Human Activity Recognition is in AI de volgende stap in de beeldherkenning. Het Nederlandse Kepler Vision zet deze zelf ontwikkelde technologie in om gevaarlijke situaties bij cliënten in de zorg te kunnen herkennen. Inzetten van dergelijke innovatieve technologie kan aanvankelijk een drempel zijn voor zorgmedewerkers, maar als ze eenmaal in praktijk hebben gezien hoe het hen helpt zijn ze snel overtuigd.
AI Start up Kepler Vision is voortgekomen uit de Universiteit van Amsterdam. De technologie is de vervolgstap op eerdere software die door een voorloper van Kepler Vision is ontwikkeld, eveneens een spin off van de Universiteit van Amsterdam. Die software is vanaf 2009 ingezet om in foto’s en video objecten en scenes te herkennen. Dat was destijds state of the art-technologie, die jaar achtereen internationaal in de prijzen viel.
Dit was volwaardige AI-software met een algoritme dat getraind kon worden op het herkennen van bijvoorbeeld honden en katten. Dit is destijds onder meer commercieel ingezet om beeld op datingwebsites beschaafd te houden. Ook de politie heeft software ingezet in de strijd tegen kinderporno. Uiteindelijk heeft Qualcomm het bedrijf gekocht, om het te gebruiken voor de Snapdragon Neuroprocessing unit.
Lichaamstaal
In de tussentijd heeft de technologie niet stilgestaan. “We zijn nu zo ver dat de computer ook lichaamstaal kan herkennen”, zegt Harro Stokman, oprichter en directeur van Kepler Vision. Hij besloot daarop om software voor Human Activity Recognition te gaan ontwikkelen. “We hebben bewust gekozen voor toepassing van deze technologie in de zorg. Ten eerste is dat een maatschappelijk zinnige toepassing. En ten tweede is dit een sector waar nogal wat problemen op afkomen, door het steeds verder oplopende personeelstekort.” Daar kan AI volgens hem een belangrijke bijdrage aan leveren.
Hij beschrijft Kepler als een deep tech-bedrijf. “We hebben eerst drie jaar moeten programmeren om het werkzaam te krijgen. Het eerste product is er nu, namelijk valdetectie. “Dat is niet zo eenvoudig als het trainen van een algoritme op bijvoorbeeld huisdieren. Daar zijn legio voorbeelden op Internet van te vinden. Maar hoe vind je beeld dat je kunt gebruiken bij trainen op ‘vallen’?
Fisheye-camera’s
Een andere uitdaging is dat het uitermate betrouwbaar moet zijn. Het mag ook niet te duur zijn.” En tenslotte was er de technische uitdaging van de gebruikte camera. “Veel bewakingscamera’s in de zorg zijn fisheye-camera’s die een heel specifiek 360 gaden-beeld opleveren. Trainingsmateriaal op basis van fisheye-camera’s bestond überhaupt niet.”
Kepler is erin geslaagd dit technisch op te lossen. Maar zeker zo belangrijk is het volgens Stokman geweest dat ze erin zijn geslaagd om de zorg van het nut van deze oplossing te overtuigen. “Want het eerste wat de zorg wil is meer handen aan het bed. Dat is wat iedereen antwoordt op de vraag waar ze mee geholpen kunnen worden. We hebben ze echter laten zien dat ze met deze technologie tijd winnen.”
Overtuigen
Een van de redenen dat Kepler succesvol is geweest in het overtuigen van zorgpersoneel, is dat het verhaal werd uitgelegd door mensen die zelf in de zorg werken, en die gezien hadden hoe het werkte. Dat heeft onder meer geleid tot het recent geopende Kepler Vision Experience Center, waar mensen die zelf in de zorg werken aan hun collega’s laten zien hoe het hen helpt.”
Uiteraard is over de privacyaspecten nagedacht. “In de oude situatie hadden de cliënten helemaal geen privacy, want er kwam drie keer per nacht iemand hun kamer binnen om hen te controleren. In die zin brengen wij juist privacy. Wat betreft de technologie houden we ons aan alle wet- en regelgeving, en hebben we alle nodige certificeringen. . We sluiten een dataverwerkingsoverenkomst waarin dat wordt beschreven. En tenslotte doen we feitelijk video-naar-tekst conversie, dus niemand bekijkt de beelden, maar er komen meldingen. En als je toch naar de beelden kijkt zijn de gezichten geblurd, zodat niemand herkenbaar is.”
Aandacht
De ambitie van Kepler is om in de zorgsector actief te blijven, ondanks het potentieel van dergelijke technologie in bijvoorbeeld security en retail. “In de zorg is nog zoveel te doen, bijvoorbeeld herkennen wanneer mensen een epileptische aanval hebben en of mensen hun medicijnen innemen. We bieden onze software momenteel aan in zorgcentra, ook wel; ‘care’ genoemd. Maar ook in ziekenhuizen, ‘cure’, zou deze AI kunnen helpen. Daar is weer een andere manier van trainen voor nodig. We hebben in deze sector nog voor jaren R&D te doen.”
Wanneer zorgmedewerkers eenmaal gezien hebben dat het systeem goed werkt zijn medewerkers in de zorg enthousiast. “Verzorgend personeel moet daarvoor wel een iets andere manier van werken aannemen”, zegt Stokman. “Ze hoeven bijvoorbeeld ’s nachts geen controlerondes meer te lopen, omdat de software ziet of mensen vallen. In het Experience Center kunnen ze dat zelf testen, door te proberen zodanig te vallen dat de software het niet ziet. Dat lukt niet. Uiteindelijk houden ze dankzij deze technologie meer tijd over om hun cliënten de nodige aandacht te geven.”
