{"id":8517,"date":"2018-02-28T17:51:31","date_gmt":"2018-02-28T16:51:31","guid":{"rendered":"https:\/\/www.aitech.vision\/?p=8517"},"modified":"2018-02-28T18:03:35","modified_gmt":"2018-02-28T17:03:35","slug":"dal-video-allaudio-audio-sorveglianza-intelligente","status":"publish","type":"post","link":"https:\/\/www.aitech.vision\/it\/2018\/02\/28\/dal-video-allaudio-audio-sorveglianza-intelligente\/","title":{"rendered":"Dal video all\u2019audio: audio sorveglianza intelligente"},"content":{"rendered":"

Una violenza in un bagno pubblico; una telecamera di sorveglianza installata all\u2019interno del bagno; un algoritmo di analisi video che elabora la sequenza di immagini e rileva in modo automatico l\u2019evento di interesse (la violenza, nel caso specifico); una sirena che suona e le forze dell\u2019ordine addette alla sicurezza che intervengono prontamente. Scienza o Fantascienza?\u00a0 Molto probabilmente fantascienza, se non altro perch\u00e9 per motivi di privacy non \u00e8 consentito di installare all\u2019interno di un bagno alcuna telecamera di sorveglianza. Ma non solo. Perch\u00e9, pur potendo, significherebbe installare una camera in ciascun bagno. E potrebbe essere tutt\u2019altro che banale realizzare un algoritmo di analisi video capace di elaborare in modo automatico le immagini (magari indipendentemente dal posizionamento della telecamera) per il rilevamento di un evento di questo tipo. In questo contesto, quale altra soluzione tecnologica ci viene incontro? Scopriamolo insieme.<\/span><\/em><\/p>\n

 <\/p>\n

Per anni quando si \u00e8 parlato di analisi audio si \u00e8 pensato a problemi quali lo speech recognition o lo speaker identifcation. Ma forse in meno sono a conoscenza del fatto che l\u2019audio analisi pu\u00f2 significare molto altro. Pu\u00f2 infatti significare analizzare in modo automatico il \ufb02usso audio acquisito da un microfono, identificando eventi di interesse, ad esempio legati al mondo della sorveglianza: spari, vetri rotti, o ancora urla.
\nEventi di questo tipo, evidentemente, sono tutt\u2019altro che semplici da rilevare da un algoritmo che deve analizzare le immagini acquisite da una telecamera. Sono meno difficili, invece, da rilevare analizzando il \ufb02usso audio. Analisi audio che non deve quindi essere considerata solo in contrapposizione con l\u2019analisi video, ossia che non deve essere considerata solo una alternativa all\u2019analisi video, per quegli ambienti in cui la camera magari non pu\u00f2 essere installata. Questa infatti pu\u00f2 essere considerata una sorta di add-on alla pi\u00f9 tradizionale analisi video. In questa direzione si sono spinti alcuni camera manifacturer, che hanno deciso di investire in questa direzione aggiungendo alle pi\u00f9 tradizionali funzionalit\u00e0 di analisi video di
\nbase anche l\u2019analisi audio.<\/p>\n

 <\/p>\n

 <\/p>\n

ANALISI AUDIO<\/strong><\/p>\n

Vi ricordate la differenza tra motion detection (che molti ancora oggi confondono con analisi video) e analisi video intelligente, di cui abbiamo discusso in altri numeri di a&s Italy? Bene, possiamo dire che oggi lo stesso accade nell\u2019analisi audio. Anche in questo caso, infatti, l\u2019elaborazione automatica del segnale pu\u00f2 avvenire a differenti \u201clivelli\u201d, pi\u00f9 o meno \u201cpregiati\u201d. Il pi\u00f9 semplice, ma anche meno efficace (quello che potremmo in qualche modo considerare l\u2019equivalente del motion detection nel settore video), \u00e8 una semplice soglia sul \u201cvolume\u201d. Se il volume supera un determinato valore soglia (scelto dall\u2019operatore umano durante una preliminare fase di configurazione), allora il sistema genera un allarme. Un po\u2019 come dire: se ci sono troppi pixel \u201cin movimento\u201d, la cui differenza rispetto al fotogramma precedente \u00e8 \u00a0superiore ad una certa soglia (espressa in valore assoluto o in percentuale rispetto all\u2019occupazione di una area), allora il sistema genera un allarme.<\/p>\n

