\nAI-Pills \u00e8 giunto alla sua terza pillola, e finanche al lettore pi\u00f9 distratto, seppur assiduo, sar\u00e0 chiaro il concetto per il quale gli algoritmi alla base delle applicazioni di sorveglianza sono sulla frontiera della ricerca. S\u00ec la parola chiave \u00e8 proprio ricerca: le competenze di pattern recognition, computer vision, artificial intelligence e machine learning, che solo laboratori universitari, spin-off (la cui compagine sociale \u00e8 costituita principalmente da docenti universitari ) o R&D di aziende del settore possono maturare, sono le variabili che consentono la progettazione e lo sviluppo di prodotti di video analisi altamente tecnologici. Si pensi ad algoritmi di aggiornamento del background per mantenere l\u2019informazione sulla scena senza oggetti in movimento al variare delle condizioni di luminosit\u00e0; algoritmi di rilevamento di oggetti in movimento, o meglio dei soli oggetti di interesse in movimento all’interno di una scena (tralasciando, ad esempio, le foglie di un albero scosso dal vento o la luce che si accende improvvisamente in un appartamento); algoritmi di tracking, capaci di inseguire oggetti che si muovono nella scena ed estrarne le traiettorie. E poi ci sono gli algoritmi di \u201calto livello\u201d che identificano un incendio attraverso un\u2019analisi combinata di colore e movimento o ancora quelli che identificano anomalie valutando le traiettorie rispetto ai pattern che il sistema ha precedentemente appreso in modo del tutto autonomo, senza intervento alcuno dell\u2019operatore umano.<\/p>\n
Quanto sono utili questi sistemi automatici?<\/strong> Qual \u00e8 la soluzione pi\u00f9 adatta ai nostri problemi?<\/strong>
\nGrazie a questi sistemi cambia significativamente il modo in cui l\u2019operatore umano interagisce con i video: da una modalit\u00e0 time-based ad una event-based. Ma cerchiamo di capire meglio il significato di tale affermazione.
\nSenza tali sistemi, l\u2019operatore umano addetto al controllo dovrebbe visualizzare interamente il video, giorno e notte, ora dopo ora (time-based appunto), senza possibilit\u00e0 di trascurare anche solo un minuto di filmato, che potrebbe rivelarsi fondamentale. \u00c8 ovvio come questa attivit\u00e0, oltre che noiosa, sia estremamente time consuming!
\nUn approccio event-based stravolge il modo di approcciare al video: da un lato, tali sistemi generano, in tempo reale, un allarme al verificarsi di un evento di interesse, in modo da risvegliare l\u2019attenzione dell\u2019operatore umano addetto al monitoraggio di numerosi video. Dall’altro lato, consentono di visualizzare in sequenza i soli istanti di tempo associati a tutti gli eventi di interesse rilevati in precedenza. Insomma, un risparmio di tempo non indifferente!<\/p>\n
\nIn questo vi aiutiamo noi! I prodotti disponibili tipicamente sul mercato per risolvere problemi di sorveglianza intelligente sono numerosi. E sulla base delle esigenze, vanno opportunamente combinati. Vediamo insieme i vari pezzi.
\nRilevamento di intrusioni<\/strong>: non appena una persona accede ad una zona riservata, il sistema lancia un allarme. Tali sistemi sostituiscono i tradizionali sensori anti intrusione e ne superano i principali limiti: l\u2019operatore pu\u00f2 disegnare la sola regione a cui \u00e8 interessato (per esempio una aiuola nei giardini pubblici oppure l\u2019area che costeggia la recinzione di una azienda) e con una sola telecamera si pu\u00f2 monitorare una regione significativamente pi\u00f9 grande rispetto ad un singolo sensore; inoltre, la presenza in casa, ad esempio, di animali domestici non genera allarmi nei moderni sistemi di video sorveglianza. Insomma, provare per credere: sostituite i sensori anti-intrusione nei vostri appartamenti e provate AI-Intrusion<\/a>!
\nRilevamento di incendi<\/strong>: un incendio che divampa in lontananza su una montagna, o un piccolo focolaio che inizia a crescere in una cucina di un anziano sbadato che ha lasciato la sigaretta accesa vicino al giornale. In situazioni come queste, perch\u00e9 utilizzare sensori fisici se le attuali telecamere impiegate per la videosorveglianza possono acquisire i filmati e, in combinazione con i moderni algoritmi di video analisi, rilevare fumi e fiamme in modo altrettanto affidabile ma meno invasivo da un punto di vista infrastrutturale? In considerazione di ci\u00f2, A.I. Tech ha progettato e sviluppato AI-Fire<\/a>, disponibile sia server side integrato in Milestone che in versione edge side, su telecamere Axis, per il rilevamento di fumi e fiamme.
\nIdentificazione di anomalie<\/strong>: una persona che corre in direzione opposta a una folla \u00e8 uno dei tipici comportamenti anomali che i comuni sistemi di videosorveglianza devono rilevare. Allo stesso modo, non possiamo non menzionare il vagabondaggio: una persona che staziona per molto tempo e senza motivo in un posto senza un apparente motivo sicuramente desta sospetto. AI-Anomaly e AI-Loitering, prossimamente in vendita, nascono proprio per risolvere tali problemi.
\nRilevamento oggetti abbandonati<\/strong>: si tratta di sistemi di video analisi per il rilevamento di oggetti abbandonati di diversa tipologia, dalla spazzatura rilasciata illecitamente in luoghi pubblici ai bagagli abbandonati in stazioni o luoghi sensibili. Grazie a sofisticati algoritmi di rilevamento, i sistemi sono in in grado di discernere tra gli oggetti che si muovono lentamente o che si fermano solo per pochi istanti da quelli realmente abbandonati. Il nostro AI-Lost<\/a>\u00a0ne \u00e8 un esempio. Cosa aspetti, non serve anche a te?
\nIdentificazione di eventi audio anomali<\/strong>: sebbene siano una fonte insostituibile di informazioni, non sempre le telecamere possono essere installate (si pensi a dei bagni pubblici), e non sempre sono in grado di riconoscere in modo affidabile gli eventi di interesse (come, ad esempio, nel caso di ambienti troppo affollati). In questi casi, l\u2019interpretazione del segnale audio acquisito dai microfoni eventualmente integrati nelle telecamere stesse pu\u00f2 essere la soluzione al problema: \u00e8 proprio con questa idea che nasce AI-Sounds<\/a>, capace di identificare eventi di interesse configurabili dall’utente quali urla, spari o vetri rotti.
\nInsomma, numerose sono le combinazioni di prodotti che l\u2019utente pu\u00f2 scegliere sulla base delle sue esigenze. Ora non ti resta che scegliere la soluzione pi\u00f9 adatta e provare!<\/p>\n
![\"Sistema](\"http:\/\/aitech.vision\/wp-content\/uploads\/2014\/07\/AI-Pills-1024x579-1.png\")
<\/a><\/p>\n