In questa pillola di video analisi discuteremo di alcuni interessanti ambiti applicativi ove negli ultimi anni la video analisi intelligente sta ricevendo dei riscontri molto positivi. Ci riferiamo in particolare all’estrazione di dati da flussi video a supporto della Business Intelligence. Con quest’ultima locuzione si fa solitamente riferimento all’insieme di processi adottati nello sviluppo di un’attività produttiva per raccogliere dati ed analizzare informazioni strategiche, con l’obiettivo, da una parte, di analizzare la storia passata, al fine di comprendere gli elementi che hanno determinato le performance conseguite, e, dall’altra parte, di stimare le prestazioni future del business, attraverso analisi di serie storiche e/o mediante simulazione di diversi scenari.
Per comprendere come la video analisi possa costituire uno straordinario strumento a supporto della Business Intelligence faremo riferimento al settore Retail che è indiscutibilmente l’ambito applicativo ove gli algoritmi di video analisi intelligente per la Business Intelligence oggi riescono a trovare la più ampia penetrazione. In tale settore, oltre alla ovvia esigenza di impiegare la video sorveglianza intelligente per la protezione di beni e persone, l’analisi video è largamente impiegata per estrarre informazioni relative al comportamento degli utenti di un punto vendita. Cerchiamo quindi di capire quali sono le funzioni di analisi generalmente usate per ottenere le suddette informazioni.
People counting: con questo termine si fa riferimento alla funzione di analisi video che consente di contare il numero di persone che attraversano un varco mediante l’interpretazione di flussi ottenuti da telecamere montate in posizione verticale rispetto al punto di accesso. In pratica la telecamera perde la sua funzione di sorveglianza visiva per divenire, corredata di un software dedicato, un sensore dedicato al conteggio delle persone che attraversano una linea virtuale collocata sul terreno e posta in corrispondenza del varco. In una pillola futura cercheremo di capire come funzionano gli algoritmi di conteggio di persone e delle principali problematiche che essi devono affrontare per fornire un conteggio accurato. In questa sede ci interessa soffermarci solo sul fatto che l’informazione relativa al numero di persone che transitano attraverso i varchi del negozio consente di determinare le statistiche relative all’affluenza di persone, di conoscere in ogni momento il numero di persone presenti all’interno dell’area, monitorando tutti i varchi di accesso, e di stimare in maniera approssimata il tempo di permanenza dei clienti. Tali informazioni sono particolarmente utili nel momento in cui vengono congiunte con i dati relativi alle vendite in quanto forniscono informazioni sulla tipologia di clienti nei diversi periodi del giorno e della settimana e di conseguenza consentono di poter realizzare offerte personalizzate; inoltre permettono di ottimizzare le risorse di personale con una allocazione legata al numero di utenti previsti, di ridurre i costi di esercizio (climatizzazione) e di migliorare il servizio (riduzione o eliminazione delle code alle casse, più addetti alle informazioni, ecc).
Heatmap: traducibile letteralmente in italiano come mappe di calore, con tale termine si fa riferimento alla funzione di analisi video finalizzata a misurare il numero di persone che mediamente nel tempo staziona nelle diverse aree di un esercizio commerciale o di un locale pubblico. Tale misura viene normalmente rappresentata in una forma grafica sovrapponendo all’immagine della scena una gamma di colori che va dal blu al rosso, ove il blu è usato per rappresentare le aree meno frequentate e il rosso per rappresentare quelle più frequentate. Ancora una volta tale informazione risulta di grande importanza per comprendere il comportamento degli utenti: ad esempio, è particolarmente utile in fase di analisi per determinare l’efficacia delle promozioni realizzate e delle modalità di presentazione delle stesse, oppure per stabilire la posizione ove offerte promozionali o lanci di nuovi prodotti possono avere maggiore successo.
Percorsi preferenziali: tale funzione di analisi consente di analizzare la scena e determinare quali sono i percorsi utilizzati maggiormente dalle persone allorquando si muovono all’interno del negozio. Tale informazione, estratta mediante l’impiego di avanzati algoritmi di calcolo delle traiettorie degli oggetti che si muovono all’interno della scena, è generalmente impiegata per analizzare l’esperienza di visita del cliente nell’esercizio commerciale con la possibilità di pianificare la disposizione della merce, il posizionamento di oggetti di arredo per forzare specifici percorsi, al fine di massimizzare la visibilità di alcuni prodotti e promozioni.
