Eindhovenaar bouwt privacyvriendelijke bewegingssensor met AI
Eindhoven, maandag, 2 maart 2026.
Een ontwikkelaar op de High Tech Campus heeft een slimme bewegingssensor gemaakt die IP-camera’s omtovert tot privacybeschermende activiteitssensors. Het MotionFlow-systeem draait dag en nacht in zijn eigen huis en detecteert wat mensen doen zonder videobeelden op te slaan. De sensor gebruikt kunstmatige intelligentie om lichaamshoudingen te analyseren en stuurt alleen berichten zoals ‘persoon zit op bank’ of ‘persoon komt binnen via hal’. Het project toont hoe geavanceerde AI-technologie toegankelijk wordt voor gewone huishoudens, terwijl privacy volledig beschermd blijft.
YOLOv11-technologie maakt detectie mogelijk
Het MotionFlow-systeem gebruikt YOLOv11-Pose software die draait op de Axelera Metis accelerator [1]. Deze combinatie kan mensen volgen en hun activiteiten classificeren op basis van lichaamshouding [1]. De sensor publiceert gebeurtenissen via MQTT-protocol, waarbij alleen gestructureerde informatie zoals ‘persoon zit op bank’ wordt verstuurd [1]. Videobeelden verlaten het apparaat nooit, wat volledige privacy garandeert [1]. Developer Jonathan ontwikkelde het systeem als onderdeel van de Smarter Spaces Challenge van Axelera [1]. Het systeem draait inmiddels meerdere dagen non-stop in zijn eigen woning [1].
Regelgebaseerde detectie wint van machine learning
De ontwikkelaar koos uiteindelijk voor regelgebaseerde actieherkenning in plaats van machine learning [1]. Deze aanpak bleek verrassend robuust voor thuisgebruik, ondanks dat hij ook een ML-methode probeerde met YOLOv11-Classify [1]. De geometrische regels werkten betrouwbaarder en vereisten minder data-inspanning [1]. Jonathan erkent dat het systeem niet perfect is, maar wel zeer bruikbaar [1]. De Voyager SDK streaming API bleek essentieel voor het project [1]. Door GStreamer de beeldverwerking te laten doen en de SDK het gestructureerde leren te laten beheren, presteerde het systeem veel beter dan met OpenCV [1].
Technische uitdagingen bij deuropeningen
Het detecteren van mensen die door deuren lopen vormde een grote technische uitdaging [1]. Bij schuine camerahoeken verdwijnen mensen vaak achter muren tijdens het oversteken [1]. Het systeem lost dit op door overgangen te voorspellen op basis van snelheid wanneer personen verdwijnen bij deuren [1]. Deze tripwire-detector compenseert voor de beperkte zichthoek van camera’s [1]. Jonathan ontwikkelde ook een webinterface die cruciaal bleek voor het project [1]. Het bewerken van coördinaten in YAML-bestanden was omslachtig, terwijl de visuele editor de ontwikkelcyclus veel sneller maakte [1].
High Tech Campus als innovatiebroedplaats
Het project illustreert hoe de High Tech Campus Eindhoven doorbreekt als centrum voor toegepaste AI-innovatie [GPT]. Axelera AI, gevestigd op de campus, stelde hardware beschikbaar voor de Smarter Spaces Challenge [1]. Deze samenwerking tussen bedrijven en individuele ontwikkelaars toont het ecosysteem van de campus [1]. Jonathan bedankte Axelera expliciet voor de hardware en motivatie om van idee naar werkend systeem te gaan [1]. Het project bewijst dat geavanceerde AI-technologie steeds toegankelijker wordt voor praktische toepassingen [1]. De ontwikkelaar plant nu andere projecten uit de community uit te proberen [1].