L’innovazione tecnologica è oggi al centro dello sviluppo sostenibile. Un’area di particolare interesse è quella della Computer Vision.

Questa branca di Intelligenza Artificiale mostra grandi potenzialità. Possiamo definirla come quell’elemento che rende le macchine/computer capaci di vedere, classificare ed elaborare dati visivi come farebbe l’uomo.

 

Il Machine Learning alla base della Computer Vision

Nel precedente articolo sull’Image & Video Recognition siamo entrati nel dettaglio di come grazie al machine learning sia possibile insegnare a una macchina a riconoscere degli oggetti in un video o in un’immagine.

Per capire meglio il concetto pensiamo al computer come un bebè che vede degli oggetti, ma ancora non sa classificarli e riconoscerli. Gli adulti dovranno insegnare al bambino che un essere a quattro zampe è un animale. Tuttavia quest’unica caratteristica non basta. Infatti, anche una sedia o un tavolo hanno solitamente quattro zampe. Inoltre, di animali ne esistono di diversi tipi. Il bambino inizialmente non riconoscerà tutte le differenze, ma con l’esperienza imparerà a classificare le informazioni in modo corretto.

Ora pensiamo a quanto possa essere complicato costruire degli algoritmi che simulino il processo di apprendimento. Alla base del machine learning ci deve essere un enorme set di dati etichettati, per fare in modo che il computer riesca a riconoscere nuove immagini simili e a classificarle per restituire informazioni utili. Inoltre, è fondamentale che l’algoritmo di Computer Vision effettui esperimenti e venga addestrato.

 

Computer Vision e Sostenibilità

L’evoluzione di tecnologie come la Computer Vision avranno un importante impatto sul modo in cui viviamo.

Quando parliamo di sviluppo sostenibile dobbiamo tener conto di tre aree che si intrecciano e influenzano a vicenda:

  • Economia
  • Società
  • Ambiente

A queste si unisce quella del Digitale come potenziale supporto alla sostenibilità.

Vediamo alcuni esempi di come la Computer Vision può contribuire:

  • Ricerca, diagnosi e prevenzione di malattie
  • Monitoraggio del traffico, manutenzione delle infrastrutture e progetti infrastrutturali più efficienti
  • Monitoraggio di incendi, inondazioni e tempeste
  • Aumento dell’efficienza di sicurezza pubblica e privata
  • Monitoraggio e pianificazione della produzione alimentare

Questa tecnologia ci offre l’opportunità di lavorare in modo più efficiente ed efficace, incidendo in modo positivo su Economia, Società ed Ambiente.

 

Perché partire dalla Green Data

Finché si tratta di teoria sembra tutto semplice. Oggi esistono dei dispositivi con Intelligenza Artificiale già integrata, capaci di restituire informazioni utili partendo da dati visivi.

Ma che ne è di tutti quegli apparecchi meno aggiornati?

Rappresentano la maggior parte dei dispositivi in uso. Una soluzione potrebbe essere sostituire il vecchio con il nuovo. A quale costo? Con quale impatto ambientale?

I vecchi dispositivi sono davvero diventati obsoleti?

Pensiamo alle videocamere di sorveglianza. Finché rimangono accese, raccolgono dati. Il problema è che questi dati non diventano automaticamente informazioni utili. In caso di necessità si mettono degli operatori umani a monitorare per ore i flussi video. Capiamo bene che non è il modo più intelligente di ottimizzare le risorse.

La chiave per risolvere questo problema risiede nella Green Data. Essa parte dal presupposto che per essere compatibili, efficienti e sostenibili digitalmente sia necessario operare a monte, attraverso un giusto metodo di raccolta dei dati. Solo così avremo dati strutturati, classificati ed utilizzabili per una corretta catalogazione al fine di analisi e strategie. Si tratta di un “setaccio intelligente” che poniamo ogniqualvolta i dati non sono catalogati secondo una logica di Heuristic Intelligence.

