Lo scopo di questa pillola di video analisi è 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.
A cosa serve?
Un 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 può 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.
Dove risiede?
La maggior parte delle telecamera digitali IP hanno un algoritmo di motion detection che può essere opportunamente configurato per asservire agli scopi prefissati nel migliore dei modi. Si può configurare la sensibilità alla generazione dell’allarme, gli indirizzi a cui notificare eventuali allarmi.
Come funziona?
Attualmente 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 è 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 sensibilità (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 è desunto dal fatto che ci sono state variazioni di valori di pixel in quantità tale da presumere che ci sia stato un cambiamento. Insomma si tratta di un algoritmo cieco!
Che problemi crea?
Il 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 parità di dimensione crea una differenza complessiva molto più alta di un soggetto che veste di grigio. Potrebbe quindi accadere che l’algoritmo non genera un allarme (Falso Negativo) quando il soggetto è più piccolo di quello ipotizzato o quando il suo colore è poco diverso dallo sfondo. Il problema più grave è quello relativo alla presenza di molti Falsi Positivi. Se si verifica un cambio di luminosità cambiano di conseguenza e contemporaneamente tutti i pixel, anche se non è presente alcun soggetto nella scena. Il fatto che tutti i pixel cambino valore, sebbene non di tantissimo, è tale che la differenza sia grande, tale cioè da superare la soglia di allarme. Un esempio è mostrato in Figura 2.
Conclusioni
E’ evidente che un algoritmo di motion detection effettua un’analisi dell’immagine e quindi può considerarsi sul piano teorico un algoritmo di video analisi, ma la semplicità dell’elaborazioni effettuate lo colloca, senza dubbio, al di fuori della categoria dei sistemi di video analisi intelligente. La sua natura fa sì che l’impiego consigliato non sia quello relativo alla generazione di allarmi, in quanto se ne otterrebbe una scarsa affidabilità in relazione alla generazione di molti falsi positivi; per queste esigenze è 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 più efficace del motion detection è quello di comandare la registrazione: basandosi sull’evidenza che è 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 stabilità. In questo caso l’effetto della generazione erronea di una variazione (generata ad esempio ad un cambio di luminosità) ha un effetto trascurabile, quello di aver avviato inutilmente una registrazione per pochi secondi.
 |
 |
| Figura 1: 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. | |
 |
 |
| Figura 2: La telecamera in modalità night. Una persona, in un piano diverso da quello sorvegliato, accende le luci della scala e chiama l’ascensore. La differenza di luminosità complessiva della scena genera un falso allarme. | |
