Video-analisi: diffidate dalle imitazioni!

Il modulo Vtrack Intrusion consente di segnalare in tempo reale l’intrusione all’interno di aree virtuali o l’attraversamento di linee o perimetri virtuali
Il modulo Vtrack Intrusion consente di segnalare in tempo reale l’intrusione all’interno di aree virtuali o l’attraversamento di linee o perimetri virtuali

Fantascienza cinematografica, audaci produttori di sicurezza e un mercato troppo spregiudicato continuano a creare confusione e a illudere gli utenti finali, dando origine a improbabili aspettative che, nella maggior parte dei casi, vengono puntualmente deluse. In quanti possono affermare di conoscere la differenza tra videoanalisi e motion detection? Quali sono le caratteristiche alla base delle due tecnologie? Cosa si può realmente arrivare ad ottenere, oggi, tramite l’utilizzo di un sistema di video analisi?

 

Manca uno standard di valutazione

Possiamo paragonare l’evoluzione della video analisi a quella dei computer della metà degli anni 80: il loro valore funzionale, al tempo, era enorme rispetto alle tecnologie esistenti, ma naturalmente da essi non ci si poteva, né ci si doveva, aspettare prestazioni e funzionalità paragonabili a quelle dei pc odierni. La differenza è invece, per rimanere nella metafora, che nel mercato della video analisi c’è chi vende il ‘commodore64’ come il più evoluto mainframe di ultima generazione. A peggiorare la situazione, inoltre, c’è il fatto che manca uno standard riconosciuto per la misura delle prestazioni di un modulo di videoanalisi: ognuno può scrivere quel che vuole. Non esistendo una scala di valutazione, quindi, diventa difficile posizionare la bontà di un prodotto e si corre il rischio di trovarsi di fronte a numeri completamente inventati e percentuali di prestazioni che non rispettano la validità del sistema, che portano a confondere la realtà con la fantasia, il motion detection, che semplicemente è uno tra le decine di algoritmi base che costituiscono il robusto modulo di video analisi, con la video analisi stessa, la quale può assumere un enorme valore, soprattutto se applicata nei giusti contesti.

 

Quando fidarsi e a chi credere?

Come riconoscere, quindi, chi spaccia il motion detection per video analisi? La prima regola è quella di diffidare da chi millanta fantascienza; è quindi necessario leggere in modo scrupoloso e attento le varie caratteristiche dei prodotti; infine, è sempre bene affidarsi a chi può dimostrare di disporre, avendo investito anni di ricerca nel campo dell’intelligenza di ambiente, della necessaria competenza e di una conoscenza approfondita della materia. Mai dimenticarsi di queste tre regole! Le funzioni matematiche che vengono utilizzate nella vera video analisi sono molto più complesse rispetto a una semplice disuguaglianza di immagini. 6-8 flussi in risoluzione CIF a 10-12 frame per secondo con un processore da 2,8-3 GHz: questo è l’onere computazionale corretto di un buon algoritmo di vera video analisi. Diffidate sempre da chi propone algoritmi rapidissimi in grado di processare decine di flussi ad alta risoluzione con poca CPU, così come da chi dichiara di essere molto più veloce: evidentemente fa pochi conti e non mette in campo la vera video analisi. “La video analisi può apportare un valore aggiunto rilevante al mondo retail tramite, ad esempio, l’analisi dei flussi e dei comportamenti dei clienti (business intelligence), per intraprendere idonee iniziative di marketing e aumentare l’efficacia delle promozioni, o, ancora, attraverso la raccolta dei dati relativi al flusso dei consumatori, la verifica del rapporto tra le presenze e le vendite, l’impatto di una campagna promozionale o il miglior posizionamento di un prodotto all’interno del negozio. Può inoltre determinare l’ottimizzazione delle attività di vendita, grazie all’aumento dell’efficienza del personale e delle strutture, oltre che una riduzione dei costi di gestione e una diminuzione significativa delle perdite; questo migliorando, ad esempio, la dislocazione del personale, gli orari di apertura e chiusura dei negozi e la gestione dell’apertura e chiusura delle casse. Non è infine trascurabile il fattore sicurezza: la video analisi garantisce una migliore protezione dei dipendenti e delle strutture da effrazioni, furti, atti vandalici, aggressioni, manomissione di apparati e anche dal sovraffollamento”. (Simone De Titta, Amministratore delegato Technoaware).

Motion detection: rilevare ciò che si muove

Il motion detection è una tecnologia che nasce con l’obiettivo di fare compressione di flussi video, non comprensione di ambiente. Il suo meccanismo di base si fonda generalmente sul confronto di pixel in immagini consecutive e/o con un’immagine considerata di sfondo di riferimento; solo i pixel modificati nell’immagine visualizzata, rispetto alla precedente, vengono trasmessi, mentre per gli altri è sufficiente inviare l’indicazione che non sono variati, con la conseguente riduzione dei dati da riportare e senza il rischio di perdere la qualità dell’informazione. È quindi corretto dire che il motion detection rileva un cambiamento nel momento in cui una persona fa il suo ingresso in una scena, perché in essa cambiano i pixel relativi all’immagine che funge da sfondo. Ma quando ci si trova in ambienti esterni, con pioggia, neve, vento, alberi, fontane, riflessi di luce e piccoli animali, tutti i movimenti insignificanti e non desiderati vengono inevitabilmente rilevati dal motion detection, che si limita a riconoscere le sole differenze a livello di pixel provocando centinaia di falsi allarmi.

 

Video analisi: rilevare i movimenti anomali

La video analisi si basa su un approccio scientifico completamente diverso da quello del motion detection, perché l’obiettivo a cui aspira è molto più complesso: comprendere il contenuto dinamico di una scena. Infatti non basta sapere se un pixel è cambiato per capire il contenuto di una scena, ma occorre studiare frame per frame come è cambiato e quali sono stati la sua dinamica e il suo comportamento nel tempo. La video analisi esamina in modo costante il comportamento di ogni singolo pixel e individua modelli matematici dinamici in grado di approssimare, fotogramma per fotogramma, quel dato comportamento. Non ha importanza, dunque, rilevare ciò che si muove, ma rilevare ciò che si muove in modo anomalo rispetto all’abituale comportamento atteso. Si tratta di funzioni matematiche molto articolate, in grado di approssimare anche le dinamiche più complesse, proprio come quelle presenti in ambienti esterni. Si parla quindi di algoritmi basati su Self Learning Background Modelling, ovvero metodi in grado di osservare e imparare in continuo, frame per frame, il comportamento della scena e di adattarsi dinamicamente al suo variare, percependo le alterazioni anomale. (Gianluca Algeri, Direttore generale FGS, BS. Ha collaborato Laura Turrini).

 

Immagine di una hot zone: visualizzazione su immagine e su mappa grafica delle aree con maggior presenza di persone in un determinato intervallo di tempo
Immagine di una hot zone: visualizzazione su immagine e su mappa grafica delle aree con maggior presenza di persone in un determinato intervallo di tempo

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here