Nell’era digitale non è difficile imbattersi, praticamente con cadenza quotidiana, in sistemi di videosorveglianza utilizzati all’interno di applicazioni destinate alla nostra sicurezza; questo accade ormai in tutti i contesti: all’aperto (ad esempio, per il monitoraggio di aree pubbliche) o al chiuso (ad esempio, in aeroporti, banche, ecc.).
A causa dell’enorme quantità di video acquisiti dalle reti di telecamere, sono necessari strumenti automatici basati su algoritmi di visione artificiale (“computer vision”) per supportare gli operatori umani nel monitoraggio e nell’analisi dei dati. Questo è l’oggetto di un’area di ricerca multidisciplinare denominata “videosorveglianza intelligente”, la quale si propone di realizzare funzionalità avanzate di visione artificiale coinvolgendo aspetti sia hardware che software, come sensori, reti, interfacce, elaborazione di segnali, riconoscimento di “pattern” e algoritmi di apprendimento automatico.
Tra i risultati conseguiti in questo campo di ricerca si possono citare metodi per l’individuazione e il riconoscimento di oggetti (ad esempio, automobili), persone ed eventi di interesse (ad esempio, comportamenti anomali nel traffico o durante raduni di persone), a partire da immagini e video.
Tuttavia la capacità di riconoscimento da parte degli attuali algoritmi di visione artificiale non ha ancora raggiunto un livello simile a quello degli esseri umani in diversi scenari applicativi (ad esempio, nell’identificazione di individui a partire da video acquisiti da telecamere). A suo vantaggio però, una macchina può elaborare grandi quantità di dati in un tempo molto inferiore rispetto ad un essere umano; inoltre le prestazioni di operatori umani in applicazioni come quelle legate alla videosorveglianza, diminuiscono all’aumentare della quantità di dati da analizzare (ad esempio, quando si devono monitorare contemporaneamente numerosi video provenienti da diverse telecamere, o semplicemente quando l’attività di monitoraggio deve essere eseguita per un lungo periodo); tali prestazioni dipendono poi anche da fattori quali l’esperienza dell’operatore, il suo stato psicofisico e le condizioni di lavoro. Esseri umani e macchine possiedono quindi capacità complementari. Questo fatto può essere sfruttato sviluppando metodi di visione artificiale in grado di supportare efficacemente gli operatori durante lo svolgimento dell’attività di monitoraggio e riconoscimento.
Il progetto LetscrowD
Uno degli obiettivi del progetto LETSCROWD – Law Enforcement agencies human factor methods and Toolkit for the Security and protection of CROWDs in mass gatherings (www.letscrowd.eu) è lo sviluppo di strumenti semiautomatici in grado di supportare gli operatori delle forze dell’ordine nell’analisi dei video acquisiti da telecamere di videosorveglianza durante eventi e raduni di massa, sia in tempo reale (nel monitorare una folla durante l’evento) sia “off-line” (durante indagini forensi). In particolare questo progetto prevede lo sviluppo di alcune innovative funzionalità: re-identificazione di una data persona nei video acquisiti dalle varie telecamere, in base all’aspetto dei suoi vestiti e a partire da una sua immagine; ricerca di persone il cui abbigliamento corrisponda ad una determinata descrizione, fornita per esempio da un testimone di un dato evento; monitoraggio di una folla per stimarne la densità o per rilevare comportamenti anomali al suo interno.
Il progetto LETSCROWD è iniziato a maggio 2017 e lungo il suo cammino (che si concluderà in Ottobre 2019) fornirà un concreto supporto nell’attuazione del Modello di Sicurezza Europeo (ESM) per quanto riguarda i raduni di massa, aiutando i professionisti di politiche di sicurezza e in particolare le forze dell’ordine, attraverso:
- lo studio, centrato sulla componente umana, di una metodologia dinamica di valutazione del rischio per la protezione delle folle durante raduni di massa, al fine di produrre in modo efficace le politiche di sicurezza e implementare soluzioni adeguate;
- un concreto pacchetto di strumenti che agevoli le politiche decisionali di lungo termine, comprensivo di un database popolato con una raccolta empirica di dati sulla sicurezza, e strumenti per l’osservazione statistica e analitica degli stessi;
- un insieme di strumenti tecnologici a supporto delle forze dell’ordine, tra cui quello descritto in questo articolo, e altri strumenti di intelligenza semantica applicata ai social network e ai testi ospitati in essi.
Il progetto LETSCROWD è finanziato dall’Unione Europea (programma Horizon 2020, grant. Agreement 740466) ed è guidato da ETRA Investigación y Desarrollo SA (Spagna); in esso confluisce un consorzio composto da professionisti della sicurezza, in totale 16 partner provenienti da 8 diversi paesi, tra cui istituti di ricerca privati e pubblici, università, forze dell’ordine e pubbliche autorità che operano nelle seguenti aree critiche: governo, sicurezza, energia, finanza, trasporti e servizi.
Tra i partner Italiani figurano l’Università degli studi di Cagliari attraverso il laboratorio PRA Lab, il Ministero degli Interni, e le aziende Deep Blue e Pluribus One.
