DATA DI NASCITA DEL PROGETTO

Settembre 2020

TEAM DEL PROGETTO

Giuliano Fabris Project Manager

Federico Lucca CTO

Paolo Boldrini Full Stack Engineer

Matteo Farina R&D Engineer

Elisa Battistoni Data Scientist

Franco Conci Front End Developer

Thomas De Min Junior Developer

PARTNER

—

BREVE DESCRIZIONE DEL PROGETTO

Il progetto ha l’obiettivo di abilitare le smart cities a nuovi servizi tramite il monitoraggio delle persone in ambienti pubblici e il riconoscimento di eventi critici.

DESCRIZIONE DETTAGLIATA DEL PROGETTO

Il progetto che vorremmo sottoporre alla vostra attenzione è una soluzione tecnologica che abilita il monitoraggio automatico della mobilità urbana. Nella soluzione vengono impiegati sistemi di visione artificiale per il riconoscimento di oggetti e persone in movimento.

Il servizio viene completato attraverso l’utilizzo di algoritmi di Deep Learning che permettono di addestrare il modello al riconoscimento di particolari scenari da monitorare.

L’applicazione è in produzione presso un importante aeroporto italiano (per ragioni di privacy i video riportati nella presentazione allegata sono video presi dalla rete sui quali sono stati applicati gli algoritmi di Computer Vision).

Attraverso 50 telecamere viene monitorato lo spostamento delle persone nell’aeroporto. Le persone vengono riconosciute attraverso alcune feature caratterizzanti, come la face-to-cam recognition, l’abbigliamento e la camminata. Ad ogni persona viene quindi associato un Identificativo.

La posizione delle persone viene riportata in tempo reale su un apposito applicativo gestionale che indica la posizione di ciascun individuo sulla planimetria.

Nell’applicazione sono stati integrate ulteriori funzionalità grazie ad alcuni algoritmi di Deep Learning opportunamente addestrati al fine di riconoscere eventi particolari come la caduta sulle scale mobili e le aggressioni (o tentativi). Il modello è in grado di indicare in real time la percentuale di probabilità dell’evento riconosciuto e attraverso la definizione di soglie è possibile dosare l’automazione degli interventi a valle del riconoscimento dell’evento critico.

La stessa applicazione è stata utilizzata per il conteggio delle persone sugli autobus e per monitorare i flussi sulle piste ciclabili.

ELEMENTI DI INNOVAZIONE

Il primo aspetto innovativo del progetto è collegato alla possibilità di istruire la computer vision al riconoscimento di eventi critici tramite l’utilizzo di tecniche di Deep Learning.

Un ulteriore aspetto caratterizzante della nostra proposta è l’elevato livello di affidabilità che può raggiungere la soluzione permettendo quindi un’applicazione concreta a need reali al fine di migliorare i servizi offerti.

Infine, la possibilità di combinare diverse tecniche di riconoscimento delle persone al fine di migliorare l’accuratezza rende questa applicazione unica.

CUSTOMER NEEDS

La soluzione trova applicazione nell’ambito della videosorveglianza consentendo di automatizzare alcune attività.

Permette di monitorare i flussi nei luoghi pubblici (stazioni, aeroporti, piazze, metropolitane) al fine di migliorare i servizi offerti.

L’analisi dei flussi può essere integrata sui sistemi già esistenti.

Alcuni utilizzi potrebbero riguardare il conteggio dell’affluenza ai centri storici, il controllo degli attraversamenti pedonali, la segnalazione di incidenti stradali, aggressioni, assembramenti, ecc…

BUSINESS MODEL

Il progetto ha dei costi di integrazione che vanno valutati di volta in volta in funzione della specifica applicazione da realizzare e dei sistemi già a disposizione del cliente, nonché dei costi di licenza della tecnologia Core.
Eventuali personalizzazioni verranno valutate sulla base dell’effort necessario.
Bluetensor è disponibile, qualora fosse necessario, a fare uno studio di fattibilità preliminare, al fine di garantire il successo del progetto e la bontà dei risultati.

SCALABILITY & REPLICABILITY

Gli algoritmi sviluppati possono essere replicati per applicazioni su luoghi diversi rendendo la soluzione scalabile.

Inoltre è possibile addestrare l’Intelligenza Artificiale a nuovi need rendendo replicabili anche i nuovi sviluppi.

SVILUPPO SOSTENIBILE

L’introduzione di automatismi nell’ambito della video sorveglianza permette di semplificare l’analisi sull’utilizzo dei servizi offerti (es. bus, ciclabili, postazioni self service, ecc…) consentendo un corretto dimensionamento e l’eventuale recupero di efficienze (es. servizi ridondanti che possono essere riallocati).