Slimme camera's in 2026

Met regelmaat van de klok zien we in het nieuws artikels verschijnen over slimme camera’s: de mirakeloplossing voor elk probleem. Van GSM-gebruik achter het stuur betrappen tot exotische planten opsporen. Maar klopt dat wel? Wat kunnen slimme camera’s vandaag echt? En hoe ga je ermee aan de slag om problemen echt aan te pakken?

In onderstaand artikel nemen we toepassingen binnen de openbare ruimte onder de loep. Veel daarvan zijn nog een proefperiode, maar geven al een voorproefje van wat mogelijk is, welke vooruitgang we kunnen verwachten en wat de uitdagingen zijn.

De gevestigde waarde: nummerplaatherkenning

De simpelste en meest betrouwbare toepassingen zijn die waarbij een nummerplaat betrokken is. Dit maakt het onderwerp meteen ondubbelzinnig identificeerbaar, zelfs op camerabeelden in moeilijkere contexten, zoals ‘s nachts. Elke nummerplaat is ook gelinkt aan een eigenaar, met een adres, wat de opvolging simpel maakt.

ANPR camera’s

ANPR staat voor Automatic Number Plate Recognition, oftewel automatische nummerplaatherkenning. Deze zijn intussen overal in België ingeburgerd. Denk aan parkings waar je geen ticket meer moet scannen om uit te rijden, bewaking van autovrije of autoluwe zones en de vele trajectcontroles op de baan. Er is ook een expliciet, helder wetgevend kader dat het gebruik van deze camera’s toestaat, zowel vast als mobiel.

Wat kan je er nog allemaal mee?

De rijrichting controleren, bv in eenrichtingsstraten of om spookrijders op te sporen
Het gebruik van rijstroken monitoren, bv op busbanen, pechstroken
Het type voertuig controleren, bv zones waar vrachtverkeer niet is toegelaten
Correct parkeren controleren, bv langparkeerders in blauwe zones
Geseinde wagens opsporen

Flitspalen

Ook de klassieke flitscamera’s die snelheid en verkeerslichten monitoren maken in principe gebruik van de nummerplaat. Al gaat het hier om camera’s die eerst de overtreding vaststellen en dan pas op basis van het beeldmateriaal de nummerplaat uitlezen, waar een echte ANPR-camera continu alle voertuigen registreert en analyseert. Vandaar ook dat ANPR-camera’s aan strengere privacyregels onderworpen zijn dan flitspalen.

Verwerking en impact op het gedrag

De uitdaging hier zit niet zozeer in de camerabeelden zelf, maar hoe ze verwerkt worden en hoe ze het gedrag van de mensen al dan niet beïnvloeden. Zo zagen we in de beginjaren van deze technologie dat steden en gemeenten een overvloed aan vaststellingen moesten verwerken en dat tegelijk de camera’s hun doel misten.

Bijvoorbeeld in autoluwe zones, waar veel bestuurders niet doorhadden wanneer ze de zones al dan niet mochten inrijden. Daarom werd op veel plaatsen de aanpak intussen bijgestuurd en kwam er omkadering bij de camera’s. Bijvoorbeeld signalisatietotems die heel duidelijk aangeven wie waar wanneer mag inrijden, zodat bestuurders effectief de kans krijgen om de regels te volgen. Ook aan de achterkant zijn er intussen software-oplossingen die de verwerking van de vaststellingen makkelijker maken.

Politie Aalst
Hoe Aalst Mobiqam effectief inzet tegen verkeersovertredingen

Verkeersstromen analyseren

Niet voor elke toepassing is identificatie nodig. Vaak kan je met camerabeelden ook nuttige informatie verzamelen die niets met persoonsgegevens te maken heeft. Slimme camera’s worden regelmatig ingezet om verkeersstromen te analyseren, de verkeersinfrastructuur te verbeteren en te zorgen voor een vlottere doorstroming.

