Analisi Video AI Deep Learning applicata alla videosorveglianza: nuove opportunità di utilizzo, non solo per applicazioni high-end.

La recente introduzione di una nuova generazione di telecamere con possibilità di analisi video AI Deep Learning integrata rende, di fatto, più semplice e disponibile l’accesso a questa tecnologia.

Diventa quindi interessante capire come questa possa essere di ausilio nell’ operatività quotidiana legata ad un sistema di videosorveglianza.

Alcuni dei termini associati al tema AI Deep Learning, come reti neurali ed apprendimento automatico, potrebbero creare l’impressione che le funzioni associate a questa tecnologia siano sovradimensionate per la maggior parte delle applicazioni di videosorveglianza.

In realtà i benefici sono tangibili sia in termini di efficienza che in termini di semplicità di configurazione e di utilizzo,

Eliminazione dei falsi allarmi

L’elemento piú immediato che consente di cogliere i vantaggi dell’utilizzo di telecamere AI, é legato alla riduzione sostanziale di falsi allarmi. Un tema che é sempre stato a cuore di tutti gli operatori del nostro settore.

Il livello superiore di prestazioni fornito dalle analisi video basate su AI Deep Learning garantisce, da un lato, un grado superiore di Sicurezza con un’accuratezza piú elevata nel rilevare eventi anomali, dall’altro consente agli operatori delle sale di controllo e al personale addetto alla sicurezza una maggiore efficenza operativa.

I vantaggi sono tangibili non solo nell’analisi in tempo reale, ma anche nella riduzione dei tempi di ricerca di informazioni rilevanti sui filmati registrati. Questo grazie alla possibilitá di effettuare ricerche di eventi sulla base di attributi specifici, come fascia di etá e genere della persona, tipologia e colore di indumenti, presenza di occhiali o cappello oppure, estendendo il campo, tipologia, targa e colore di un veicolo.

Deep Learning AI applications

Semplice da configurare e utilizzare

L’elevato livello di analisi video presente nelle telecamere AI, offre anche un altro vantaggio importante legato alla semplicitá di configurazione e di attivazione.

Spesso i parametri impostati di default sulle telecamere sono sufficienti a coprire la maggior parte dei casi di utilizzo, e non é necessario una conoscenza approfondita della tecnologia e del funzionamento degli algoritmi.

Una comprensione piú accurata delle terminologie associate puó, in ogni caso, aiutare meglio a individuare tutte le opportunitá di applicazione.

Iniziamo con il Deep Learning.

Questa tecnologia fa parte di quanto viene definito anche “machine learning” o apprendimento automatico ed è un modo per consentire ad un apparato di apprendere come eseguire una serie di attivitá, grazie ad un numero elevato di esempi.

Per farlo, il Deep Learning usa reti neurali artificiali profonde o multistrato, che sono essenzialmente modelli matematici ispirati al cervello umano. Grazie alla loro composizione, sono particolarmente idonee per lo svoglimento di analisi complesse, come l’identificazione e il riconoscimento con un livello di accuratezza molto elevato di oggetti ed eventi in un filmato.

Ad esempio, per poter stabilire correttamente tipologia, marca e modello di un veicolo, gli ingegneri di R&D di Hanwha Techwin hanno progettato, formato e convalidato una rete di deep learning che, durante la fase di apprendimento ha utilizzato un database di milioni di immagini, ognuno identificata con i parametri del veicolo ripreso. Dopo un periodo di “formazione”, la rete neurale è pronta per essere messa al lavoro e per fornire un’accuratezza del 98% circa, simile a quella fornita dal nostro cervello.

Le tecniche di AI Deep Learning offrono prestazioni di gran lunga superiori rispetto alle analisi video più tradizionali. Le ultime si basano solitamente sul rilevamento dei movimenti e sono pertanto non abbastanza sofisticate per rilevare oggetti statici come veicoli parcheggiati o per ignorare disturbi ambientali come l’inquinamento luminoso di fanali od ombre in movimento, tutte cause di falsi allarmi.

Le prestazioni dell’analisi sono eccellenti sia in ambienti caratterizzati da movimenti rapidi che molto affollati. Ciò consente di migliorare la ricerca di prove e di accelerare le indagini forensi.

L’AI Deep Learning è particolarmente adatto per applicazioni che richiedono un livello di precisione più elevato rispetto a quello offerto dalle analisi video tradizionali. Infatti consente, ad esempio, ai proprietari di punti vendita di acquisire immagini e analizzare dati come l’età e il genere, esaminando in maniera granulare le fasce demografiche della clientela ottenendo una maggiore comprensione dei modelli di comportamento e di acquisto dei clienti.

Bisogna inoltre sottolineare che nell’ultimo anno l’AI Deep Learning ha contribuito in maniera sostanziale a eseguire applicazioni cruciali come il rilevamento di mascherine, la misurazione del distanziamento sociale e il monitoraggio del tasso di occupazione.

Quadro riassuntivo…

L’analisi video AI Deep Learning avanzata, di fatto, apre nuove opportunitá di utilizzo per telecamere di videosorveglianza, grazie alla possibilitá di aumentare il livello di sicurezza degli ambienti, migliorando nel contempo il livello di efficenza delle procedure di controllo, monitoraggio e ricerca informazioni.

Tutti elementi che consentono un ritorno sull’investimento piú rapido e tangibile a fronte di implementazioni di nuovi sistemi che non richiedono attivitá di installazione e configurazione particolarmente onerosi, nè in termini economici, nè in termini di tempo ed utilizzo di risorse.