Una macchina che sfreccia a velocità eccessiva ignorando i limiti di velocità, un’altra che imbocca l’autostrada contromano minacciando l’incolumità degli altri veicoli o che effettua un’inversione ad U in prossimità di una curva pericolosa, o ancora un incendio che divampa internamente a una galleria. Quanto la tecnologia può favorire la prevenzione di catastrofi come queste? Si pensi a una telecamera che inquadra la scena e a un sistema computerizzato che analizza i video in tempo reale, identifica le situazioni di pericolo e lancia un allarme allertando le autorità competenti per un immediato intervento. No, non è fantascienza! È “solo” la video analisi al servizio della sicurezza e del monitoraggio del traffico, ciò che in A.I. Tech piace definire “La visione del Futuro. Oggi”.
Abituati agli scenari delle più recenti serie televisive di genere investigativo, come CSI, ci sembra che tutto questo sia banale, che una soluzione completa al problema della sicurezza cittadina sia già disponibile, che i sistemi di video analisi possano riuscire in qualsiasi cosa semplicemente e con la massima accuratezza. È senz’altro vero che la video analisi può fare quanto citato e molto altro ancora, ma le soluzioni di mercato sono realizzate da pochissime aziende nella maggior parte dei casi estremamente specializzate, connesse al mondo della ricerca universitaria, il solo ambito che può fornire le competenze scientifiche necessarie a realizzare i sofisticati algoritmi alla base di suddetti sistemi; tra queste, gli spin-off universitari, che includono docenti universitari nella maggioranza della compagine sociale, così da realizzare sinergie inimmaginabili tra ricerca scientifica e progettazione di prodotti avanzati.
E tornando alla video analisi, tale tecnologia, oltre che sulla sicurezza, può avere un significativo impatto anche sul monitoraggio e sulla caratterizzazione del traffico, mediante l’acquisizione dei dati ottenuti dall’elaborazione dei filmati acquisiti dalle telecamere. La sua adozione permette di conseguire una notevole riduzione dei costi di manutenzione, un incremento della flessibilità e una semplificazione dell’infrastruttura tecnologica della soluzione, non richiedendo alcun tipo di sensore aggiuntivo.
Il conteggio del numero dei veicoli, eventualmente distinti per tipologia (auto, motocicli, camion etc), la stima della densità del traffico, lo stato dei posti liberi e occupati nei parcheggi sono alcuni semplici esempi che, sommati a quelli in precedenza citati, offrono maggiore consapevolezza delle innumerevoli potenzialità della video analisi nel settore delle applicazioni di sicurezza in ambito cittadino.
E ora, confidando nella curiosità per tali soluzioni intelligenti e nel desiderio di carpirne tutte le potenzialità in vari contesti applicativi, non ci resta che proporvi una possibile classificazione delle funzionalità dei sistemi per il monitoraggio del traffico basati su analisi video.
Verifica delle anomalie: una parte fondamentale di un buon sistema per il monitoraggio del traffico riguarda il rilevamento di anomalie: marcia in senso vietato, inversioni a U, eccessi di velocità sono, come anticipato all’inizio di questa pillola, i principali esempi di irregolarità che un sistema di monitoraggio del traffico deve riconoscere, per i quali gli algoritmi avanzati di visione artificiale, se utilizzati da soli, non sono sufficienti. Difatti, il sistema deve essere in grado di “apprendere”, attraverso tecniche di Machine Learning, i comportamenti tipici in una particolare strada attraverso l’analisi di un certo numero di esempi e di valutare, in conseguenza, se e quanto il comportamento di un veicolo (traiettoria) sia simile a uno di quelli consentiti, in precedenza appresi. Se la somiglianza non è sufficientemente elevata, allora il comportamento associato al veicolo è considerato anomalo.