Perch\u00e9 questo meccanismo non funziona (o quantomeno funziona male)?<\/p>\n

 <\/p>\n

 <\/p>\n

PROBLEMATICHE<\/strong><\/p>\n

Per due motivi principali. Il primo: non tutti gli eventi audio \u201csopra-soglia\u201d corrispondono necessariamente a eventi di interesse. Si pensi, ad esempio, alla possibilit\u00e0 di effettuare una analisi audio di questo tipo all\u2019interno di una stazione. Ciascun treno in transito o in frenata finirebbe per generare un allarme. O meglio, almeno un allarme. Ovviamente si tratterebbe di allarmi non di interesse ai fini della sicurezza. Esattamente ci\u00f2 che succede ai sistemi di motion detection quando si verifica una improvvisa variazione di illuminazione.
\nSecondo motivo: il volume non pu\u00f2 essere una propriet\u00e0 \u201cdistintiva\u201d. Questo dipende dal fatto che il volume dipende dalla distanza a cui ci posizioniamo rispetto alla sorgente (ossia dall\u2019oggetto che genera il suono). Il volume che un essere umano percepisce, infatti, \u00e8 tanto maggiore quanto minore \u00e8 la distanza dalla sorgente. Uno sparo a un metro di distanza ci sembra molto pi\u00f9 \u201cforte\u201d che lo stesso sparo (quindi con la stessa intensit\u00e0) a cento metri di distanza. A questo si aggiunge il fatto che all\u2019evento di interesse possono \u201csommarsi\u201d altri eventi di non interesse, il cosiddetto rumore di fondo: un evento che parte dalla sorgente (lo sparo di una pistola, ad esempio) pu\u00f2 combinarsi con gli altri suoni presenti nell\u2019ambiente, fino ad arrivare al dispositivo di acquisizione (il nostro orecchio, o magari un microfono). E un sistema automatico deve essere in grado di distinguere questi differenti contributi, anche se si sono aggiunti a distanze differenti e in istanti temporali differenti. Un po\u2019 come rilevare la presenza di un intruso che entra nella scena e si nasconde (anche se parzialmente) dietro un albero.<\/p>\n

 <\/p>\n

 <\/p>\n

PROPRIET\u00c0 DISTINTIVE DEL SUONO<\/strong><\/p>\n

Pertanto, al fine di identificare eventi audio di interesse, gli algoritmi di analisi audio si basano su propriet\u00e0 distintive del suono, alcune caratteristiche salienti tali da distinguere (anche a differenti distanze) le varie tipologie di classi di interesse. Cos\u00ec come accade per l\u2019analisi delle immagini (l\u2019avevamo scoperto con l\u2019analisi dei volti in a&s Italy n. 45\/2017), tali caratteristiche sono utilizzate da un software intelligente di Machine Learning, in grado di apprendere automaticamente attraverso una serie di
\ncampioni di esempio (ossia una serie di suoni di urla, spari, vetri rotti ad esempio). Software intelligente poich\u00e9 non \u00e8 l\u2019esperto a codificare le regole (e non \u00e8 neanche l\u2019operatore umano a scegliere le soglie sul volume), bens\u00ec \u00e8 il sistema ad apprenderle automaticamente grazie a dei campioni di esempio di audio di interesse.
\nUn altro esempio di come le tecnologie di Machine Learning possono supportare l\u2019operatore nel compito delicato (e a tratti noioso) di monitorare ambienti sensibili.<\/p>\n

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

Una violenza in un bagno pubblico; una telecamera di sorveglianza installata all\u2019interno del bagno; un algoritmo di analisi video che elabora la sequenza di immagini e rileva in modo automatico l\u2019evento di interesse (la violenza, nel caso specifico); una sirena che suona e le forze dell\u2019ordine addette alla sicurezza che intervengono prontamente. Scienza o Fantascienza?\u00a0…<\/p>\n","protected":false},"author":1,"featured_media":8521,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[65],"tags":[],"_links":{"self":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/8517"}],"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\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/comments?post=8517"}],"version-history":[{"count":6,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/8517\/revisions"}],"predecessor-version":[{"id":8525,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/posts\/8517\/revisions\/8525"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/media\/8521"}],"wp:attachment":[{"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/media?parent=8517"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/categories?post=8517"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.aitech.vision\/it\/wp-json\/wp\/v2\/tags?post=8517"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}