Een val weegt zwaarder naarmate niemand hem ziet
Valpartijen behoren wereldwijd tot de belangrijkste oorzaken van dodelijke ongevallen. De Wereldgezondheidsorganisatie schat dat ze in 2023 ongeveer 842.000 sterfgevallen veroorzaakten, waarvan 71 % bij volwassenen van 60 jaar en ouder (factsheet van de WHO over valpartijen). Achter deze cijfers speelt een factor die de gevolgen van elk ongeval bepaalt: de tijd die verstrijkt voordat iemand hulp komt bieden.
In een winkel, een magazijnruimte of een distributiecentrum is die vertraging vaak een kwestie van toeval: een klant die door het gangpad loopt, een collega die terugkomt om een doos op te halen. Een camera die opneemt zonder dat iemand naar het scherm kijkt, verandert daar niets aan. Juist die vertraging kan videoanalyse met AI verkleinen.
Hoe de AI een val herkent
Het principe berust op de analyse van lichaamshoudingen, niet op de identificatie van personen. Het model herkent een verlies van verticaliteit: een silhouet dat plotseling van een staande houding overgaat naar een positie op de grond. Het werkt met de beelden van de camera's die al zijn geïnstalleerd.
- Detectie ter plaatse. Bij Oxania wordt de hoofdstream van de camera's lokaal geanalyseerd, op een speciale GPU die in de winkel is geïnstalleerd, en blijft de videostream op locatie.
- Een videomelding. Een kort fragment komt in minder dan 10 seconden binnen op mobiel, tablet of computer, met een automatische zoom op het betreffende gebied.
- Een menselijke beslissing. De persoon die de melding ontvangt, bekijkt het fragment en beslist over de vervolgstappen. Iemand die hurkt om een product onderaan het schap te pakken, vraagt om een andere reactie dan iemand die op de grond blijft liggen.
De AI herkent de val zelf, ongeacht de oorzaak: een uitglijder, een misstap of een onwel wordende persoon die valt, leidt tot dezelfde melding. Een onwel worden zonder val is daarentegen niet aan de lichaamshouding te zien.
De menselijke beslissing is even belangrijk als de detectie: de technologie detecteert, het team beslist. Er is geen gezichtsherkenning en er wordt niemand van de ene camera naar de andere gevolgd, zoals ons artikel over visie-AI die gebaren analyseert, geen personen uitlegt.
In de winkel: klanten en teams
Op de verkoopvloer hebben valpartijen vaak alledaagse oorzaken: een natte vloer bij de ingang op een regenachtige dag, een omgevallen product in een gangpad, een slecht aangegeven trede. Ze komen voor bij klanten van alle leeftijden, en vooral bij de oudere, voor wie de gevolgen het zwaarst zijn.
Bij de teams verschuift het risico naar de opslagruimte en de rustige uren: schappen vullen op hoogte, trapladder, het verplaatsen van dozen, het openen of sluiten van de winkel door één persoon. Een melding waarschuwt dan een collega of een leidinggevende zonder te wachten tot er toevallig iemand langskomt.
De reactie bereid je vooraf voor: wie de melding ontvangt afhankelijk van het tijdslot, wie ter plaatse gaat, wie indien nodig de hulpdiensten belt. De principes zijn die van elke videomelding, zoals beschreven in onze gids over het opstellen van een responsprotocol voor het team.
Magazijnen en logistieke locaties
In magazijnen komen risicovolle situaties samen: grote oppervlakten, rijdend intern transport, werken op hoogte, medewerkers die soms alleen in een afgelegen gang werken. De Internationale Arbeidsorganisatie schat dat wereldwijd 395 miljoen werknemers niet-dodelijk letsel op het werk oplopen (schatting gepubliceerd door de ILO).
Laadkades, orderpickgangen en opslagzones op hoogte zijn de eerste plekken die je moet afdekken. In deze ruimtes overziet een camera meer terrein dan een team kan aflopen. De valmelding vult de beveiligingsmiddelen voor alleenwerkers aan waar die bestaan, zonder ze te vervangen.
Zorginstellingen en locaties waar kwetsbare personen verblijven
Valpartijen treffen in de eerste plaats ouderen. In de gemeenschappelijke ruimtes van een zorginstelling of een seniorenresidentie (hallen, gangen, gemeenschappelijke zalen) helpt een snelle melding het personeel om eerder in te grijpen. De privacy is daar nog gevoeliger: alleen gemeenschappelijke ruimtes komen in aanmerking, nooit kamers of sanitaire ruimtes.
Wat je moet regelen voordat je de melding activeert
- De dekking van risicozones: ingang, gangpaden met vloeibare producten, opslagruimte, laadkades. Een audit van de camerahoeken, zoals beschreven bij het inzetten van videoanalyse op bestaande camera's, laat zien wat de camera's echt zien.
- De ontvangers: een of twee personen per tijdslot, bereikbaar op mobiel, tablet of de computer bij de receptie.
- De informatieverstrekking aan gefilmde personen: de aanwezigheid van camera's en het gebruik van videoanalyse melden volgens de lokale regelgeving, en de personeelsvertegenwoordigers raadplegen waar de wet dat voorschrijft.
- De bewaring: alleen fragmenten die aan een melding gekoppeld zijn, worden bewaard, op servers die zich zo dicht mogelijk bij het land van de klant bevinden, gedurende een termijn die in overeenstemming is met de lokale regelgeving.
Hetzelfde cameranetwerk dient dan meerdere doelen: verliespreventie, statistieken per zone en per tijdslot, de veiligheid van personen. Bij Oxania komt de valmelding binnen in dezelfde applicatie als de andere meldingen, met dezelfde zoom- en dashboardfuncties. Voor het team is het één melding extra om te kennen, geen extra tool om te leren: ons artikel over de valmelding in de winkel en het voordeel van één systeem beschrijft deze aanpak in detail.