Onderzoek en analyse

Zo kan je bijvoorbeeld een periode een mobiele camera inzetten om gegevens te verzamelen op een druk punt, die retroactief analyseren en daarop aanbevelingen baseren. De gegevens zijn in dat geval anoniem, worden vaak gewoon op de camera zelf bewaard en niet doorgestuurd naar een centrale controlekamer.

Je hoeft daarvoor geen mensen of voertuigen te identificeren, een patroon herkennen is genoeg. Zo werden in Leuven camera’s ingezet in twee parken om zogenaamde “ongebonden sporters” in kaart te brengen. Dat zijn sporters die niet aangesloten zijn bij een sportclub en waarvan de noden traditioneel dus door de mazen van het net glippen. Dankzij monitoring en analyse kan de stad rekening houden met deze sporters. Daarbij volstaat het om activiteiten zoals joggen of fietsen te kunnen identificeren, bewegingsrichtingen, volumes, drukke en luwe periodes… Met andere woorden, geaggregeerde data, die niet privacygevoelig is.

Slimme kruispunten

Maar ook realtime oplossingen die overgaan van analyse naar aansturing zijn interessant, bijvoorbeeld door het type en volume verkeer te identificeren. Denk aan slimme kruispunten waar de verkeerslichten sneller op groen springen voor zwakke weggebruikers, de duur van het groen licht afgestemd wordt op de drukte of waar hulpdiensten voorrang krijgen zodra ze aangereden komen.

Hier bestaan vandaag al voorbeelden van proefprojecten, bijvoorbeeld in Hasselt en Halle, maar deze zijn zeker nog niet feilloos. De meeste slimme kruispunten vandaag maken nog geen gebruik van camera’s voor de aansturing en werken op basis van lussen in het wegdek, gewone radar en zenders in de voertuigen van openbaar vervoer en hulpdiensten.

Data toevoegen uit externe bronnen, bijvoorbeeld weerinfo van het KMI gebruiken om fietsers meer groen te geven in de regen, drukte meten op basis van GSM en GPS signalen uit auto’s enz., is voorlopig nog toekomstmuziek.

Minder evident: gedrag van mensen

Hoe dichter we bij het individu komen, hoe complexer de materie wordt. Al zijn er nog steeds veel slimme cameratoepassingen die zinvol zijn.

Zo kunnen camera’s ingezet worden om drukte en mensenmassa’s te meten. Dat kan in principe volledig anoniem, bv met warmtecamera’s of radar. Ook gewone camera’s kunnen met de nodige software drukte analyseren.

Diezelfde software is vandaag in staat om een aantal situaties te detecteren en signaleren:

Rondhangen en abnormale samenscholingen
Afwijkende looplijnen
Betreden verboden zones
Paniekbeweging
Valpartijen, ongevallen
Vechtpartijen
Achtergelaten objecten, bv zwerfvuil, sluikstort, bagage…
Dragen van de gordel en GSM-gebruik achter het stuur

Accuraatheid & human in the loop

Daarbij zijn er twee grote aandachtspunten, waarvan het eerste de accuraatheid. De software detecteert patronen en kan daarbij vaak een redelijk resultaat halen, maar is verre van 100% accuraat. De belangrijkste functie van dit soort tools is dus om een waarschuwing te geven en het de operator gemakkelijker te maken om relevante beelden terug te vinden in de massa.

Maar er is altijd nog een menselijke tussenkomst nodig, het zogenaamde “human in the loop”-principe. En daar knelt het schoentje: is de mankracht beschikbaar? Kan er realtime ingegrepen worden? En is dat ook maatschappelijk relevant?

In sommige situaties is dit soort van opvolging effectief zinvol. Denk maar aan evenementen, waar de operator snel een security team ter plaatse kan sturen bij echte problemen en vals positieven, zoals een moshpit die door het systeem gevlagd wordt als vechtpartij, direct kan klasseren. Maar heeft het zin om live achtergelaten objecten aan een afvalcontainer te monitoren en er in realtime een politieploeg op af te sturen?

