Meerdere detecties in één systeem
De meeste detectie wordt per stuk verkocht. Een kastje voor kentekens, een kastje voor het hek, een kastje dat mensen telt. Ze werken alle drie, en ze weten niets van elkaar. Dat is het probleem dat je pas merkt als er iets gebeurt en je drie systemen moet uitlezen om te reconstrueren wat er precies gebeurde.
- Detectie op de camera of op de server
- Vrijwel elk merk via ONVIF
- Één archief, één logboek
In één alinea
Kan één systeem meerdere dingen tegelijk detecteren?
Ja, en dat is precies waar de ontwikkeling naartoe gaat. In plaats van een apart apparaat per detectie draaien de analyses als onderdelen binnen één videomanagementsysteem. Ze schrijven naar hetzelfde archief, vullen hetzelfde logboek en voeden dezelfde regels. Daardoor kun je erop zoeken en erop laten reageren zonder drie schermen open te hebben.
Het verschil zit niet in wat er gedetecteerd wordt. Een kentekenkastje herkent een kenteken prima. Het verschil zit in wat er dáárna mee gebeurt.
Waar het misgaat
Wat kost het je als detecties los van elkaar staan?
Je kunt niet doorzoeken
Het kentekensysteem weet wanneer die bus binnenkwam. De camera bij de laaddeur weet wat er daarna gebeurde. Maar de een kan niet in de ander kijken, dus reconstrueren is handwerk met twee tijdlijnen naast elkaar.
Regels stoppen bij de grens van het kastje
“Alleen melden als er een voertuig het terrein op rijdt buiten werktijd” vraagt twee dingen die elkaar kennen: de detectie en de klok. Zitten die in verschillende systemen, dan bestaat die regel niet en krijg je dus alle meldingen.
Er is geen gedeeld logboek
Bij een audit of een incident wil je één overzicht van wat er gebeurde en wie erbij kon. Drie systemen betekent drie administraties, drie keer gebruikers bijhouden en drie keer uitleggen.
Hoe het werkt
Waar draait de analyse: op de camera of op de server?
Allebei kan, en de keuze heeft gevolgen. Op de camera zelf is de detectie het goedkoopst in rekenkracht: het beeld wordt daar toch al verwerkt, en er gaat alleen een melding over het netwerk in plaats van een volledige stream. Op de server heb je meer mogelijkheden en kun je zwaardere modellen draaien, maar dat vraagt hardware.
In de praktijk combineren wij het. Eenvoudige detectie op de camera — beweging in een zone, een voertuig, een persoon. De zwaardere analyse en het samenbrengen op de server. Dan blijft het netwerk rustig en houd je toch overzicht.
Reken hier vooraf op
Analyse aanzetten op apparatuur die er niet voor bemeten is, kost je capaciteit. Bij sommige recorders halveert het aantal kanalen dat de doos aankan zodra je de slimme functies inschakelt. Dat staat zelden op de doos en het is precies het soort verrassing dat je niet wilt bij de oplevering. Wij rekenen het vooraf door. Zie systeemvereisten.
Vier situaties
Hoe ziet dat er in de praktijk uit?
Een bedrijventerrein ’s nachts
Overdag rijdt er van alles het terrein op en dat is normaal. Na sluitingstijd is elke beweging bij het hek de moeite waard. Eenzelfde detectie, twee betekenissen — het verschil zit in het tijdvak, niet in de camera. Een regel die de klok kent, maakt van honderd meldingen er drie.
Een kenteken bij de slagboom
Kentekenherkenning die alleen kentekens leest, is een lijst. Gekoppeld aan de toegang wordt het een handeling: bekend kenteken, slagboom open, en in het logboek staat wie er wanneer binnenkwam met beeld erbij. Zie nummerplaatherkenning.
Een magazijn met laaddeuren
Een deur die openstaat is geen incident. Een deur die twintig minuten openstaat terwijl er niemand in de buurt is, wel. Dat is twee waarnemingen die elkaar moeten kennen: de deurstatus en of er iemand in beeld is.
Een erf met veldschuren
Op een erf leveren dieren en bewegend gewas eindeloos valse meldingen. Detectie die onderscheid maakt tussen een persoon, een voertuig en “iets dat beweegt” scheelt daar het meest, want zonder dat onderscheid zet iemand de meldingen na een week gewoon uit.
Dat laatste is het echte risico van slechte detectie. Niet dat hij iets mist, maar dat hij zoveel meldt dat niemand meer kijkt.
Het verschil met vroeger
Wat kan slimme detectie dat gewone bewegingsdetectie niet kan?
Gewone bewegingsdetectie kijkt naar veranderende beeldpunten. Een tak, een schaduw, een kat en een inbreker zien er voor zo’n systeem hetzelfde uit: er verandert iets. Objectherkenning kijkt naar wát er beweegt. Dat is het verschil tussen een melding per uur en een melding die ergens over gaat.
