel vragen blijven van een mens, en komen binnen mét beeld, context en historie.
Het heeft niet altijd gelijk
Sommige scènes zijn lastig: tegenlicht, mist, zware regen, een object ver weg. Daarom wordt elke regel getest op echte beelden van díe camera voordat hij aangaat.
Het installeert zichzelf niet
De camera's moeten worden nagelopen, de zones getekend en de eerste regels met je team geschreven. Niemand prikt dit op vrijdagmiddag in en gaat naar huis.
De echte interface, stap voor stap
Jij stelt de regel één keer in. IRIS past hem altijd toe.
Je ziet een samenvatting van de interface, stap voor stap en handenvrij afgespeeld. Elke ronde begint met een ander geval. Het volledige gereedschap past niet in een demo.
- De regel wordt gebouwd
- Ze gaat naar alle camera's
- Gepubliceerd, ze waakt zelf
- En dan slaat ze aan
Volgende stap
Wie kijkt om drie uur 's nachts naar een hele kade?
14 gevallen: 13 slaan alarm als er iets gebeurt en één meet alleen. Je ziet elk beeld zoals het is en daarna met wat IRIS erin begrijpt.
Wie kijkt naar de camera's van een heel kantorennet?
13 gevallen: 12 slaan alarm als er iets gebeurt en één meet alleen. Je ziet elk beeld zoals het is en daarna met wat IRIS erin begrijpt.
En het beste
Tien camera’s of vierduizend:geen enkele blijft ongezien.
De dag dat IRIS begint, beginnen ze allemaal: de tien van een school of de vierduizend van een heel netwerk. En hij steekt alleen zijn hand op als gebeurt waar je om vroeg.
Leg ons je probleem voor en wij zeggen of IRIS het begrijpt, of nog niet.
Wij antwoorden dezelfde werkdag.