Andersons hoek
Geweld vooraf voorspellen met AI

Belangrijkste puntenGeweld voorspellen voordat het gebeurt, dreigt de dystopische angsten van Minority…
Meer weergeven
- Geweld voorspellen voordat het gebeurt, dreigt de dystopische angsten van Minority Report te weerspiegelen.
- Het combineren van gezichtsuitdrukking met audio- en bewegingssignalen presteert beter dan elk afzonderlijk signaal alleen.
- Een kleine set clips maakt overfitting een reëel gevaar ondanks de beschermende maatregelen van het onderzoek.
Bij de gebruikelijke vraag ‘Kan AI dit automatiseren?’ voer je meerdere voorbeelden in van iets waarvan je bepaalde kenmerken wilt isoleren. Vervolgens kijk je of een model dat met die gegevens is getraind, dat kenmerk kan herkennen in vergelijkbare gegevens die niet bij de training zijn gebruikt:

Schema voor een AI-project als wanhoopspoging: gelabelde voorbeelden worden verdeeld over een trainingsset en een testset. Het model leert van de eerste set en wordt vervolgens op de proef gesteld met ongeziene voorbeelden uit de tweede. Als het het relevante kenmerk echt heeft geleerd en de trainingsgegevens niet alleen uit het hoofd heeft geleerd, zou het hetzelfde patroon in de testset moeten herkennen. Bron
Het is enigszins een wanhoopspoging, omdat zulke experimenten ervan uitgaan dat het kenmerk uiteindelijk in de gegevens naar voren komt als de AI de dataset maar lang genoeg blijft onderzoeken, en dat er überhaupt een ‘onderliggende trend’ is die aan het licht kan worden gebracht. Als we het kenmerk gemakkelijk konden herkennen, hadden we het AI-model helemaal niet nodig, of zouden we het alleen voor routinematige automatisering gebruiken.
Dat is meestal niet het geval; bij de meeste van zulke onderzoeksinitiatieven gaat het om zoektochten op goed geluk naar latente patronen die alleen door een bovenmenselijk volgehouden aandacht kunnen worden herkend.
Vaak blijkt het patroon ongrijpbaar en bestaat het misschien zelfs helemaal niet, omdat sommige gebeurtenissen en eigenschappen werkelijk op puur toeval kunnen berusten. Of de gegevens zijn op de een of andere manier ontoereikend, slecht samengesteld of slecht getraind.
Vooruitblik
Soms is de mogelijke opbrengst zo aantrekkelijk (kanker genezen, kernfusie realiseren, de wetten van de thermodynamica overwinnen, enzovoort) en zo ‘politiek aantrekkelijk’ dat de vakliteratuur er steeds weer op terugkomt, om te onderzoeken of betere gegevens of technieken alsnog een kenmerkend patroon aan het licht kunnen brengen.
Een van die vakgebieden is geautomatiseerde videoanalyse en -interpretatie, met toepassingen in de openbare ruimte en bij politieoptreden. Zo gebruikte een nieuwe studie dit jaar echte videobeelden van pogingen tot zelfdoding om patronen van ‘rondhangen’ te herkennen voordat iemand een poging tot zelfdoding doet, en een voorspellend systeem te ontwikkelen dat de kenmerkende manier kan herkennen waarop iemand zich over een openbaar treinperron beweegt voordat diegene springt:

Uit het artikel uit 2026 ‘Beoordeling van suïciderisico met AI-gestuurde videobewaking: een interpreteerbaar raamwerk voor preventie in metrostations’: voorspellingen op basis van twee beelden, waarvan het ene een daadwerkelijke zelfmoordpoging op het spoor toont en het andere een situatie zonder incident. De heatmaps naast elk beeld geven aan welke delen van het perron een hoger of lager risico hebben, op basis van iemands ‘neiging om te blijven hangen’ bij de tunnelingang en patronen die bij eerdere zelfmoordpogingen zijn waargenomen. Bron
In dit geval lijken de ‘verblijfs- en bewegingspatronen’ (helemaal links en rechts op de afbeelding hierboven) die kenmerkend zijn voor iemand die overweegt voor een trein te springen, een duidelijk herkenbaar profiel te hebben. Dat zou kunnen worden gebruikt als waarschuwingssysteem voor patroonherkenning in geautomatiseerde bewakingssystemen.
Een andere populaire onderzoekslijn op dit gebied is geweld detecteren en herkennen. Onbemande bewakingssystemen zouden daarbij gewelddadig gedrag kunnen herkennen, zodat mensen er snel op kunnen reageren en aanvullende handelingen kunnen worden geactiveerd, zoals het markeren van beelden voor langdurige bewaring en ervoor zorgen dat er daadwerkelijk wordt opgenomen, naast andere maatregelen.
Een (niet-echte) test voor een systeem voor geweldsdetectie van IVS. Bron
Volgens nieuw onderzoek van de University of Alabama heeft de vakliteratuur zich tot nu toe gericht op het herkennen van geweld op het moment dat het al plaatsvindt. Voor het nieuwe onderzoek trainden de onderzoekers een model uitsluitend met videobeelden die waren opgenomen voorafgaand aan een gewelddadig incident (of aan een situatie waarin niets gebeurde, om de statistische balans te bewaren). Ze wilden nagaan of er terugkerende en trainbare ‘voorafgaande aan geweld’-kenmerken bestaan. In dit geval ging het om een combinatie van lichaamsbewegingen, gezichtsuitdrukkingen en geluid, die samen een voorspellend signaal voor gewelddadig gedrag zouden kunnen opleveren, in plaats van er pas op te reageren nadat het zich heeft voorgedaan.

Voorbeelden van risicovolle reeksen voorafgaand aan incidenten uit het onderzoek ‘Kunnen we geweld anticiperen? Multimodaal leren van gedragsaanwijzingen voorafgaand aan een incident’, weergegeven in vier opeenvolgende frames. Het systeem volgt de gewrichten en bewegingen van het lichaam in de tijd en zoekt naar veranderingen in houding, snelheid en interactiepatronen die kunnen wijzen op escalerende situaties voordat geweld zelf zichtbaar wordt. Bron
Dergelijk werk zal natuurlijk waarschijnlijk tot bezorgdheid leiden als het verder wordt ontwikkeld of toegepast. Zoals ik eerder heb opgemerkt, hebben fictieve producties zoals de tv-serie Person of Interest en de sciencefiction-actiefilm Minority Report uit 2002, net als veel vergelijkbare producties, de breed gedragen angst weerspiegeld voor voorspellende technologieën in handen van politie of toezichthoudende instanties.
Vooralsnog is de vraag of gewelddadig gedrag kan worden voorspeld op basis van signalen uit het lichaam, het gezicht en audio (in plaats van factoren zoals context, het tijdstip van de dag, de locatie of historische misdaadcijfers) nog onbeslist: volgens de auteurs van het nieuwe artikel gaat het om een heel nieuw onderzoeksgebied.
In tests vergeleken de onderzoekers gezichtsuiterlijk, audio en signalen van lichaamsbeweging afzonderlijk en in combinatie, met behulp van drie verschillende vision-backbones. De beste resultaten werden behaald wanneer alle drie de signalen werden gecombineerd. Dat wijst erop dat het voorspellende effect niet door één enkel type signaal werd veroorzaakt:
‘De beste configuratie, Deit-Tiny met audio, gezichtsuiterlijk en beweging, behaalt een nauwkeurigheid van 91,21%, een gebalanceerde nauwkeurigheid van 88,96%, een F1-score van 93,65% en een ROC-AUC van 96,38% op de apart gehouden testset.
‘Deze resultaten wijzen erop dat aanvullende signalen op basis van uiterlijk, akoestiek en kinematica bruikbare aanwijzingen bieden om een verhoogd risico voorafgaand aan een incident te herkennen.’
Aanpak
De voor het onderzoek samengestelde dataset is afgeleid van de verzameling XD-Violence en verwerkt drie modaliteiten in samenhang: gezichtsuiterlijk, audio en op basis van pose geschatte beweging:

De verwerkingsketen van het onderzoek. Elke clip krijgt een risiconiveau toegewezen, wordt ingedeeld als ‘geen risico’ of ‘risicovol’ en vervolgens opgesplitst in trainings-, validatie- en testsets. Beelden van maximaal vier seconden worden geanalyseerd via drie vertakkingen: gezichtsuiterlijk in opeenvolgende frames, audio die wordt omgezet in een spectrogram en lichaamsbeweging die wordt afgeleid uit gevolgde keypoints, zoals snelheid en versnelling. De resulterende kenmerken van het gezicht, de audio en de beweging worden samengevoegd tot één representatie en doorgegeven aan een eindclassificator, die aan de clip een waarschijnlijkheid toekent dat deze geen risico of risicovol is.
De resulterende samengestelde dataset bevatte 443 clips van vóór een incident (op dit aantal komen we aan het einde van het artikel terug).
Volgens het artikel zijn de video’s uit de verzameling XD-Violence geselecteerd omdat ze geschikt waren voor het soort op mensen gerichte analyse dat het project wilde uitvoeren. Veel vergelijkbare eerdere benaderingen richtten zich daarentegen op de volledige scène als voorspellende context.
De gebruikte clips waren maximaal vier seconden lang en werden bemonsterd met 8 fps. Een enkellaagse Transformer met acht aandachtshoofden werd gebruikt om de resulterende 32 framesamples samen te voegen, terwijl aangeleerde positionele embeddings de volgorde van de frames behielden. De backbone bleef bevroren tijdens de multimodale training om overfitting te voorkomen.
Voorbeelden van activatiekaarten (inclusief gezichtsbeelden) voor ‘risicovolle’ activaties zijn eerder in het artikel te zien; hieronder staan voorbeelden zonder risico:

Voorbeelden zonder risico uit de gezichtsanalysetak van het onderzoek, als aanvulling op de eerder getoonde voorbeelden van risicovolle bewegingen. Links staat de oorspronkelijke uitsnede van het gezicht, gevolgd door activatiekaarten uit steeds diepere lagen van het visionmodel DeiT-Tiny. Warmere gebieden duiden op sterkere kenmerkreacties en laten zien hoe de aandacht van het model verschuift en abstracter wordt naarmate het beeld door het netwerk gaat.
De audiocomponenten uit het bronfragment werden opnieuw bemonsterd op 16 kHz en afgestemd door normalisatie en uitlijning met het overeenkomstige visuele tijdvenster. Vervolgens werden ze omgezet in gestandaardiseerde spectrogrammen van de logaritmische magnitude met behulp van een kortetijd-Fouriertransformatie van 512 punten en een Hann-venster van 400 samples:

Vergelijking van gemiddelde audiopatronen in normale en risicovolle fragmenten van vóór een incident. De bovenste rij toont normale fragmenten en de onderste rij risicovolle fragmenten. Van links naar rechts zie je de oorspronkelijke golfvorm en het spectrogram, gevolgd door kenmerken die op drie opeenvolgende netwerkdiepten zijn geleerd. Risicovolle fragmenten vertonen meer variatie in de tijd, waaronder meer akoestische activiteit tegen het einde van het venster van vier seconden, terwijl het netwerk deze verschillen stapsgewijs omzet in kenmerken op een hoger niveau.
Voor het bewegingsonderdeel werden lichaamsbewegingen teruggebracht tot een reeks numerieke kenmerken, afgeleid van COCO-17-sleutelpunten die werden gedetecteerd door een YOLO-houdingsschatter.
Er werden twaalf metingen berekend, waaronder de gemiddelde en maximale snelheid, versnelling en veranderingssnelheid van de versnelling, variatie in snelheid, de snelheden van polsen en enkels en de algehele bewegingsenergie. Deze waarden werden genormaliseerd naar lichaamsomvang, zodat grotere mensen niet automatisch als beweeglijker zouden worden aangemerkt. Daarnaast werden metingen van meerdere personen in hetzelfde fragment samengevoegd.
Na standaardisatie op basis van de trainingsgegevens werden de bewegingskenmerken uitgebreid tot een representatie met 64 dimensies en ingevoerd in een temporele Transformer. Zo konden veranderingen in beweging gedurende het fragment als een reeks worden beschouwd, in plaats van als afzonderlijke beelden.
Vervolgens werden de drie gegevensstromen samengevoegd tot één representatie, waarbij het uiterlijk van het gezicht het grootste gewicht kreeg, gevolgd door audio en beweging. Na normalisatie en dropout zette een laatste classificatiemodel deze gecombineerde representatie om in kansen voor ‘normaal’ en ‘risicovol’, met 0,5 als grenswaarde.
Voor de gegevensstroom over het uiterlijk van gezichten werden drie op ImageNet voorgetrainde modellen als basis gebruikt: Swin-Tiny, ViT-Tiny en DeiT-Tiny.
Tests
Voor de tests kregen fragmenten handmatig een van vier labels toegewezen: Geen risico, Laag risico, Gemiddeld risico of Hoog risico, op basis van zichtbaar gedrag, beweging en audio. Voor de uiteindelijke binaire taak werden de drie risicocategorieën samengevoegd tot ‘risicovol’, terwijl Geen risico werd aangeduid als ‘normaal’. Om gegevenslekken tussen training en evaluatie te beperken, werden fragmenten uit dezelfde bronvideo in dezelfde gegevenssetpartitie gehouden.
Het gewelddadige incident zelf werd uit elk risicovol fragment verwijderd, zodat alleen het voorafgaande gedrag overbleef waarop het model zijn oordeel moest baseren:

