Cosa è successo?
La videosorveglianza sta attraversando una trasformazione tecnologica fondamentale. Per decenni, il compito principale dei sistemi di telecamere è stato quello di generare, trasmettere e registrare immagini della migliore qualità possibile. Questo focus si sta progressivamente spostando: i sistemi moderni devono riconoscere autonomamente le situazioni rilevanti, elaborare le informazioni visive già a livello della telecamera e collegare tra loro diversi sensori. La telecamera si sta così evolvendo da semplice generatore di immagini a sensore intelligente all'interno di un'architettura di sicurezza più ampia.
I dettagli
Sul fronte delle telecamere tradizionali, lo sviluppo tecnico non è ancora concluso. Il Dr.-Ing. Markus Müller del Fraunhofer IOSB, dipartimento Sistemi di analisi video, prevede ulteriori progressi nella risoluzione geometrica e radiometrica. Anche i sensori a infrarossi termici, secondo le sue valutazioni, diventeranno più performanti ed economici, rendendo possibili sistemi complessivi più efficaci. È probabile che in futuro si diffondano maggiormente sistemi con due o tre canali diversi, ad esempio telecamere ottiche-visibili combinate con infrarosso vicino e infrarosso termico. Questa evoluzione è già osservabile sul mercato: le telecamere multisensore si stanno diffondendo sempre di più, e la tecnologia low-light migliorata non solo fornisce immagini migliori in condizioni di scarsa illuminazione, ma migliora anche i presupposti per un riconoscimento automatico più affidabile di oggetti ed eventi.
Edge computing e IA nella telecamera
Parallelamente cambia l'architettura del sistema. Invece di trasmettere tutti i flussi video a un server centrale, le telecamere assumono una parte crescente dell'elaborazione autonomamente – l'edge computing è considerato uno dei principali trend del settore. Le telecamere moderne sono in grado di riconoscere persone o veicoli, classificare oggetti e generare metadati prima che le informazioni vengano trasmesse a un sistema di gestione video o a una piattaforma cloud.
Quanto possa spingersi lontano l'interpretazione automatica lo dimostra la ricerca sul riconoscimento comportamentale condotta dal Fraunhofer IOSB. A partire dalle persone rilevate vengono generati modelli scheletrici digitali, ovvero punti chiave del corpo (keypoint), e successivamente viene analizzato il comportamento di movimento. Il sistema dovrebbe essere in grado di riconoscere, ad esempio, colpi o calci e segnalare a un operatore una situazione potenzialmente rilevante. Per questo non è necessaria l'identità della persona osservata – uno scheletro digitale non possiede identità, origine, colore della pelle o genere.
Fusione sensoriale nella protezione perimetrale
Questa evoluzione si manifesta in modo particolarmente evidente nella protezione perimetrale. Le grandi aree esterne pongono requisiti elevati in termini di portata, affidabilità di rilevamento e prevenzione di falsi allarmi. Telecamere visibili, tecnologia termografica, radar e altri sensori di rilevamento assumono sempre più compiti diversi all'interno di un sistema comune. Un radar può rilevare un oggetto in movimento indipendentemente dall'illuminazione e determinarne la posizione, mentre una telecamera ottica o termica serve per la verifica e la classificazione. L'analisi video basata su IA distingue quindi tra persone, veicoli o animali e segnala solo gli eventi rilevanti a una centrale operativa.
Le scene complesse, tuttavia, rimangono particolarmente difficili. Secondo Müller, l'analisi video automatica in condizioni non controllate deve ancora affrontare sfide considerevoli. Movimenti diversi, sfondi variabili, occlusioni e numerosi oggetti presenti contemporaneamente complicano un'interpretazione robusta. Lo sviluppo futuro non sarà quindi orientato esclusivamente verso l'IA – approcci ibridi, che combinano l'elaborazione classica di segnali e immagini con metodi neurali, possono fornire risultati migliori. Un collo di bottiglia centrale rimane la disponibilità di dati di addestramento adeguati e sufficientemente ampi.
