logo

Bekijk alle opdrachten

Backend Developer Computer Vision

Frederikkazerne, Den Haag, Frederikkazerne, Den Haag
Voor onze directe mantelklant Defensie zijn wij opzoek naar een Backend Developer Computer Vision (20333643)

Vanuit het Nationaal Coordinator Terrorismebestrijding en Veiligheid (NCTV) is een kenniscentrum Bewaken&Beveiligen (KCBB) opgericht. De aangesloten partijen bij dit kenniscentrum zijn het NCTV zelf, de politie, de KMar, en DITSS. Het platform is bedoeld om samenwerking op het vlak van technologische IT-innovatie te bevorderen specifiek voor het domein bewaken&beveiligen. Elke aangesloten partij draait eigen projecten waarvoor een jaarlijks budget beschikbaar wordt gemaakt vanuit het NCTV. Het project vanuit de KMar wordt geinitieerd vanuit staf KMar, cluster Informatie Voorziening, team Deep Vision. Het doel van dit project is om inzicht te krijgen in de toepassing van slimme analyse van databronnen zoals camerabeelden (of data afkomstig van andere sensoren) in het kader van beveiliging. De focus van de analyse ligt op het onderkennen van verdachte bewegingen in de omgeving van een te-beschermen object. Het resultaat van dit project is een prototype wat partners in het veiligheidsdomein (i.e. NCTV, politie, KMar) de mogelijkheid geeft om te experimenteren met slimme sensoren ter ondersteuning van beveiliging. De kwaliteit en bruikbaarheid van het prototype zal gemonitord worden in samenwerking met gebruikers aan de hand van (fysieke) simulaties van operationele scenario's. De kandidaat zal het grootste deel van bovengenoemd project uitvoeren. De kandidaat gaat deel uitmaken van het team Deep Vision van de KMar, en zal tegelijkertijd veel samenwerken met onze collega's van de politie.. De standplaats is in principe de Frederikkazerne in Den Haag maar werken op andere locaties (inclusief thuis) kan waar de werkzaamheden dat toelaten. Werktijden zijn flexibel in te richten.

In dit project wordt een prototype gemaakt dat aantoont hoe bewaken en beveiligen effectiever en efficiënter ingericht kan worden door de inzet van beeldanalyse en VR/AR. Dit
prototype bevat de volgende functionaliteiten:

- het weergeven van een straatbeeld in 3D in VR/AR
- het koppelen van 2D-camerabeelden aan de 3D omgeving, waardoor voertuigen en voetgangers als anonieme avatars in de 3D-omgeving geprojecteerd kunnen worden
- het analyseren van gedrag van de voertuigen en voetgangers.
Het doel van het ontwikkelen van het prototype is het opdoen van kennis over hoe state-of-the-art beeldtechnologie kan bijdragen aan beveiligingsconcepten. Het prototype is zeer
experimenteel van aard, dus de kans bestaat dat bepaalde onderdelen van het prototype niet succesvol zullen zijn.
De planning is dat het resultaat 1,5 jaar na start van de ingehuurde resources afgerond is. Iedere 3 maanden worden er deelresultaten opgeleverd. We delen het project op in vier
fases. Per fase beschrijven we concrete opeenvolgende deelproducten.

Fase 0: voorproefje (inmiddels afgerond)
- Simpel AR model, van deel van een stad, met animaties zoals rijdende voertuigen
- Inclusief semi-transparant dashboard op de achtergrond
Fase 1: van 2D naar 3D
- Een visie op de software architectuur (+mogelijke cloud of on-prem oplossingen) (als product van het adviestraject)
- Het generen van een 3D omgeving.
- Het bepalen van de camera-posities in de 3D omgeving.
- Het mappen van de camerabeelden op de 3D-omgeving; welk deel van de omgeving is zichtbaar op het camerabeeld?
- Projectie van objecten in 3D omgeving: auto’s (+type), scooters, fietsers, personen, ook geparkeerde voertuigen, honden
Fase 2: Simpele alerts en tellingen
- Gebruiker kan manueel boundaries tekenen, voor verboden zones. Inclusief een alert als iemand de zone betreedt.
- Het registeren van tijdstip en het tellen van het aantal voertuigen en personen.
- Een dashboard met een overzicht van de tellingen.
- De gebruiker kan situaties terug kijken in VR/AR, vanuit meerdere perspectieven en vanuit een helikopterview.
Fase 3: Gedragsherkenning voor het detecteren van specifieke gedragingen
Fase 4: Slim normaalbeeld om afwijkingen te detecteren op basis van anomaly detection

De werkzaamheden van de backend specialist zijn gericht op het ontwikkelen van een platform voor het realtime analyseren van meerdere videostreams, het voorbereiden van de
data zodat het bruikbaar wordt voor analyse, het opslaan van analyse-resultaten, en het koppelen van de resultaten aan de 3D omgeving.

 

Eisen
  • Kandidaat heeft aantoonbaar werkervaring op het gebied van software engineering (na het behalen van Bachelor of Master).
  • Kandidaat heeft aantoonbare kennis en werkervaring met Linux
  • Kandidaat beschikt minimaal over een afgeronde HBO-opleiding

 

Wensen

  • Kandidaat heeft bij voorkeur aantoonbaar werkervaring met softwareontwikkeltools/-omgevingen zoals docker, git, en/of CI/CD pipelines
  • Kandidaat heeft bij voorkeur aantoonbaar werkervaring met het maken van realtime beeldverwerkingssoftware in C of C++ (bij voorkeur op basis van gstreamer)
  • Kandidaat heeft bij voorkeur affiniteit met het gebruik van verschillende soorten sensoren (camera’s, microfoons, bewegingssensors, etc.) Deze wens wordt als volgt gemeten aan de hand van opgegeven interesses en eigen projectjes m.b.t. sensoren in de vrije tijd of tijdens studies.
  • Kandidaat heeft bij voorkeur aantoonbare kennis en werkervaring met het opstellen van softwarearchitecturen
  • kandidaat heeft bij voorkeur HBO of WO opleiding in Computer Science, Software Engineering, of gerelateerde beta-vakgebied
  • Kandidaat heeft bij voorkeur werkervaring met deep learning (bijv. CNN's, RNN's, Capsnets, Transformers)
  • Kandidaat heeft bij voorkeur werkervaring met traditionele computer vision-technieken (zoals optical flow, edge detection, pre-processing van afbeeldingen, filters, etc.)
  • Kandidaat heeft bij voorkeur werkervaring met NVIDIA CUDA/Deepstream
  • Kandidaat heeft bij voorkeur werkervaring met frontenddevelopment (bijv. Vue.js of Flutter)


Start: na afronding Niveau Veiligheidsonderzoek VGB B (ga uit van februari 2023)
Duur: 12 maanden+
Standplaats: Den Haag
Inzet: 36 uur per week

De verantwoordelijke recruiter voor deze opdracht is Sabine Knopper. U kunt solliciteren via de reageren button, of u kunt per e-mail (s.knopper@caesar.nl) of telefoon (06-29553557) contact opnemen. 

 

Meer opdrachten

Senior Oracle APEX Ontwikkelaar Utrecht (20153308)
Servicemanager
Senior SAP HR/HCM Testconsultant

Deel deze opdracht

Powered by