Resultaten op de testset die laten zien hoe de prestaties veranderen wanneer het uiterlijk van gezichten, audio en beweging afzonderlijk of gecombineerd worden gebruikt met de drie visuele basismodellen. De ablatieopzet maakt de bijdrage van elke gegevensstroom afzonderlijk zichtbaar. Hogere scores betekenen betere prestaties; vetgedrukte waarden geven het beste resultaat per meetwaarde aan.
Zoals al is opgemerkt, werd het beste totaalresultaat behaald met DeiT-Tiny en een combinatie van alle drie de modaliteiten. De ablaties maken de bijdrage van elke gegevensstroom duidelijker: het uiterlijk van gezichten was op zichzelf al een sterke voorspeller, terwijl beweging matig presteerde en audio afzonderlijk aanzienlijk zwakker was.
De beste resultaten werden behaald door informatie over gezichten, audio en beweging te combineren. Dit wijst erop dat de zwakkere gegevensstromen nog steeds nuttige, aanvullende informatie toevoegden aan het visuele signaal.
Hoewel het model alleen was getraind om ‘normaal’ van ‘risicovol’ te onderscheiden, werden de uitvoerresultaten ook vergeleken met de oorspronkelijke labels op vier niveaus: Geen risico, Laag risico, Gemiddeld risico en Hoog risico. Zoals hieronder te zien is, neemt het voorspelde risico over het algemeen toe naarmate de categorieën oplopen, in de trainings-, validatie- en testsets:

Voorspelde risicoscores voor de vier oorspronkelijke risicocategorieën. Hoewel het model alleen is getraind om normale clips van risicovolle clips te onderscheiden, lopen de scores over het algemeen op van Geen risico tot en met Hoog risico, in de trainings-, validatie- en testsets. De stippellijn geeft de beslisdrempel van 0,50 aan.
De auteurs merken op:
“Dit resultaat is belangrijk omdat het model nooit expliciet is getraind om Laag, Gemiddeld en Hoog risico van elkaar te onderscheiden. Toch volgen de voorspellingen het verloop van de oorspronkelijke risiconiveaus.”
“Dit wijst erop dat het model betekenisvolle veranderingen in gedrag vóór een incident vastlegt, in plaats van alleen een eenvoudige scheidslijn tussen normaal en risicovol te leren. Het resultaat levert ook bewijs dat bruikbare gedragssignalen al vóór het begin van het geannoteerde incident aanwezig kunnen zijn.”
En ze concluderen:
“Deze bevindingen wijzen erop dat er in de periode voorafgaand aan een incident bruikbare onderscheidende informatie aanwezig kan zijn. Dat onderstreept de mogelijkheid om geweldsanalyse verder te ontwikkelen dan het detecteren van geweld tijdens een incident en eerder risico’s te herkennen.”
Conclusie
Hebben de onderzoekers echt een combinatie van kenmerken gevonden die voorafgaat aan geweld? Met slechts 443 clips in de experimenten is overfitting een aanzienlijk risico, waarvoor multimodale modellen en vooraf getrainde visuele backbones bijzonder gevoelig zijn. De studie beperkt dit risico gedeeltelijk door de visuele backbone vast te zetten, bronvideo’s over de trainings-, validatie- en testsets te verdelen en meerdere combinaties van modaliteiten te testen.
Goede prestaties op een kleine dataset bewijzen niet dat het onderliggende patroon vanzelfsprekend is of zelfs bestaat. Ze kunnen ook het gevolg zijn van datasetspecifieke signalen, vertekening in de annotaties, bronlekkage die bij het verdelen van de data niet is ondervangen, of een ongewoon eenvoudige testset.
Maar zoals de zaken er nu voor staan, is het resultaat juist omdat de dataset zo klein is en overfitting kennelijk voldoende is tegengegaan, intrigerend. De bevindingen moeten echter op een grotere dataset worden gerepliceerd voordat het aangeleerde patroon als ‘robuust’ kan worden beschouwd.
Voor het eerst gepubliceerd op donderdag 1 oktober 2026












