La visione artificiale a supporto della videosorveglianza

La visione artificiale a supporto della videosorveglianza

Gli studi di Visione Artificiale e Pattern Recognition propongono soluzioni sempre più sofisticate per essere applicate alla Video Sorveglianza, un settore emergente nell’ICT. I sistemi di Video Sorveglianza, infatti, non richiedono solo un’efficiente supporto hardware per l’acquisizione e la gestione dei video, ma anche tool software con algoritmi efficaci per l’analisi dei dati in tempo reale.

La visione artificiale a supporto della videosorveglianzaLa Videosorveglianza è quel settore dell’ ICT che si occupa dell’acquisizione, elaborazione e gestione in tempo reale di video provenienti da telecamere installate in luoghi pubblici e privati per molteplici scopi, comunque correlati al concetto di sicurezza. Nei Paesi anglosassoni si parla di “security e safety“, coinvolgendo quindi sia la sfera pubblica, per la lotta alla criminalità e la prevenzione di reati, sia la sfera privata per garantire l’incolumità e la tranquillità personale. Rientrano nella grande categoria di sistemi di Video Sorveglianza tutti gli apparati installati nel contesto urbano (piazze, strade e monumenti), nei luoghi affollati (stazioni, metropolitane, aeroporti, stadi), nelle banche, nelle abitazioni private e nei siti industriali, nonché i sistemi per il monitoraggio del traffico (veicolare, aereo, navale) e quelli per il controllo ambientale (incendi, alluvioni, frane). È indubbio che la Video Sorveglianza sia per il mondo ICT una delle sfide applicative più interessanti degli ultimi anni. La sua progettazione coinvolge l’hardware per i sensori e i sistemi di acquisizione, l’architettura dei sistemi di calcolo, l’infrastruttura di comunicazione wired e wireless, il middleware e soprattutto la sfera algoritmica e cognitiva di competenza della Visione Artificiale e della Pattern Recognition.

Sebbene le soluzioni architetturali e hardware siano ormai ben consolidate, moltissimi problemi rimangono aperti nell’analisi automatica dei video, dove la ricerca scientifica sta investendo al massimo.

La Visione Artificiale (Computer Vision) fino a pochi anni fa era bollata come un vezzo accademico, una disciplina di nicchia al più assimilata a una sotto-disciplina dell’Intelligenza Artificiale (IA). Con l’IA, la Visione Artificiale condivide molti dei meccanismi inferenziali e strumenti per la rappresentazione della conoscenza. Tuttavia, a differenza dell’IA, la computazione oltre che del livello simbolico si occupa del basso livello, spesso chiamato livello “iconico”. In altre parole, i processi di Computer Vision non possono prescindere dall’essenza dell’input che è fatta di sequenze di pixel, le cui informazioni visuali sono per natura parziali e corrotte da rumore sintattico (a livello di segnale) e semantico (i cosiddetti “distrattori” nella scena).

La Visione Artificiale si avvale fortemente della Pattern Recognition, la disciplina che studia tecniche, spesso statistiche, di classificazione e riconoscimento di forme a partire da dati misurati o calcolati, siano essi visuali, audio, testuali, multimediali in genere o numerici. Ora la Visione Artificiale e la Pattern Recognition sono ben affermate nel mondo dell’ICT e sono anche materie e corsi di studio in molti corsi di laurea di ingegneria informatica e di informatica.

Inoltre, i sistemi di Visione Artificiale sfrutteranno a pieno tecniche e algoritmi per la percezione, l’apprendimento automatico (machine learning), modelli di attenzione e di ragionamento su im-magini (cognitive vision), tecniche di clustering e classificazione (pattern classification) e tecniche inferenziali proprie dell’IA, per fornire allarmi in modo automatico, comprendere la scena e il comportamento di persone e oggetti di interesse, e annotare i dati visuali.

Video Analytics è il termine che sta emergendo per denotare l’insieme di queste tecniche, sia per i sistemi in tempo reale, sia per i sistemi off-line di analisi di dati multimediali legati alla sicurezza: in questo caso la Video Sorveglianza si estende a discipline limitrofe quali il content-based video retrival per il recupero per similarità di dati visuali o il video mining per la ricerca di associazioni e correlazioni e l’estrazione di conoscenza dal video.

Si apre la strada ad applicazioni innovative per il supporto all’indagine forense o all’intelligence, e per mercati emergenti nel campo dell’ICT quali l’identificazione di comportamenti in ambienti sociali, pubblici e privati, supermercati o musei.

Precedente Definizione e caratteristiche della tecnica del Model Checking in informatica Successivo La definizione, le caratteristiche e le tipologie dei Modelli Matematici

Lascia un commento

*