Selea: telecamere intelligenti per la sicurezza urbana e l’analisi del traffico

Parlando di telecamere intelligenti, non sempre ci si sofferma su un aspetto importante: come si determina il livello di affidabilità nel riconoscimento degli oggetti da parte di telecamera intelligente?

Si tratta di una proprietà molto importante per chi progetta, installa e deve configurare le telecamere, ma soprattutto per chi le utilizza.

Gli algoritmi e il livello di affidabilità dei dispositivi

Per determinare il livello di affidabilità nell'elaborazione delle immagini, occorre innanzitutto capire come vengono addestrati gli algoritmi di questi dispositivi. Nel campo della videoanalisi, gli algoritmi di elaborazione delle immagini vengono chiamati di deep learning: una tipologia di reti neurali che vengono addestrate per riconoscere uno specifico soggetto (persone, volti, veicoli).

Il processo di training di un algoritmo si chiama "addestramento per rinforzo". Per far si che l'algoritmo riconosca senza errori uno specifico soggetto, dietro le quinte, gli ingegneri del software devono dedicare molto tempo alla raccolta, catalogazione ed etichettatura di un amplissimo set d'immagini campione di quel soggetto. Questo processo è essenziale e porta l'azienda produttrice a decidere quanto vuole "spendere" in termine di sviluppo per addestrare la rete. Meno ore-lavoro l'azienda investe nell'addestramento, meno immagini deve raccogliere e di conseguenza più velocemente realizzerà il prodotto. Risulterà meno dispendioso lo sviluppo e quindi il dispositivo sarà più economico sul mercato. Per contro, la telecamera sarà meno addestrata e di conseguenza più fallace nella videoanalisi, fornendo molti falsi dati/allarmi positivi.

“Dietro” l’affidabilità di una telecamera: il lavoro di Selea

Per meglio comprendere quanto lavoro sia necessario per rendere affidabile una telecamera, si può riportare  un dato reale. Al fine di ottenere un discreto livello di affidabilità nel riconoscere la marca e il modello di un veicolo, lo staff di ingegneri di Selea ha dovuto raccogliere oltre 200 milioni d'immagini, per poi catalogarle per singolo modello e casa costruttrice.

L’attività ha richiesto 6 anni di lavoro, ed è questo grande impegno ad aver reso l’azienda capace di sviluppare telecamere in grado di riconoscere oltre 9000 modelli, 35 classi di veicoli e arrivare a una precisione e affidabilità nella lettura della targa superiore al 99,8%.

Le telecamere intelligenti generano centinaia di migliaia di dati di transito ogni mese, ed è enorme la quantità di falsi allarmi e dati errati trasmessi. Nell'era dei big data e delle smart city, questi errori rendono sbagliate tutte le successive analisi sul traffico, sull'inquinamento e quindi inutile il sistema nell'ambito delle indagini, nella prevenzione e nella repressione dei reati.

In questa era “smart”, è incessante la richiesta da parte delle utenze di ricevere il maggior numero di dati utili per analizzare i problemi del traffico e della sicurezza. Selea, alla luce di queste esigenze, è andata oltre la sola lettura targa, creando una telecamera - la TARGA850 - con videoanalisi multipla su doppia corsia di marcia.

La versatilità di TARGA850

All'interno della TARGA850 sono state integrate 22 reti di deep-learning, ognuna delle quali è addestrata per svolgere una specifica funzione.

Le varie informazioni raccolte si sono dimostrate estremamente utili sia per la sicurezza urbana e l'analisi del traffico sia in settori specifici, come quello della gestione ingressi, collegata al pagamento della tariffa sulla base della classe del mezzo.

Grazie a queste prerogative, TARGA 850 è oggi la telecamera più moderna e performante del mercato, particolarmente indicata nell'era n cui le città vogliono diventare sempre più efficienti e smart nella gestione del traffico e della sicurezza urbana.

Per saperne di più, scarica la brochure