“Een beeld zegt meer dan duizend woorden.” Naarmate technologie voor beeldherkenning en -analyse vordert, wordt het cliché ook relevant voor bedrijfstoepassingen. Maar tegelijk ontdekken bedrijven dat een beeld ook meer data bevat dan duizend woorden.
Tot voor kort bleef videomonitoring bij bedrijven, en zeker voor het grote publiek, beperkt tot bewakingstoepassingen. Die vergden bovendien menselijke monitoring, zowel voor live- als voor uitgestelde monitoring. Als een bedrijf de monitoring op grote schaal wilde toepassen, met meer camera’s, meer uren per dag, beelden van hogere kwaliteit die ook langer werden bijgehouden, en daar ook nog eens bruikbare inzichten wilde uithalen, steeg de opslag-, management- en operationele complexiteit snel exponentieel.
Cédric Verstraeten ontwierp tien jaar geleden tijdens zijn stage bij Arcelor Mittal en als masterproef voor de Master Industrial Engineering, Information Engineering Technology een algoritme waarmee de kranen die de staalrollen verplaatsten automatisch de labels op de rollen konden lezen.
“De interesse voor het snijvlak tussen machine learning, artificiële intelligentie en computervisie was gewekt. In de jaren na het behalen van mijn master heb ik er mij verder in verdiept en de nieuwste ontwikkelingen gevolgd, na de uren van mijn dagjobs.”
“Die dagjobs, als software ingenieur en klantenadviseur bij grote softwarebedrijven, gaven me ook meer inzicht in operationele uitdagingen van grootschalige toepassingen.”
“De snelle ontwikkelingen maken het inderdaad mogelijk om met video en machine learning verder te gaan dan bewakingstoepassingen,” legt Cédric uit. “Technisch gezien wordt het mogelijk om te denken aan automatisering van toepassingen in bijvoorbeeld operationele efficiëntie, kwaliteitsbewaking of compliance (overeenstemming met wet- en regelgeving).”
“Op een gigantisch grote bouwwerf in Saoedi-Arabië monitoren we bijvoorbeeld automatisch hoeveel mensen hun veiligheidshelm dragen, of te dicht bij een kraan lopen.”
“Automatische analyse van videobeelden kan bedrijven ook inzichten geven in klantgedrag en voorkeuren. Hoeveel mensen zijn er vandaag door de deur van de supermarkt binnengewandeld? Hoe lang zijn de wachtrijen? Dit soort vragen kunnen we vandaag automatisch beantwoorden.”
“Maar de echte uitdagingen liggen niet in de technologie, maar in de implementatie op grote schaal. Het is vandaag relatief eenvoudig enkele camera’s te installeren en daar machine learning op toe te passen. Maar als je dat wil opschalen naar enkele honderden of duizenden videostromen, kom je terecht in een nachtmerrie.”
“Voor bedrijven het beseffen, halen ze geen learnings – machine of andere – meer uit hun systeem, maar zijn ze eigenlijk een Video Management Systeem aan het bouwen. En dat was niet de oorspronkelijke bedoeling.”
“De echte learnings uit artificiële intelligentie vergen ook een voortdurende cyclus van trainen, updaten en weer uitvoeren van de modellen. Machine Learning Operations, of MLOps, dat de workflow van die cycli beheert, is ook een vak apart.”
Cédric besliste zich met uug.ai, dat hij ondertussen had opgericht, toe te leggen op die tussenlaag van implementatie en management van grootschalige videosystemen.
“Met Kerberos.io, ons eerste product, bieden we bedrijven een open platform waarop ze heel snel en gemakkelijk hun hele videomonitoring kunnen consolideren en managen.”
“Stap voor stap werken we ook use cases uit, typische en concrete toepassingen die video en machine learning koppelen.”
“Heel wat toepassingen zullen bijvoorbeeld rekening moeten houden met privacy- en GDPR-wetgeving. Een van de use cases die we al ontwikkelden voor een Duitse klant, is het automatisch blurren van gezichten.”
“Zo zijn er nog tientallen use cases te bedenken, van mensen tellen tot specifieke objecten identificeren of bepaalde gebeurtenissen isoleren. Wij gaan die stap voor stap ontwikkelen en in ons open platform integreren, zodat klanten daar met één klik gebruik van kunnen maken.”
“We zitten duidelijk in een nichemarkt: zeer grote bedrijven, met tientallen of honderden vestigingen; aannemers van megawerven. Dat is dus een internationale markt. Op dit ogenblik draait ons systeem, bijna altijd via tussenpersonen, onder meer bij klanten in de Verenigde Staten en Azië.”
“Hoe we de marketing doen om die klanten aan te trekken? Wij doen geen marketing. Voorlopig toch niet. Het product zelf is de marketing. Het is open source, vrij beschikbaar tot een bepaald aantal camera’s. Pas dan beginnen we te werken met betaalde licenties. We zijn tot nu toe organisch gegroeid. Als we nu marketing zouden beginnen doen, zouden we teveel vragen krijgen en niet kunnen volgen.”
Maar uug.io zit nu wel op een scharnierpunt. “Wat begon als een project na de uren, wordt nu serieus. De jongste drie jaar kwamen er wel wat heel grote klanten bij. Er zijn nu drie stagiairs. Binnenkort ga ik iemand aannemen.”
En een kantoor dus.
“Ja, bij De Punt. Voor mij is het voor een stuk jeugdsentiment. Ik heb altijd in Gentbrugge gewoond. Als jongen zat ik hier op de heuvel te mijmeren over mijn toekomst. Ik liep nog stage bij een bedrijf dat bij De Punt gevestigd was, nog vóór de nieuwbouw.”
“Het is een thuismatch. En meer dan dat. In de paar maanden dat ik hier mijn intrek heb genomen, heb ik al drie interessante contacten kunnen leggen met medebewoners: een iemand die me toegang kan geven tot een nieuwe markt; een specialist in machine learning; en Starterslabo voor de typische startersuitdagingen.”
Ook de naam van het bedrijf is een knipoog naar de bakermat. “In uug.io zit het Gents voor “oog”, en tegelijk klinkt het goed op de internationale markt. Dat is de wilde droom: dat ik op de duur echt kan teruggeven aan Gent, waar ik opgegroeid ben en waar ik zoveel geleerd heb.”
“Van hieruit gaan we ons product verder uitbreiden en schaalbaar en kwalitatief maken, met focus op de gebruikerservaring. Stap voor stap. De komende vijf jaar? Dan groeien we wellicht naar vier mensen. Ikzelf zal dan mijn aandacht wellicht verschuiven van ontwikkeling naar verkoop en business development.”