Nuovi principi sensoriali
Oltre all'analisi intelligente, nuovi principi sensoriali potrebbero ampliare la videosorveglianza. Un esempio è il range-gated imaging, o gated viewing: la scena viene illuminata con impulsi laser molto brevi, mentre la telecamera viene aperta solo per una finestra temporale definita con precisione. Poiché il tempo di percorrenza della luce è noto, il sistema può rilevare in modo mirato la luce riflessa proveniente da un determinato intervallo di distanza. La luce retrodiffusa precedentemente da nebbia, pioggia o neve non entra in gran parte nell'immagine rilevante. Nei sistemi multisensore questa tecnica viene combinata con telecamere giorno/notte e telecamere termiche. I campi di applicazione spaziano dalla sorveglianza marittima alla protezione delle frontiere, fino al rilevamento e inseguimento di oggetti e droni.
Anche il Fraunhofer IOSB sta studiando il gated viewing per condizioni di visibilità sfavorevoli. Attraverso la selezione temporale dei fotoni di ritorno è possibile sopprimere i riflessi disturbanti provenienti da primo piano e sfondo, ottenendo contemporaneamente informazioni sulla distanza. Un ulteriore complemento è il radar a onde millimetriche, in grado di rilevare oggetti anche in condizioni di oscurità, fumo o nebbia e di determinarne distanza e velocità, quando i sistemi ottici raggiungono i propri limiti.
Inquadramento
Per i futuri sistemi di sicurezza si delinea quindi non tanto il predominio di un singolo sensore, quanto piuttosto una combinazione di diversi principi di misurazione fisici. Il prossimo passo evolutivo della videosorveglianza non sarà quindi determinato da una singola tecnologia: sensori ottici e termici migliori, metodi range-gated, radar, edge computing e IA si sviluppano parallelamente. A questo si aggiungono metodi sempre più performanti per l'interpretazione semantica delle immagini – il Fraunhofer IOSB lavora nel frattempo anche con modelli foundation e grandi modelli linguaggio-immagine, in grado non solo di classificare i contenuti visivi, ma di collocarli in un contesto semantico più ampio.
Questa evoluzione modifica radicalmente il compito di un sistema video. In futuro sarà decisivo non tanto generare quante più immagini possibili, quanto filtrare in modo affidabile, dai dati sensoriali disponibili, le informazioni necessarie per un compito di sicurezza concreto. Per gli operatori di impianti di sicurezza – sia nella protezione di oggetti, nella messa in sicurezza di punti critici come una cassetta delle offerte o una cassaforte a imbuto, sia nell'ambito di soluzioni perimetrali più ampie – questo significa: la qualità di un sistema si misura sempre più sulla capacità di valutazione delle situazioni, e non più soltanto sulla risoluzione o sulla qualità dell'immagine.
Consigli pratici
- Nell'acquisto di nuovi sistemi, non limitarsi a valutare la risoluzione, ma considerare la capacità di multisensorialità ed elaborazione edge, che determinano in modo significativo l'affidabilità del riconoscimento automatico.
- Per i progetti di protezione perimetrale conviene valutare soluzioni combinate di radar, termografia e telecamera ottica, al fine di ridurre i falsi allarmi e migliorare il rilevamento in condizioni meteorologiche variabili.
- In ambienti con visibilità spesso limitata (nebbia, pioggia, neve), gli operatori dovrebbero valutare l'idoneità delle tecniche range-gated o di gated viewing.
- Poiché le scene complesse con molti oggetti continuano a rappresentare una sfida per i sistemi IA, l'elemento umano resta una componente decisiva e insostituibile – i sistemi dovrebbero essere concepiti come supporto, non come sostituto completamente automatizzato degli operatori.
- Per applicazioni sensibili dal punto di vista della protezione dei dati, metodi come il riconoscimento comportamentale basato su scheletro o keypoint possono rappresentare un'opzione valida, poiché non richiedono l'identificazione della persona osservata.
Prospettive
La telecamera diventa sempre più parte di un sistema sensoriale interconnesso, in grado di riconoscere e valutare le situazioni e di richiamare in modo mirato l'attenzione delle persone su eventi rilevanti. Istituti di ricerca come il Fraunhofer IOSB guidano attivamente questo sviluppo con lavori su approcci IA ibridi, modelli foundation e nuovi principi sensoriali. Per il settore della sicurezza ciò comporta una trasformazione continua: dal semplice rilevamento di immagini verso sistemi integrati che combinano diversi principi fisici di misurazione e filtrano automaticamente le informazioni rilevanti, mantenendo al contempo il controllo decisionale umano nelle situazioni critiche per la sicurezza.
