{"id":502,"date":"2014-05-12T18:47:14","date_gmt":"2014-05-12T16:47:14","guid":{"rendered":"http:\/\/nerone.diiie.unisa.it\/newaitech\/?p=502"},"modified":"2016-12-15T10:13:51","modified_gmt":"2016-12-15T09:13:51","slug":"la-motion-detection-e-videoanalisi-intelligente","status":"publish","type":"post","link":"https:\/\/www.aitech.vision\/it\/2014\/05\/12\/la-motion-detection-e-videoanalisi-intelligente\/","title":{"rendered":"La Motion detection \u00e8 videoanalisi intelligente?"},"content":{"rendered":"

Lo scopo di questa pillola di video analisi \u00e8 quello di rispondere alla domanda che abbiamo posto da un punto di vista pratico, scansando tutte le sfumature teoriche che possono incuriosire ma non essere determinanti per chi deve installare o scegliere tali sistemi. Per rispondere capiamo preventivamente a che serve e come opera un algoritmo di motion detection<\/strong>. <\/p>\n

A cosa serve?<\/strong>
\nUn tale algoritmo ha l’obiettivo di rilevare se all’interno della scena ci sono oggetti in movimento, come persone, auto o altro. In tal caso genera un allarme che viene usato per attivare un’azione, che pu\u00f2 consistere nel notificare un sms di avviso su un telefonino, una e-mail magari corredata con alcuni fotogrammi selezionati tra quelli che hanno generato l’allarme in maniera tale che il proprietario del sistema possa verificare (possibilmente da lontano) cosa sta accadendo.<\/p>\n

Dove risiede?<\/strong>
\nLa maggior parte delle telecamera digitali IP hanno un algoritmo di motion detection che pu\u00f2 essere opportunamente configurato per asservire agli scopi prefissati nel migliore dei modi. Si pu\u00f2 configurare la sensibilit\u00e0 alla generazione dell’allarme, gli indirizzi a cui notificare eventuali allarmi.<\/p>\n

Come funziona?<\/strong>
\nAttualmente gli algoritmi disponibili sulle telecamere sono molto semplici e operano su un principio elementare: calcolano su tutta l’immagine la differenza tra il valori dei pixel omologhi tra frame successivi. In assenza di oggetto in movimento tutti i pixel dell’immagine non cambiano valore (teoricamente!) e quindi la somma di tutte le variazioni \u00e8 nulla. Quando si presenta una persona o un oggetto in movimento (se questo ha un colore diverso dallo sfondo e non si mimetizza) i pixel associati alla persona nel frame precedente avevano il valore dello sfondo e ora quello relativo al colore della persona; si genera per tutti questi pixel una variazione la cui somma viene confrontata con una soglia di sensibilit\u00e0 (modificabile in fase di installazione). A titolo di esempio si veda la Figura 1. E’ quindi importante evidenziare che l’algoritmo non riconosce le persone e di queste deduce il movimento, come invece fanno gli algoritmi di video analisi intelligente; il moto \u00e8 desunto dal fatto che ci sono state variazioni di valori di pixel in quantit\u00e0 tale da presumere che ci sia stato un cambiamento. Insomma si tratta di un algoritmo cieco!<\/p>\n

Che problemi crea?<\/strong>
\nIl semplice principio di funzionamento determina diversi problemi. Anzitutto bisogna fissare la soglia sulla base della dimensione presunta del soggetto che si vuole rilevare, in maniera tale che in sua presenza scatti l’allarme. Per come funziona l’algoritmo questo non dipende solo dalla dimensione: se entra un soggetto vestito di chiaro su sfondo mediamente scuro, a parit\u00e0 di dimensione crea una differenza complessiva molto pi\u00f9 alta di un soggetto che veste di grigio. Potrebbe quindi accadere che l’algoritmo non genera un allarme (Falso Negativo) quando il soggetto \u00e8 pi\u00f9 piccolo di quello ipotizzato o quando il suo colore \u00e8 poco diverso dallo sfondo. Il problema pi\u00f9 grave \u00e8 quello relativo alla presenza di molti Falsi Positivi. Se si verifica un cambio di luminosit\u00e0 cambiano di conseguenza e contemporaneamente tutti i pixel, anche se non \u00e8 presente alcun soggetto nella scena. Il fatto che tutti i pixel cambino valore, sebbene non di tantissimo, \u00e8 tale che la differenza sia grande, tale cio\u00e8 da superare la soglia di allarme. Un esempio \u00e8 mostrato in Figura 2.<\/p>\n

Conclusioni<\/strong>
\nE’ evidente che un algoritmo di motion detection effettua un’analisi dell’immagine e quindi pu\u00f2 considerarsi sul piano teorico un algoritmo di video analisi, ma la semplicit\u00e0 dell’elaborazioni effettuate lo colloca, senza dubbio, al di fuori della categoria dei sistemi di video analisi intelligente. La sua natura fa s\u00ec che l’impiego consigliato non sia quello relativo alla generazione di allarmi, in quanto se ne otterrebbe una scarsa affidabilit\u00e0 in relazione alla generazione di molti falsi positivi; per queste esigenze \u00e8 certamente consigliabile prevedere l’impiego di algoritmi di videoanalisi intelligente specificamente progettati per rilevare l’intrusione delle persone in aree sterili, come AI-intrusion. Viceversa l’impiego pi\u00f9 efficace del motion detection \u00e8 quello di comandare la registrazione: basandosi sull’evidenza che \u00e8 inutile registrare se non ci sono variazioni nella scena, il motion detector avvia la registrazione quando rileva una variazione e la ferma quando si ritorna in una soluzione di stabilit\u00e0. In questo caso l’effetto della generazione erronea di una variazione (generata ad esempio ad un cambio di luminosit\u00e0) ha un effetto trascurabile, quello di aver avviato inutilmente una registrazione per pochi secondi.<\/p>\n\n\n\n\n\n\n
\"figure1_1\"<\/td>\n\"figure1_2\"<\/td>\n<\/tr>\n
Figura 1:<\/strong> La telecamera (in modalita day) inquadra la porta di un pianerottolo. L’ingresso di una persona determina correttamente l’allarme del motion detector. Si noti che una persona in questa inquadratura occupa circa 1\/7 dell’area totale.<\/td>\n<\/tr>\n
\"figure2_1\"<\/td>\n\"figure2_2\"<\/td>\n<\/tr>\n
Figura 2:<\/strong> La telecamera in modalit\u00e0 night. Una persona, in un piano diverso da quello sorvegliato, accende le luci della scala e chiama l’ascensore. La differenza di luminosit\u00e0 complessiva della scena genera un falso allarme.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Lo scopo di questa pillola di videoanalisi \u00e8 quello di rispondere alla domanda che abbiamo posto da un punto di vista pratico, scansando tutte le sfumature teoriche che possono incuriosire ma non essere determinanti per chi deve installare o scegliere tali sistemi. Per rispondere capiamo preventivamente a che serve e come opera un algoritmo di motion detection.<\/p>\n","protected":false},"author":3,"featured_media":6468,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[50],"tags":[48,49,51],"_links":{"self":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/502"}],"collection":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/comments?post=502"}],"version-history":[{"count":1,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/502\/revisions"}],"predecessor-version":[{"id":6470,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/502\/revisions\/6470"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/media\/6468"}],"wp:attachment":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/media?parent=502"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/categories?post=502"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/tags?post=502"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}