fbpx Skip to content

Videosorveglianza e deep learnign

Molte persone percepiscono le telecamere di sorveglianza come occhi digitali che vegliano su di noi. Ma in realtà, queste, sono più simili a oblò: utili solo quando qualcuno ci guarda attraverso. Sì perché le telecamere hanno un ruolo totalmente passivo: sono lì come deterrente per i malintenzionati oltre che per fornire prove nel caso in cui succeda qualcosa degno di nota.
Ma ora tutto ciò sta rapidamente cambiando.
L’intelligenza artificiale sta fornendo alle telecamere di sorveglianza cervelli digitali da abbinare ai loro occhi, consentendo così un’analisi video in diretta, senza la necessità dell’intervento umano. Questa potrebbe essere una buona notizia per la sicurezza pubblica, aiutando la polizia e i primi soccorritori a individuare più facilmente crimini e incidenti consentendo una vasta gamma di applicazioni scientifiche e industriali.
Lo stesso vale naturalmente anche per la sicurezza privata, soprattutto per la tutela delle nostre case e dei nostri condomini.

Applicazioni di videosorveglianza per il deep learning

Il Deep Learning punta a cambiare l’Intelligent Video Analysis (IVA) e cioè l’integrazione tra video digitale e software analitico.

Ma nonostante decenni di ricerca su come far sì che un computer riconoscesse accuratamente diversi oggetti all’interno di un flusso video, per anni la qualità dei risultati, specialmente negli ambienti urbani, è stata piuttosto deludente.

L’intelligenza artificiale era limitata principalmente da due fattori:

  • Mancanza di comprensione: il software non era in grado di distinguere tra diversi oggetti (persona, veicolo, animale, ecc) soprattutto in varie circostanze (giorno, notte, condizioni meteorologiche particolari, ecc).
  • Incapacità di apprendimento: le applicazioni IVA tradizionali si basavano su una configurazione del software da parte di un operatore umano, per ciascuna telecamera di monitoraggio e ogni tipo di avviso.

Gli sviluppi del deep learning oggi

Ma oggi, invece, il Deep Learning è maturato al punto tale da poter rilevare e classificare accuratamente ogni tipologia di oggetto, sia mediante immagini fisse che in movimento.

Questa tecnologia sta diventando l’elemento fondamentale dell’IVA.

L’intelligenza artificiale raccoglie e analizza i dati nel tempo, creando metadati che descrivono tutti gli oggetti in ogni flusso video.

Le tecniche di machine learning elaborano questi metadati per generare modelli per il comportamento “normalmente osservato”. Questi modelli vengono applicati in tempo reale per rilevare comportamenti devianti dalla norma. Solo quelli contrassegnati come eventi sospetti richiedono la revisione da parte di un operatore umano.

Vantaggi? Certamente!

Un beneficio chiave degli algoritmi basati sul deep learning rispetto agli algoritmi di visione artificiale legacy è che il sistema di deep learning può essere continuamente addestrato con set di dati migliori e più dettagliati. Molte applicazioni hanno dimostrato che i sistemi di deep learning possono “imparare” fino ad ottenere una precisione del 99,9% per determinate attività (un grande risultato a differenza dei rigidi algoritmi informatici in cui è molto difficile migliorare un sistema oltre il 95% di precisione).

Riconoscimento facciale e rilevamenti

Il Deep Learning ha notevolmente migliorato il tasso di precisione del riconoscimento facciale. Il National Institute of Standards and Technology (NIST) ha condotto il test FRVT (Face Recognition Vendor Test) negli ultimi dieci anni.

I miglioramenti dei tassi di errore sul riconoscimento facciale sono diminuiti di tre ordini di grandezza, secondo un rapporto inter-agenzia NIST.

Il rilevamento di persone e oggetti è un’altra area che ha mostrato enormi progressi. I miglioramenti nella precisione vanno dal 72% a oltre il 90%, dal 2010 al 2014.

Nel campo della videosorveglianza, si distinguono diverse applicazioni che possono trarre vantaggio dal deep learning.

Vuoi conoscerne una? Scopriamola insieme!

Videosorveglianza per la pubblica sicurezza

Supponiamo che ci sia stata una rapina e che qualcuno preposto al controllo delle riprese delle telecamere di sicurezza inizialmente non abbia idea di come sia avvenuta. Viene segnalata una Jeep Compass che correva verso est.

 Chi effettua il controllo può cercare “Jeep Compass” e questa comparirà a video. Sullo schermo, i clip inizieranno a popolare il feed, mostrando diverse Jeep Compass che entrano nelle inquadrature.

Questo è un grande vantaggio derivante dalla combinazione tra intelligenza artificiale e video: rendere facile trovare ciò che stai cercando.

Senza questa tecnologia dovresti osservare ore di registrazioni con attenzione per ritrovare i dettagli che ti servono e magari qualcosa ti sarebbe comunque sfuggito.

Condividi

Share on facebook
Share on twitter
Share on linkedin
Share on telegram
Share on whatsapp
Share on email

Leggi anche