 

Dalla Green Data all’Artificial Intelligence

Per comprendere meglio immaginiamoci in una biblioteca alla ricerca di un libro. Il bibliotecario saprà indicarci lo scaffale dove prenderlo solo se l’oggetto è stato già catalogato. In caso contrario, non potrò prendere il libro che cerco anche se questo è fisicamente presente nel luogo dove lo sto cercando.

Guardiamo all’Heuristic Intelligence come al registro dove sono catalogati tutti i libri della biblioteca. La Green Data entra in funzione quando arrivano nuovi dati da classificare. Non tutti saranno completi o utili, quindi la Green Data farà da filtro, prima di far arrivare i dati all’Heuristic Intelligence. Solo allora potranno essere elaborati dall’Artificial Intelligence. In altre parole, il punto zero dell’Heurstic Intelligence risiede nell’utilizzo della Green Data.

GreenData e Computer vision - Heuristic Intelligence - Artificial Intelligence
Tornando al discorso della Computer Vision e delle videocamere, quindi, la soluzione potrebbe essere installare dei software di Image & Video Recognition, in grado di raccogliere dei dati, classificarli e restituire informazioni. Così, si eviterebbe da una parte considerare obsoleti quei dispositivi senza Intelligenza Artificiale e doverli sostituire; dall’altra quella di sprecare risorse umane in attività che può facilmente svolgere un computer, indirizzando il lavoro delle persone in ruoli con un maggior valore aggiunto.

 

Soluzioni di Pragma Etimos

Pragma Etimos offre soluzioni di Computer Vision su misura alle esigenze del cliente. Questo perché crediamo fortemente che non sia il lavoro umano a doversi adattare alla tecnologia, ma che debba essere quest’ultima ad essere ideata e ottimizzata per le necessità dell’uomo.

Ricerca targa: l’inserimento di un numero di targa nel campo di ricerca abilita la funzione di elaborazione in background di analisi del video. Qualora si dovesse intercettare un veicolo con la targa in oggetto verrà proposto nell’interfaccia il frame dove è stata intercettata e verrà scritto un file immagine con le stesse informazioni per un accurato controllo successivo.

Ricerca oggetti: è possibile avviare una ricerca di oggetti (veicoli, monopattini, animali, ecc.). La selezione della ricerca oggetti abilita la funzione di elaborazione in background di analisi del video. Nel frattempo il software continuerà la ricerca dell’oggetto in altri frame.

Ricerca persone: è possibile identificare gruppi di persone e singoli soggetti in real-time. Qualora si dovesse intercettare la persona o il gruppo richiesto, verrà proposto nell’interfaccia il frame dove sono stati intercettati e verrà scritto in un file immagine con le stesse informazioni per un accurato controllo successivo.

Analisi dei volti: a partire da un volto restituisce informazioni sull’età, il genere e l’emozione di una persona. Inoltre è in grado di confrontare due visi e capire se si tratta o meno dello stesso soggetto.

POTREBBE INTERESSARTI ANCHE…

facerecognition- computer vision

IDENTIFICAZIONE BIOMETRICA: FACE RECOGNITION E FACE COMPARISON

La biometria viene sempre più utilizzata per l’identificazione e l’autenticazione di una persona attraverso tecnologie di Face Recognition e Face Comparison. La biometria facciale, acquisisce un volto da un’immagine o un video e lo trasforma in dati digitali in base…

Leggi tutto

Image & Video Recognition

IMAGE & VIDEO RECOGNITION: L’AI CHE ESTRAE VALORE DAI DATI VISIVI

Sono sempre di più le soluzioni di Intelligenza Artificiale che permettono alle macchine di comprendere i dati visivi. In particolare, possiamo definire quella branca di AI che replica le funzioni dell’apparto visivo umano come Computer Vision. Un esempio è l’Image…

Leggi tutto

Share This