Ma l’analisi video non si ferma a questo livello. Si parla sempre più frequentemente di soluzioni intelligenti finalizzate alla estrazione di statistiche a partire dai dati biometrici non identificativi dei clienti determinati automaticamente da applicazioni di analisi video. Alcuni esempi sono l’individuazione del sesso e della razza, nonché la stima della fascia di età. Tali applicazioni trovano impiego nell’ambito dei sistemi di digital signage collocati all’interno di negozi o di colonnine self-service in cui sono installate telecamere (generalmente poco visibili).
Ovviamente per completare il corredo di componenti software necessari all’analisi dei dati, risulta di straordinaria importanza la dashboard, l’applicazione ove tutti questi dati confluiscono e dove sono fruiti attraverso un’interfaccia unificata e di semplice uso. Tali sistemi, quale ad esempio AI-Glance di A.I. Tech, devono dare la possibilità di combinare i dati provenienti dalle diverse funzioni di analisi al fine di creare delle macro di analisi (ad esempio è possibile conoscere quante persone vi sono in una qualsiasi area delimitata da accessi mediante la semplice somma di tutti gli ingressi meno la somma di tutte le uscite), di generare facilmente grafici e report personalizzati, che consentano di inferire a colpo d’occhio (“at a glance”) l’andamento attuale del business e di delineare le prospettive future.
Infine, l’impiego di questi algoritmi sempre più avanzati pone delle evidenti problematiche di privacy che debbono essere assolutamente tenute in conto. Senza voler entrare ora nel dettaglio, in quanto questi aspetti legati alla privacy saranno oggetto di approfondimenti in specifiche pillole future, possiamo anticipare che soluzioni che prevedono l’impiego di algoritmi che siano in grado di girare direttamente sulle telecamere (cosiddetta modalità edge, come ad esempio le applicazioni di A.I. Tech in grado di girare su telecamere Axis) e di procedure di anonimizzazione dei dati e di gestione dei flussi video live e registrati in grado di garantire la sicurezza fisica e logica (AI-Secure di A.I. Tech) costituiscono un requisito essenziale per la realizzazione di un tale impianto in conformità ai dettami delle normative sulla privacy.
Per concludere questa pillola vogliamo soffermarci su un ultimo aspetto: perché la video analisi riscuote un notevole successo in tale ambito, rispetto ai contesti della security & safety di beni e persone per i quali la video analisi si era inizialmente sviluppata? Riteniamo che questo fenomeno sia spiegabile in base alle seguenti due considerazioni: la prima di carattere tecnico, la seconda di carattere economico. In primo luogo, è ben noto che nell’immaginario collettivo degli utenti finali, degli installatori e degli integratori il limite principale che sta frenando l’avanzata della video analisi risiede principalmente nei falsi allarmi e nelle mancate rilevazioni: entra una persona con un carrello attraverso un varco ma vengono conteggiate due persone, o viceversa entrano due persone affiancate ed il sistema ne conta soltanto una. Ebbene, se in un contesto di security & safety un falso allarme ha un costo di gestione non nullo in quanto richiede ad un operatore umano di verificarlo singolarmente, nel caso della Business Intelligence sono tollerabili errori anche oltre il 10 – 15%. Infatti, la direzione di una catena di negozi è interessata a conoscere i trend, quindi a sapere, ad esempio, se in una certa settimana sono entrate 100 persone o 1000 persone; se il sistema fornisce un dato errato stimando 900 persone anziché 1000, tale errore può essere assolutamente accettabile per tale tipologia di impiego, e anzi con il progressivo abbassarsi dei prezzi delle telecamere tali sistemi e l’aumento della affidabilità degli algoritmi di video analisi e la disponibilità di nuove funzioni ci si deve attendere per il futuro un diffusione sempre più pervasiva di tali sistemi.