Quick Guide — 7 manieren om mensen te tellen

Quick guide aanvragen

The Safe Group
Menselijk gedrag in de openbare ruimte voorspellen: "project surv-AI-llance"

Privacy & de AI Act

Het tweede vraagstuk is de privacy van de burger in de openbare ruimte. Om accurate analyses te kunnen doen, zijn camera’s met relatief hoge kwaliteit van beelden nodig. Hierop zijn mensen individueel herkenbaar en komen we in een grijze zone. Het is daarom dat proefprojecten rond GSM-gebruik achter het stuur met camera’s in het oog houden al meermaals op het privacyvraagstuk zijn vastgelopen.

In 2024 werd in Europa ook definitief de EU Artificial Intelligence Act goedgekeurd. Die bepaalt expliciet wat kan en niet kan in dit kader. AI toepassingen die het gedrag van mensen analyseren, bv een proefproject om de veiligheid in de Joodse wijken van Antwerpen te verhogen, vallen onder het hoog risico. Dit betekent dat ze niet verboden zijn, maar enkel toegestaan met de nodige risicoanalyses, transparantie, kwaliteitscontroles, documentatie en opnieuw: menselijk toezicht.

Meer dan beeld: geluid en warmte

Signaleren van uitzonderlijke geluiden

Een camera kan ook een microfoon hebben waarmee allerlei geluiden opgenomen kunnen worden. Bij de overgrote meerderheid van camera’s zit deze er standaard bij, maar wordt deze softwarematig uitgeschakeld. Technisch kan daar vandaag een gelijkaardige analyse op gebeuren als op camerabeelden: patronen herkennen en bepaalde situaties signaleren om nader te bekijken. Denk aan geweerschoten, brekend glas, vechtpartijen, patserwagens, auto’s die te snel optrekken...

Ook hier is niet zozeer de technologie de uitdaging, maar privacy en toepassing. Het is immers verboden om gesprekken af te luisteren, dus camera’s mogen enkel in specifieke situaties specifieke geluiden detecteren. Van constante geluidsopnames mag absoluut geen sprake zijn.

Daarnaast is ook de vraag of er effectief operationeel gebruik van gemaakt kan worden. Tussenkomen in een vechtpartij in een uitgaansbuurt, waar sowieso al toezicht voorzien is op drukke avonden, is wel degelijk een optie. Maar bijvoorbeeld patserwagens beboeten op basis van opnames met mobiele camera’s is een moeilijkere zaak. Wat wel kan is met deze tools op zoek gaan naar patronen, om nadien met een team ter plaatse overtreders op heterdaad te betrappen.

Stad Beringen
Slimme geluidsdetectie: een proefproject met Mobiqam

Warmtedetectie: brandhaarden vs virussen

The Safe Group
De onzin van koortscamera's

Ook met temperatuur kan je aan de slag. Het beste voorbeeld daarvan zijn “thermische” camera’s die ingezet worden voor branddetectie, bijvoorbeeld in natuurgebieden of plaatsen die bijzonder gevoelig zijn voor branden, zoals recyclageparken. Een smeulende brandhaard van 60°-150°C steekt enorm af tegen zijn omgeving, die vaak tussen de 15-30°C is. Er is ook geen enkel privacy-issue, gezien het niet om menselijke onderwerpen gaat.

Daartegenover staan toepassingen zoals koortscamera’s. We schreven in 2020 in volle coronacrisis al over de onzin daarvan en toch duiken ze bij nieuwe virusdreigingen nog regelmatig op. Zoals onlangs in Thailand en Indonesië bij screenings voor het nipah virus.

De grote vraagstukken zijn de afgelopen 5 jaar niet veranderd: zijn de camera’s accuraat genoeg? Het gaat hier om minuscule verschillen van minder dan 2 graden. En wat zegt een verhoogde huidtemperatuur überhaupt over de gezondheid van de persoon in kwestie? Dat hij of zij koorts heeft? Of net een inspanning gedaan heeft of het gezicht aangeraakt heeft? Het aantal vals positieven en vals negatieven van dit soort toepassingen is immens.

