Videosorveglianza, come sta cambiando con AI e Deep learning

La video analytics, ovvero l’osservazione e l’analisi di eventi, luoghi e persone tramite la verifica delle immagini raccolte dalle videocamere, si va sempre più affermando. La gamma di potenziali applicazioni è ampia e va oltre la sorveglianza e la prevenzione della criminalità, estendendosi alla gestione del traffico nelle smart city o a fornire allerta anticipata di calamità naturali

Pubblicato il 30 Ago 2022

Davide Villa

Director Business Development EMEAI, Western Digital

video analytics

È sempre più frequente l’utilizzo dell’analisi video intelligente (video analytics); oltre a essere fondamentale nell’ambito della sicurezza e della sorveglianza, come è evidente, i sistemi video intelligenti stanno iniziando a svolgere un ruolo sempre più importante anche in settori come la sanità, il monitoraggio ambientale, il controllo del traffico e più in generale nei sistemi delle cosiddette “città intelligenti”. Sono indubbiamente tante e complesse le sfide che si pongono nella scelta della tecnologia necessaria: le soluzioni devono far fronte al posizionamento in luoghi insoliti, fattori di forma, sbalzi di temperatura e ingenti volumi di dati, lavorando senza soluzione di continuità, sempre in modo affidabile e rapido.

Le applicazioni della video analytics

Negli ultimi anni si è rapidamente affermata la video analytics, ovvero l’osservazione e l’analisi di eventi, luoghi e persone tramite la verifica delle immagini raccolte dalle videocamere. Uno dei motivi principali è l’enorme progresso nei campi dell’intelligenza artificiale (AI) e del deep learning (DL). Il crescente utilizzo di tecnologie “smart” consente di automatizzare e velocizzare l’analisi dei dati. Le soluzioni di intelligenza artificiale possono infatti analizzare i video in tempo reale e dare risposte, se necessario. Al loro meglio, possono aiutare le persone a distinguere dettagli che rimarrebbero nascosti anche a un occhio umano molto allenato.

La gamma di potenziali applicazioni della video analytics è ampia e va ben oltre la sorveglianza e la prevenzione della criminalità. I sistemi di telecamere intelligenti possono, per esempio, rivoluzionare la gestione del traffico nelle smart city o fornire allerta anticipata di calamità naturali.

video analytics

Traffico intelligente e maggiore sicurezza nelle città intelligenti

Le soluzioni video intelligenti possono svolgere diverse funzioni di pubblica sicurezza. Una delle aree più importanti su cui si stanno attualmente concentrando la ricerca e lo sviluppo è il controllo del traffico. Le videocamere intelligenti non sono solo in grado di misurare e analizzare il passaggio dei veicoli nelle strade più percorse, ma possono anche prendere decisioni in modo autonomo e quindi regolare il flusso del traffico stesso. Un esempio sono i semafori intelligenti che monitorano gli incroci ad alto traffico e cambiano il segnale a seconda della situazione. Se nessun veicolo è nelle vicinanze, il semaforo pedonale passa al verde, aumentando la sicurezza per tutti gli utenti della strada. Allo stesso tempo, si riducono gli ingorghi e quindi l’inquinamento dovuto ai gas di scarico delle auto.

Il coordinamento di parcheggi o flotte di veicoli intelligenti, compresi i trasporti pubblici, è possibile anche con la tecnologia delle telecamere supportata dall’intelligenza artificiale.

Altri scenari applicativi riguardano il monitoraggio della sicurezza di luoghi pubblici e negozi. Le telecamere intelligenti possono identificare i movimenti sospetti e aiutare a prevenire reati, come il furto, o aiutare a risolverli più rapidamente.

Protezione contro le calamità naturali

I fenomeni climatici estremi, come la siccità, gli incendi boschivi e le inondazioni stanno diventando sempre più frequenti. Per aiutare a combattere questi eventi, grazie anche alla rilevazione dei punti critici in una fase iniziale, vengono sempre più utilizzate soluzioni di monitoraggio video supportate dall’AI. Tali tecnologie aiutano ad avvisare tempestivamente la popolazione in caso di emergenza e possono anche aiutare a fermare il disastro, o almeno a mitigarne gli effetti. Ad esempio, diverse iniziative stanno sperimentando l’utilizzo di reti di telecamere su larga scala che monitorano da vicino le aree soggette a incendi, raccolgono dati in maniera estesa e analizzano i pericoli in tempo reale. Il tempismo è fondamentale, in questi casi: solo se i focolai vengono rilevati immediatamente, esiste una possibilità realistica di impedirne la diffusione. In questo modo, gli incendi devastanti in Versilia e sul Carso, per fare degli esempi attuali e tragedie come il distacco del seracco di ghiaccio della Marmolada, avrebbero potuto essere controllati più rapidamente.

video analytics

Video analytics in transizione

Indipendentemente dallo scopo per cui vengono programmati, i sistemi di videosorveglianza raccolgono grandi quantità di dati. L’utilizzo standard prevedeva l’impiego solo di una parte di queste informazioni: compatibilmente con le politiche di sicurezza; tuttavia, il materiale raccolto era di fatto utilizzato solo quando si verificava un’emergenza. Con il passaggio alla smart video analytics, l’approccio cambia radicalmente. Oggi vengono conservate molte più informazioni, di solito con una risoluzione più alta, permettendo il processo di apprendimento automatico e conseguentemente rendendo i sistemi sempre più intelligenti.

L’uso dell’intelligenza artificiale non solo crea nuove sfide per l’elaborazione dei dati e quindi per GPU e CPU. Anche l’archiviazione dei dati nei data center – che avvenga sui formati HDD o flash – deve soddisfare i nuovi requisiti. Le soluzioni Smart Video si confrontano costantemente con un’enormità di dati spesso non strutturati provenienti da varie fonti, che devono essere archiviati, strutturati e analizzati rapidamente, senza incorrere in colli di bottiglia in termini di capacità di archiviazione e prestazioni.

La formazione dell’intelligenza artificiale richiede anche enormi quantità di informazioni da leggere e valutare ripetutamente. Migliore è l’addestramento di una rete neurale, maggiore sarà la precisione e l’affidabilità delle funzioni dell’AI. Per far fronte a questi requisiti, i prodotti di archiviazione utilizzati nel data center devono avere prestazioni di “lettura” e “scrittura” sequenziale e casuale molto elevate. Inoltre, i prodotti scelti dovrebbero offrire un’ampia larghezza di banda in scrittura, bassa latenza, basso consumo energetico, il tutto rispettando i limiti imposti dal budget.

Conclusioni

In sintesi, il potenziale delle soluzioni di sorveglianza basate sull’intelligenza artificiale è enorme in molte aree di applicazione, e può avere risvolti importanti in ambito sociale. Le tecnologie video intelligenti forniscono sicurezza e sono in grado, se ben utilizzate, di rendere le città più vivibili e di conseguenza migliorando la qualità della vita. Lo sviluppo di queste tecnologie è, però, tutt’altro che completo. Problemi globali come il cambiamento climatico e la crescente urbanizzazione aumentano costantemente la necessità di nuove applicazioni per affrontarli. Allo stesso tempo, l’intelligenza artificiale e l’apprendimento automatico si stanno sviluppando sempre più velocemente e rendono la videosorveglianza ancora più efficiente. È fondamentale che le tecnologie di archiviazione dati, che si tratti di HDD o SSD, di edge computing o di data center, siano costantemente sviluppate e ottimizzate per tali applicazioni.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 4