{"id":7708,"date":"2017-09-07T14:29:38","date_gmt":"2017-09-07T12:29:38","guid":{"rendered":"http:\/\/aitech.vision\/?p=7708"},"modified":"2017-09-07T14:29:38","modified_gmt":"2017-09-07T12:29:38","slug":"semantica-e-analisi-video-tecnologia-del-futuro-oggi","status":"publish","type":"post","link":"https:\/\/www.aitech.vision\/it\/2017\/09\/07\/semantica-e-analisi-video-tecnologia-del-futuro-oggi\/","title":{"rendered":"Semantica e analisi video: tecnologia del futuro, oggi"},"content":{"rendered":"<p>Nel 2014 si dice che il numero di telecamere di sicurezza installate in giro per il mondo si aggirasse intorno ai 245 milioni di unit\u00e0 (praticamente una telecamera per meno di 30 persone), con 413 petabytes di dati raccolti ogni giorno. Questa era la pi\u00f9 grande produzione di big data disponibile nel mondo. Ad oggi, dopo pochi anni, la situazione non \u00e8 cambiata; il numero di camere e quindi la quantit\u00e0 di dati da gestire non ha fatto altro che aumentare. E contestualmente \u00e8 aumentata la necessit\u00e0 di analizzare in modo automatico questa grande quantit\u00e0 di dati raccolti. Come? Attraverso l\u2019impiego di avanzati algoritmi di analisi video.<\/p>\n<p>&nbsp;<\/p>\n<p><strong>Come funzionano tali algoritmi?<\/strong><\/p>\n<p>Questo \u00e8 un argomento gi\u00e0 trattato nelle precedenti lezioni di questo \u201ccorso di formazione\u201d sulle pagine di a&amp;s Italy, ma rivediamolo brevemente: le due fasi su cui si basano la maggior parte<br \/>\ndegli algoritmi di analisi video (pensati per acquisire il flusso video da telecamere fisse) sono la fase di \u201cdetection\u201d, in cui &#8211; a partire dall\u2019immagine (e quindi dall\u2019insieme di pixel che compongono l\u2019immagine) &#8211; si estraggono gli oggetti in movimento in ciascun fotogramma; e la fase di \u201ctracking\u201d, in cui, a partire dagli oggetti in movimento, se ne estraggono le traiettorie. Insomma, un approccio bottom-up (dal basso verso l\u2019alto): dai pixel dell\u2019immagine fino ad arrivare alle traiettorie degli oggetti in movimento. Tutto ci\u00f2 senza alcuna esplicita conoscenza circa il contesto. Questo, inevitabilmente, crea errori quali \u201cfalsi allarmi\u201d, ossia oggetti spuri come ad esempio ombre o alberi in movimento erroneamente considerati oggetti di interesse; oppure \u201cmiss\u201d, ossia oggetti in movimento che non sono invece considerati in alcun modo dall\u2019algoritmo di analisi video. Tutte problematiche, queste, che potrebbero essere invece risolte utilizzando un approccio knowledge driven, guidato ossia dalla conoscenza piuttosto che dai dati.<\/p>\n<p>&nbsp;<\/p>\n<p><strong>Quale tipo di conoscenza?<br \/>\n<\/strong><\/p>\n<p>Ci sono tre sorgenti di conoscenza che possono essere utilizzate: (1) la conoscenza relativa alla scena osservata: quali sono i punti di ingresso (e di uscita) delle persone che entrano nella scena inquadrata dalla telecamera? Ci sono oggetti all\u2019interno della scena che potrebbero causare dei falsi allarmi (ad esempio un albero in movimento)? Ci sono degli oggetti che potrebbero nascondere il passaggio delle persone, in modo parziale o totale (ad esempio un palo piuttosto che un muretto dietro ai quali \u00e8 consentito il passaggio delle persone)? (2) La seconda sorgente di conoscenza che pu\u00f2 essere utilizzata \u00e8 quella legata alla tipologia di utenti che popolano la scena. Ci aspettiamo che vi siano veicoli e persone? Oppure solo persone e animali? (3) Infine, vi \u00e8 sicuramente la conoscenza relativa alle possibili interazioni tra gli oggetti che si muovono all\u2019interno della scena.<br \/>\nE\u2019 evidente a questo punto come la conoscenza, nelle direzioni appena menzionate, pu\u00f2 aiutare a risolvere i tipici problemi che i tradizionali algoritmi di video analisi \u201cbottom-up\u201d devono affrontare.<\/p>\n<p>&nbsp;<\/p>\n<p><strong>In che direzione si sta muovendo la letteratura scientifica?