Rilevamento di incendi: il limite più grande degli attuali sistemi hardware antifumo risiede nel loro raggio d’azione. Un singolo sensore, sebbene altamente affidabile, non è in grado di effettuare il riconoscimento di un incendio se non a distanza di pochi metri; inoltre in presenza di un allarme non consente di fornire un’evidenza visuale a un operatore umano, cosicché possa verificare in remoto cosa stia realmente accadendo. Al contrario, la video analisi permette non solo notevolissimi risparmi, rendendo possibile con un’unica telecamera il controllo di aree estese fino a diverse centinaia di metri, ma anche di identificare fumo e fiamme combinando in modo intelligente informazioni basate sul colore e sul movimento delle due tipologie di fenomeno, riducendo drasticamente i falsi positivi. Ne è un esempio AI-Fire, uno dei più promettenti prodotti di A.I. Tech, che vi invitiamo ad approfondire e eventualmente a provare!
Conteggio dei veicoli: l’Idea alla base non è molto diversa dalle spire hardware che vengono annegate nell’asfalto e che, sfruttando il principio di induzione magnetica, sono in grado di verificare il transito di veicoli. Peccato però che tali spire non siano in grado di classificare i veicoli o stimarne la velocità (a meno di usare quelle multiple) e che un’eventuale necessità di spostamento del punto in cui si desidera effettuare il rilevamento abbia dei costi esageratamente elevati: un lavoro di ristrutturazione della strada contro un click del mouse, migliaia di euro contro pochi secondi di configurazione. Ma come funzionano i sistemi di conteggio basati sulla video analisi? L’utente disegna una o più spire virtuali, di forma quadrangolare come quella mostrata in figura 1, a ognuna delle quali è associata una direzione; se un veicolo attraversa quella regione, il sistema incrementa il conteggio. Non credi sia possibile? Prova AI-Road!
Rilevamento targhe: le multe sono lo spauracchio di molti guidatori. Ma non si pensi che per l’operatore addetto al controllo il compito sia particolarmente gratificante: visionare ore e ore di filmati, su autostrade o zone a traffico limitato, mettere in pausa il filmato quando transita un veicolo e leggerne la targa. Perché non farlo fare quindi ad un sistema intelligente, addestrato utilizzando i più avanzati algoritmi di visione artificiale? È proprio questo il compito dei sistemi di rilevamento targhe: non appena viene rilevata l’infrazione (ovviamente in maniera automatica!), il sistema utilizza informazioni di tipo geometrico (ad esempio il posizionamento delle targhe rispetto al veicolo in movimento) per localizzare la posizione della targa e tecniche avanzate di riconoscimento di caratteri per identificarla.
L’integrazione dei dati: ora che abbiamo analizzato, senza pretesa di completezza, i vari ambiti applicativi, come facciamo a metterli a fattore comune, sfruttando la potenzialità dell’integrazione dei dati? Sembra una domanda teorica, di principio, ma un sistema di monitoraggio del traffico che si rispetti deve necessariamente essere dotato di funzioni di aggregazione di dati, di un cruscotto informativo che permette di avere a portata di mano tutte le informazioni provenienti dalla molteplicità dei diversi sensori “visuali”, ossia dai differenti applicativi di cui abbiamo parlato. Il motivo? La possibilità di rispondere alle seguenti domande: quanti veicoli sono presenti in media ogni giorno nel parcheggio? Quanti veicoli sono attualmente presenti nel parcheggio o nel centro storico? Quante macchine e quanti camion entrano sull’autostrada attraversando una barriera? Quanto varia la lunghezza di una coda in prossimità delle diramazioni di un incrocio semaforizzato se si modifica la sua temporizzazione? Queste e molte altre sono le domande a cui AI-Glance può rispondere, come si evince dalla schermata mostrata in figura 2.
A questo punto, non vi resta che scegliere la soluzione più adatta, tra quelle sopra menzionate, e provare!
Figura 1: Due spire virtuali (una rossa e una blu, con differenti versi di percorrenza) disegnate dall’utente per il conteggio di veicoli: non appena un veicolo attraversa una spira nella giusta direzione, il contatore associato viene incrementato.
Figura 2: Un esempio di cruscotto interattivo con cui l’utente può tenere tutto a portata di mano: AI-Glance! Questo permette di visualizzare su una mappa una serie di informazioni relative al numero di veicoli che entrano e escono dal territorio monitorato (nell’esempio un parcheggio), combinando opportunamente le informazioni provenienti dai diversi sensori.