Moeilijke gevallen

Vuurwapens en messen

Wapens detecteren is een van de moeilijkere gevallen. In het geval van vuurwapens gaat dit relatief goed, althans in goed licht en wanneer iemand het wapen in de hand heeft. Maar een mes is al veel moeilijker. Qua vorm lijken autosleutels of zelfs een gsm op camerabeelden al snel op een mes. Ook de context is belangrijk: een cateraar die met een mes rondloopt heeft zelden slechte bedoelingen. In de praktijk is dit soort van detectie weinig zinvol in de Europese context. De meeste voorbeelden komen dan ook uit de VS, waar de kwestie relevanter is.

Op plaatsen waar een verhoogde dreiging is, bijvoorbeeld op evenementen of in rechtzalen, gebeurt de toegang vaak gecontroleerd en is het veel efficiënter om gewoon een klassieke metaaldetector te gebruiken. Die zijn accurater en preventief. Je hoeft niet te wachten tot het wapen gebruikt wordt om het te ontdekken.

Leeftijd en gender

Ook leeftijd en gender identificeren met een slimme camera kan vandaag al relatief goed. Zo gebruikte een krantenwinkel in een proefproject een slimme camera om de leeftijd van jongeren te controleren als ze rookwaren wilden aankopen. Als de camera dacht dat ze minderjarig waren, moesten ze hun pas bovenhalen. De camera zorgde effectief voor minder agressie in situaties waar de kaart nodig was. Al waren er ook klanten die zich vragen stelden bij de privacy en niet enthousiast waren over de zoveelste manier waarop hun data verzameld werd. Ook het digitaal platform Discord voerde in een aantal landen al leeftijdsverificatie op basis van camerabeelden in en riep daarmee gelijkaardige vragen op.

Naast de privacy-kwestie speelt ook hier de accuraatheid mee. Hoe dichter je bij de norm zit, hoe accurater de resultaten. Voor witte, cis-gender mannen van volwassen leeftijd werkt het algoritme vaak prima. Maar wijk je op een of andere manier af, bv door een andere huidskleur, andere genderidentiteit of zelfs mensen met atypische gezichten door handicaps of littekens, dan is het risico op controles veel hoger en ligt het gevaar van discriminatie op de loer.

Gezichtsherkenning

Met gezichtsherkenning zijn we al op de rand van sciencefiction aanbeland. Eén-op-één, met recente referentiebeelden, in goed licht, in stilstand, vanuit een goede hoek lukt het nog wel. Een goed voorbeeld is de ontgrendeling van je telefoon. Gelijkaardige systemen voor toegangscontrole kunnen functioneel zijn, maar altijd met een fallback (bv een RFID-badge).

Gaan we naar situaties waar één persoon uit een massa gehaald moet worden, in variabele omstandigheden, vaak op beelden van lage kwaliteit, dan stijgt het aantal fouten exponentieel. En zelfs als de beelden bruikbaar zijn, is er zelden genoeg bronmateriaal om ze mee te vergelijken. Gezichtsherkenning werkt praktisch enkel als mensen meewerken. Net daarom werkt ze niet goed in de openbare ruimte.

Los van de techniek is de wetgeving in België duidelijk: gezichtsherkenning valt onder verwerking van biometrische gegevens en is onderworpen aan zeer strikte beperkingen. Automatische gezichtsherkenning in de publieke ruimte is niet toegelaten. Niet voor private actoren, noch voor publieke. Ook politiediensten mogen gezichtsherkenning niet vrij inzetten, behalve in zeer uitzonderlijke, expliciet wettelijk omschreven situaties en altijd met menselijke tussenkomst.