<br \/>\n<\/strong><\/p>\n<p>Una risposta nella direzione \u201cdella conoscenza\u201d viene dalle cosiddette tecnologie \u201cSemantiche\u201d, che stanno appassionando negli ultimi anni la comunit\u00e0 scientifica e che hanno aperto la strada al cosiddetto \u201cKnowledge based Computer Vision\u201d. Il paradigma cambia: ci si muove infatti da un approccio bottom-up ad un approccio top-down (dall\u2019alto verso il basso), in cui la conoscenza gioca un ruolo fondamentale al fine migliorare le decisioni prese dai tradizionali approcci basati (bottom up) su pixel. Per chiarire meglio il concetto, facciamo un esempio in un dominio applicativo leggermente differente, ma su cui risulta pi\u00f9 semplice fare questo tipo di ragionamenti: quello del riconoscimento dei caratteri. Per anni (o forse per decenni) gli scienziati si sono concentrati sul riconoscimento di un singolo carattere e sul miglioramento degli approcci in tale direzione: trovare la migliore rappresentazione possibile di quel carattere, piuttosto che il miglior paradigma di classificazione per risolvere quello specifico problema. Ma sapete qual \u00e8 stata la vera svolta? Il momento in cui gli scienziati hanno deciso di utilizzare la conoscenza sul contesto.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium wp-image-7711 aligncenter\" src=\"http:\/\/aitech.vision\/wp-content\/uploads\/2017\/09\/fig1-300x178.png\" alt=\"\" width=\"300\" height=\"178\" srcset=\"https:\/\/www.aitech.vision\/wp-content\/uploads\/2017\/09\/fig1-300x178.png 300w, https:\/\/www.aitech.vision\/wp-content\/uploads\/2017\/09\/fig1.png 399w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/p>\n<p style=\"text-align: center;\"><em>Figura 1 &#8211; L\u2019utilizzo della semantica nel riconoscimento dei caratteri<\/em><\/p>\n<p>Piuttosto che riconoscere il singolo carattere, ci si \u00e8 lasciati infatti aiutare dalla parola a cui tale carattere apparteneva (e cio\u00e8 dal contesto). Un esempio \u00e8 riportato in figura: la frase \u201cThe vision of the future. Now\u201d, scritta a mano, viene riconosciuta come \u201cThe vision af the futuie. Nouu\u201d: il carattere \u201cO\u201d viene erroneamente riconosciuto come \u201cA\u201d ecc. Ma tali parole esistono nel vocabolario che stiano considerando (ossia nel nostro contesto)? No! Ed \u00e8 grazie a questa ulteriore informazione (il contesto, e quindi la conoscenza) che riusciamo a riconoscere correttamente la frase \u201cThe vision of the future. Now\u201d (<strong>figura 1<\/strong>). Insomma, approcci bottom-up che si uniscono a quelli top-down. E\u2019 stato proprio questo il momento storico in cui i sistemi per il riconoscimento di caratteri hanno subito un notevole incremento delle prestazioni. Ed \u00e8 proprio questa la molla che sta spingendo la comunit\u00e0 scientifica, cos\u00ec come le aziende pi\u00f9 innovative che operano nel settore, ad esplorare il contesto anche nel mondo della visione artificiale. Un esempio? I sistemi anTintrusione di A.I. Tech, AI-Intrusion oppure AI-IntrusionPRO (www.aitech.vision\/ai-intrusion), che sfruttano la conoscenza sull\u2019ambiente e sul contesto per migliorare le prestazioni dei tradizionali sistemi di analisi video per l\u2019antintrusione. Provare per credere.<\/p>\n<p>&nbsp;<\/p>\n<hr \/>\n<p>L&#8217;articolo originale \u00e8 su A&amp;S Italy nel numero di Agosto 2017, al seguente <a href=\"http:\/\/asitaly.ethosmedia.it\/ASItaly_n046-Ago-2017.pdf\" target=\"_blank\" rel=\"noopener noreferrer\">link<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Nel 2014 si dice che il numero di telecamere di sicurezza installate in giro per il mondo si aggirasse intorno ai 245 milioni di unit\u00e0 (praticamente una telecamera per meno di 30 persone), con 413 petabytes di dati raccolti ogni giorno. Questa era la pi\u00f9 grande produzione di big data disponibile nel mondo. Ad oggi,&#8230;<\/p>\n","protected":false},"author":24,"featured_media":7703,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[50],"tags":[],"class_list":["post-7708","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-pils"],"_links":{"self":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/7708","targetHints":{"allow":["GET"]}}],"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\/24"}],"replies":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/comments?post=7708"}],"version-history":[{"count":6,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/7708\/revisions"}],"predecessor-version":[{"id":7715,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/7708\/revisions\/7715"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/media\/7703"}],"wp:attachment":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/media?parent=7708"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/categories?post=7708"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/tags?post=7708"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}