Intelligenza artificiale e Deep Learning edge-based applicati alla videosorveglianza

L’Intelligenza Artificiale rappresenta una grande rivoluzione tecnologica nell’ambito della sicurezza e della videosorveglianza in genere. L’AI offre infatti un nuovo approccio per poter estrapolare dei contenuti dalle immagini delle telecamere di videosorveglianza, basandosi sulle ultime tecnologie del Deep Learning.

Deep Learning o apprendimento profondo, si ispira al modo in cui funziona il cervello umano, questa tecnologia si basa su un processo di apprendimento stratificato per consentire al processore di classificare e memorizzare i dati. Si tratta di un processo cumulativo dove più elementi vengono catturati, migliorando la precisione e l’accuratezza dell’informazione fornita.

AXIS Object Analytics

Le ultime innovazioni nell’ambito del Deep Learning hanno aiutato a ridurre drasticamente il numero di falsi allarmi rispetto ai mezzi tradizionali, mantenendo un’elevata capacità di rilevare situazioni reali e urgenti.

Un esempio concreto di Deep Learning applicato alla videosorveglianza è Object Analytics di Axis che permette un’analisi video intelligente rilevando e classificando persone e veicoli, su misura e su specifiche esigenze. Grazie ad algoritmi intelligenti, sopprime la maggior parte delle fonti di costosi falsi allarmi, concentrandosi solo su oggetti di interesse e minacce reali. E poiché questa applicazione di analisi scalabile basata su edge analizza gli eventi direttamente sulla telecamera, non è necessario alcun hardware aggiuntivo.

Deep learning edge-based

Gli esperti prevedono la comparsa di oltre 75 miliardi di dispositivi IoT entro il 2025 – ovvero un aumento del 500%. Questi dispositivi, tuttavia, creano una quantità tale di dati, che neanche le nuove reti 5G saranno in grado di gestire. Pertanto, è in corso una sfida per decentralizzare l’elaborazione di dati e servizi dal cloud con soluzioni edge-based.

I vantaggi del Deep Learning edge-based sono molteplici.

– Consumo ridotto della banda
Si trasmettono solo i metadati analizzati, con un utilizzo sensibilmente minore della banda a disposizione.

– Minore latenza
Questa tecnologia mette a disposizione applicazioni in tempo reale, senza alcuna comunicazione con il centro della rete.

– Migliore affidabilità
Tutti i calcoli avvengono all’interno del dispositivo e sono quindi meno suscettibili alle interruzioni nella copertura.

– Conformità Privacy
La riduzione al minimo del trasferimento di dati personali sul cloud può contribuire al rispetto delle normative sulla privacy.

– Risparmio nei costi
Trasferire metadati analizzati in luogo di grandi quantità di dati grezzi, elimina la necessità di ulteriori unità di memoria, o il pagamento di tariffe onerose per l’archiviazione su cloud. Oltre a risparmiare sui costi di hardware e storage, il sistema consuma decisamente meno energia, riducendo sia le spese, sia l’impatto sull’ambiente.