Hybride neurale netwerken voor persoonsherkenning en -tracking in monitoring van aanbestedingsbeoordelingen op afstand

Waarom toezicht houden op beoordelingszalen belangrijk is

Wanneer overheden of bedrijven kiezen wie een weg, brug of energiecentrale bouwt, vertrouwen ze vaak op experts die in een speciale beoordelingszaal samenkomen om concurrerende aanbiedingen te beoordelen. Als een ongenode persoon naar binnen glipt, of als een expert ongemerkt vertrekt, kan de eerlijkheid van de hele beslissing in het geding komen. Deze studie toont hoe een slim camerasysteem, aangedreven door kunstmatige intelligentie, dergelijke zalen automatisch kan bewaken, bijhoudt wie aanwezig is en een waarschuwing afgeeft wanneer iets mis lijkt te zijn — zonder dat mensen de hele dag naar schermen hoeven te staren.

Hoe de nieuwe slimme zaalwachter werkt

De onderzoekers bouwden een volledig monitoringssysteem dat bovenop gewone bewakingscamera’s in een beoordelingskantoor draait. Het systeem heeft vier hoofdtaken: personen in de video detecteren, hun bewegingen over tijd volgen, gezichten herkennen en beoordelen wat deze patronen betekenen voor de beveiliging. Op basis van dit gecombineerde beeld beslist een waarschuwingsunit of er gezwegen moet worden of dat gebeurtenissen zoals een expert die te lang wegblijft of een onbekende die de kamer binnenkomt, gemarkeerd moeten worden. Alledaagse veranderingen, zoals het tijdelijk blokkeren van iemand door een collega of normaal personeel dat in- en uitloopt, worden geregistreerd maar veroorzaken geen alarmen.

Iedereen in de kamer zien en tellen

Om bij te houden wie er binnen is, leert het systeem eerst elke persoon in elk videoframe te detecteren en te tellen hoeveel mensen aanwezig zijn. Vervolgens koppelt het detecties van het ene frame aan het volgende, zodat elke persoon een stabiel identiteitslabel in het systeem krijgt, zelfs als diegene zich verplaatst. Deze trackingstap helpt een korte verdwijning, zoals wanneer iemand achter een collega verborgen is, te onderscheiden van een echte vertrek via de deur. Door het pad van elke persoon te volgen, kan de software vaststellen wanneer een expert langer wegblijft dan een vooraf ingestelde tijdslimiet en dit als een risico behandelen dat aandacht vereist.

Gezichten herkennen die klein en ver weg zijn

Beoordelingszalen worden meestal bewaakt door camera’s die hoog aan de muur of het plafond zijn gemonteerd, waardoor gezichten klein en vaak onder lastige hoeken verschijnen. Veel bestaande gezichtsherkenningshulpmiddelen presteren slecht onder deze omstandigheden. De auteurs combineerden daarom een snelle methode om mensen te detecteren met een verfijnde gezichtsvinder die beter is in het inzoomen op kleine gezichten in drukke scènes. Zodra een gezicht is gevonden, controleert een lichte gezichtsvergelijkingsmethode het tegen een opgeslagen galerij van bekende experts en medewerkers. Als een nieuw gezicht binnen een bepaalde tolerantie niet overeenkomt met een goedgekeurd persoon, markeert het systeem die persoon als een mogelijke indringer en geeft deze beoordeling door aan de waarschuwingsunit.

Hoe goed het systeem presteert in echte kantoren

Het team testte hun aanpak op echte video uit een beoordelingszaal bij een energiebedrijf. Ze vergeleken hun volledige systeem met eenvoudigere methoden die alleen mensen tellen of ze volgen zonder te weten wie ze zijn. Het hybride systeem bleek beter in het onderscheiden van vier praktische situaties: een expert die daadwerkelijk vertrekt, een expert die kort uit het zicht is, normaal personeel dat binnenkomt en een onbekende die naar binnen loopt. Het behaalde hoge nauwkeurigheid in het herkennen van kleine gezichten, werkte snel genoeg voor realtime gebruik en verminderde het aantal gemiste inbraken en valse alarmen sterk vergeleken met de basismethoden.

Wat dit betekent voor eerlijkere beslissingen

Kort gezegd laat dit werk zien dat gewone camera’s, gecombineerd met goed ontworpen kunstmatige intelligentie, kunnen helpen gevoelige besluitvormingszalen integer te houden. Het systeem kan geruisloos registreren wie aanwezig is, signaleren wanneer een expert verdwijnt of wanneer een onbekend persoon verschijnt, en tijdige waarschuwingen sturen zodat menselijke managers kunnen ingrijpen. Hoewel het nog moeite heeft wanneer gezichten zwaar bedekt zijn of helemaal wegkijken, biedt het al een praktisch hulpmiddel om schonere aanbestedingsprocedures te ondersteunen en kan het worden aangepast aan andere werkplekken die betrouwbare, goedkope monitoring van inkomende en uitgaande personen nodig hebben.

Bronvermelding: Zhou, Z., Wang, Z., Meng, Y. et al. Hybrid neural network for personnel recognition and tracking in remote bidding evaluation monitoring. Sci Rep 16, 15769 (2026). https://doi.org/10.1038/s41598-026-42936-8

Trefwoorden: monitoring van aanbestedingsbeoordeling, persoonstracking, gezichtsherkenning, videobewaking, neurale netwerken