Het praktische gevolg zit in het terugzoeken. Bij bewegingsdetectie zoek je op tijd: je weet ongeveer wanneer, en je scrolt. Bij objectherkenning zoek je op wat er te zien was — een voertuig, in dat deel van het beeld, tussen deze twee tijdstippen. Dat scheelt geen minuten maar kwartieren. Zie beelden terugzoeken.
Wat het niet is: onfeilbaar. Objectherkenning maakt fouten bij slecht licht, bij regen op de lens en bij objecten die half buiten beeld vallen. Wie je vertelt dat het altijd klopt, heeft er niet lang genoeg naar gekeken.
Wat wij doen
Hoe pakken wij zo’n inrichting aan?
Wij beginnen bij de melding die je wél wilt krijgen, niet bij de functies die aan kunnen. Dat is een kort gesprek: wat moet je weten, wanneer, en wie moet er dan iets doen. Uit dat gesprek volgt vanzelf welke detectie waar nodig is, en meestal is dat minder dan mensen verwachten.
Daarna richten we het in en laten we het eerst meelopen. Twee weken alleen registreren, zonder dat er iemand op af komt. Dan zie je wat het in jouw situatie werkelijk meldt, en pas daarna zetten we er acties op. Zonder die stap zet je regels op een aanname.
Bij de oplevering lopen we het door met degene die er dagelijks mee werkt. Niet één keer uitleggen, maar tot het zit. Een systeem dat alleen de beheerder snapt is een systeem dat na drie maanden uitstaat.
“Het gaat er niet om hoeveel het detecteert. Het gaat erom dat iemand nog kijkt als het meldt.”
Koensenior adviseur
Veelgestelde vragen
Wat mensen ons over detectie vragen
Werkt dit ook met de camera’s die ik al heb hangen?
Meestal wel voor het samenbrengen: ongeveer 99 procent van de IP-camera’s koppelt via ONVIF of een RTSP-stream, ongeacht merk. Of een camera zélf slimme detectie aankan hangt af van het model. Kan hij het niet, dan kan de analyse op de server draaien. Stuur je cameralijst, dan kijken we het na.
Hoeveel detecties kan ik tegelijk aanzetten?
Dat is een rekensom, geen vast getal. Het hangt af van waar de analyse draait, hoeveel camera’s meedoen en welke functies je kiest. Wij rekenen het vooraf door en stellen de server daarop samen, in plaats van achteraf te ontdekken dat het net niet past.
Krijg ik dan niet veel meer meldingen?
Goed ingericht juist minder. Objectherkenning filtert weg wat geen persoon of voertuig is, en een regel met een tijdvak erbij haalt de rest eruit. Het doel is niet meer melden maar minder, zodat de meldingen die overblijven ergens over gaan.
Kan ik terugzoeken op wat er te zien was?
Ja. Je zoekt op gebied in het beeld, op objecttype en op tijdvak, en je krijgt de fragmenten die daaraan voldoen. Dat is de functie waar mensen bij een demonstratie het meest van opkijken, omdat het het verschil is tussen scrollen en vinden.
Wat als de detectie iets mist?
Dan heb je het beeld nog. Detectie bepaalt waar je meteen op gewezen wordt, niet wat er wordt opgenomen — dat gaat gewoon door. Daarom is de bewaartermijn minstens zo belangrijk als de slimme functies. Zie opslag berekenen.
Kunnen jullie dit op een bestaand systeem inrichten?
Ja. Wij kijken eerst wat er staat en wat de camera’s aankunnen, en zeggen daarna wat er mogelijk is zonder te vervangen. Vaak is dat meer dan verwacht, soms minder. Je hoort het voordat je iets koopt.
Wat zou je willen dat het systeem meldt?
Vertel wat er bij jou moet opvallen en op welk moment. Wij zeggen binnen een werkdag wat daarvoor nodig is, wat je bestaande camera’s daarin kunnen betekenen en wat het kost. Ook als het antwoord is dat je met minder toekunt.

Even overleggen
Vragen over jouw situatie? Bel Sander.
Belt na de oplevering nog een keer om samen door te lopen tot het echt zit. Leg je situatie voor en je hoort meteen wat wij zouden doen — zonder dat je ergens aan vastzit.
Sander · Adviseur en nazorg
Meer weten
Verder lezen
- Uitleg geven: zodat niet één iemand het weet Wie wat moet kunnen, hoeveel tijd dat kost, en waarom exporteren nooit bij een persoon hoort…
- Meerdere locaties koppelen: lokaal opnemen, centraal kijken Een systeem of losse systemen, waarom lokaal opnemen wint, en wat je centraal wint aan overzicht…
- Back-up en herstel: beelden én instellingen Wat er gebeurt bij een kapotte schijf, een uitgevallen server of een leeg gebrand gebouw, en…
- Nx Witness downloaden en proberen
- Verouderde techniek in je camerasysteem
- Waar Nx Witness-systemen in de praktijk op stuklopen