Context, emoties en intenties: geen Minority Report

In sciencefictionfilms zoals Minority Report voorspelt technologie misdaden nog vóór ze plaatsvinden, door intenties en emoties te “lezen”. In de realiteit kunnen slimme camera’s dat absoluut niet. Camera’s zien beelden en herkennen patronen, maar ze begrijpen geen context. Ze weten niet waarom iemand iets doet, alleen dat het gebeurt. Twee mensen die druk gebaren kunnen ruzie maken, maar evengoed enthousiast een verhaal vertellen. Iemand die heen en weer loopt kan onrustig zijn, wachten, of gewoon aan het bellen zijn.

Ook emoties blijven buiten bereik. Hoewel sommige systemen beweren stress, boosheid of agressie te herkennen, ontbreekt daarvoor een betrouwbare wetenschappelijke basis. Gezichtsuitdrukkingen en lichaamstaal zijn sterk afhankelijk van cultuur, situatie en persoon. Wat een algoritme als “dreigend” bestempelt, kan net zo goed vermoeidheid, concentratie of zenuwen zijn. En wat iemand van plan is, is helemaal onzichtbaar voor een camera. Technologie kan vaststellen dat iemand loopt, maar niet of dat is om te vluchten, te helpen of simpelweg om de trein te halen.

Geen slimme camera’s zonder mensen

Hoe slim camera’s ook worden, ze staan nooit op zichzelf. Zonder mensen errond zijn ze in het beste geval nutteloos, in het slechtste geval schadelijk.

Privacy blijft daarbij een gevoelig onderwerp, ook voor wie “niets misdoet”. Wat als “iets misdoen” geldt, is geen vaststaand gegeven, maar een menselijke en politieke keuze die kan verschuiven. Bijvoorbeeld in Iran, waar slimme camera’s werden ingezet om vrouwen zonder hoofddoek op te sporen. Privacy-waakhonden waarschuwen terecht voor function creep: camera’s die voor een welbepaald doel zijn ingevoerd, steeds meer inzetten voor toezicht waar minder draagvlak voor is.

Daarnaast krijgt het debat vaak te veel aandacht voor wat camera’s kunnen vaststellen, en te weinig voor wat er daarna gebeurt. Slimme camera’s werken alleen als er altijd een human in the loop is: iemand die beoordeelt, nuanceert en beslist. Dat vraagt meer dan technologie alleen. Het vraagt software die dossiers beheersbaar maakt — zeker bij retroactieve vaststellingen — opleiding van personeel, en bij realtime toepassingen ook voldoende mensen ter plaatse om effectief iets te doen met waarschuwingen. Een alarm zonder opvolging geeft enkel schijnveiligheid.

Dat spanningsveld zie je ook in concrete beleidskeuzes. In Hasselt werd bewust geen scanwagen aangekocht, omdat zo’n systeem onvoldoende rekening kan houden met uitzonderingen zoals gehandicaptenkaarten of blauwe kaarten. De technologie kan veel, maar niet alles wat een mens moeiteloos afweegt. En zelfs wanneer de logica klopt, struikelt het soms op iets banaals als integratie. In Kortrijk kon een vrachtwagensluis met slimme camera’s pas een jaar na de bouw effectief in gebruik worden genomen, omdat de koppeling met de stedelijke servers niet werkte.

De conclusie is misschien minder spectaculair dan sciencefiction belooft, maar des te belangrijker: slimme camera’s vragen slimme organisaties. Technologie kan ondersteunen, signaleren en versnellen, maar begrip, afweging en verantwoordelijkheid blijven mensenwerk.

Zinvol aan de slag gaan met slimme camera's? We helpen graag!

Het kan een uitdaging zijn het zicht te houden op wat mogelijk is met camera's als je er zelf niet dagelijks mee bezig bent. The Safe Group helpt graag strategisch nadenken over wat wel en niet zinvol is voor jouw specifieke situatie en hoe je het meeste haalt uit je beschikbare camerabudget.

Voor overheidsinstelling in Vlaanderen en Brussel valt dit advies ook onder het Smartville raamcontract. Overheidsinstanties in Vlaanderen en Brussel kunnen simpel toetreden.