Dienst van SURF
© 2025 SURF
Op donderdag 15 oktober 2009 zijn bij Saxion in Enschede de lectoren Henk van Leeuwen, Piet Griffioen en Wouter Teeuw officieel geïnstalleerd. Met zijn drieën vormen zij het lectoraat ‘ambient intelligence’ van het Saxion Kenniscentrum Design en Technologie. In hun lectorale rede ter ere van deze installatie gaan zij in op ontwikkelingen en toepassingen van ambient intelligence. Met de term ambient intelligence wordt een toekomstvisie aangeduid. In deze visie zijn omgevingen zich bewust van de aanwezigheid van personen, hun gedrag of zelfs hun intenties. Slimme omgevingen kunnen daarop reageren. Denk bijvoorbeeld aan spiegels waarop tijdens het tanden poetsen de file informatie van die dag verschijnt. Of een tapijt dat beweging kan registreren, bijvoorbeeld om patiënten te monitoren in een verzorgingstehuis. In hun rede geeft het drietal lectoren antwoord op stellingen en vragen over de mogelijkheden van ambient intelligence. Kunnen we systemen bedenken die anticiperen op wat mensen willen en ons zo beter ondersteunen in onze activiteiten? Kan een omgeving slim worden en als het ware weten wat er speelt en daarop zo te reageren dat dit door ‘ons’ als gebruiker als natuurlijk wordt ervaren? De lectoren werken voor het lectoraat ambient intelligence binnen het Kenniscentrum Design en Technologie van Saxion. Het lectoraat richt zich op de werkomgeving met aandacht voor veilig, plezierig en gezond werken.
MULTIFILE
The Hanze University of Applied Science can combine its expertise in the field of ICT with knowledge of communication and knowledge game design and user experience to contribute to the effective communication on ehealth applications by researching communication patterns and developing communication means.
The last decade has seen an increasing demand from the industrial field of computerized visual inspection. Applications rapidly become more complex and often with more demanding real time constraints. However, from 2004 onwards the clock frequency of CPUs has not increased significantly. Computer Vision applications have an increasing demand for more processing power but are limited by the performance capabilities of sequential processor architectures. The only way to get more performance using commodity hardware, like multi-core processors and graphics cards, is to go for parallel programming. This article focuses on the practical question: How can the processing time for vision algorithms be improved, by parallelization, in an economical way and execute them on multiple platforms?