Computer vision per le scienze forensi: rilevare indizi nascosti

Le indagini dipendono in larga misura dalle prove fisiche raccolte sulle scene del crimine, e molte di queste prove sono visive. Tradizionalmente, la raccolta di questi indizi era manuale: fotografare la scena, disegnare planimetrie, etichettare gli oggetti e affidarsi all'occhio esperto dell'investigatore per individuare i dettagli più sottili.

Nel corso degli anni, strumenti come le termocamere e gli scanner per impronte digitali hanno supportato questo lavoro e svolto un ruolo fondamentale nella risoluzione dei crimini. Oggi, però, grazie all'AI e alla computer vision, le indagini stanno diventando più avanzate. Le macchine possono aiutare ad analizzare le prove visive più rapidamente, con maggiore precisione e su una scala molto più ampia.

In particolare, la computer vision è una tecnologia di grande impatto che consente alle macchine di vedere e comprendere immagini e video. Questi sistemi possono elaborare e analizzare rapidamente grandi quantità di dati visivi, aiutando gli investigatori a risolvere i crimini più velocemente.

I vantaggi degli strumenti basati sull'AI nelle indagini hanno portato il mercato globale degli strumenti di digital forensics basati sull'AI a raggiungere un valore di 4,98 miliardi di dollari nel 2025, con una previsione di crescita fino a 17,7 miliardi di dollari entro il 2031.

Fig. 1. Mercato globale della digital forensics basata sull'AI (Fonte).

In questo articolo esploreremo come utilizzare la computer vision nelle indagini forensi e come possa aiutare a identificare, analizzare e interpretare le prove visive.

Il ruolo dell'AI e della computer vision nella scienza forense#

La computer vision consente alle macchine di interpretare le informazioni visive del mondo reale e prendere decisioni basate su tale comprensione. In particolare, nella scienza forense, l'AI può essere utilizzata per rilevare elementi come armi o lesioni, tracciare veicoli e persino ricostruire modelli 3D delle scene del crimine con velocità e precisione impressionanti.

Sebbene le indagini forensi si basino ancora sull'osservazione manuale e sulle conoscenze degli esperti, questo processo può richiedere molto tempo e concentrarsi generalmente su un solo caso alla volta. I modelli di computer vision come Ultralytics YOLO11 offrono un approccio più rapido e scalabile. Questi modelli possono analizzare le scene, identificare gli oggetti chiave e classificare le prove utilizzando attività di Vision AI come il rilevamento degli oggetti e la classificazione delle immagini.

Ad esempio, invece di esaminare manualmente centinaia di ore di filmati di sorveglianza, un modello di computer vision può analizzare automaticamente i flussi video per rilevare attività sospette, come movimenti insoliti, persone che si aggirano senza motivo o oggetti abbandonati. Può segnalare agli investigatori specifici intervalli temporali e luoghi da esaminare, riducendo notevolmente il tempo e lo sforzo necessari per trovare le prove rilevanti.

Applicazioni della Vision AI nella scienza forense#

La computer vision sta cambiando il modo in cui gli investigatori raccolgono e studiano le prove visive. Ecco uno sguardo più approfondito a come viene utilizzata oggi nel lavoro forense.

Analizzare i filmati di sorveglianza con la computer vision#

Una delle tecniche di computer vision più comuni utilizzate nella sorveglianza è il tracciamento degli oggetti, ovvero seguire persone, veicoli o oggetti attraverso i fotogrammi video. Invece di essere programmati manualmente per ogni situazione, questi sistemi apprendono dai video del mondo reale e capiscono rapidamente che cosa appare “normale”. In questo modo possono individuare automaticamente comportamenti insoliti, come qualcuno che si aggira in un'area tranquilla, un veicolo in una zona riservata o una borsa incustodita in uno spazio pubblico.

Questa tecnologia può essere utile durante le indagini. Ad esempio, se un testimone afferma di aver visto un pick-up rosso a un incrocio tra le 11:00 e le 13:00, la computer vision può analizzare ore di filmati CCTV, individuare ogni presenza di un camion rosso e risparmiare agli investigatori la revisione manuale dell'intero materiale. Automatizzando attività che prima richiedevano ore o giorni, la computer vision rende più veloci, intelligenti ed efficaci sia il monitoraggio in tempo reale sia l'esame delle prove.

Fig. 2. Utilizzo della Vision AI per analizzare filmati CCTV e tracciare pick-up rossi (fonte).

Utilizzare l'AI nelle indagini sugli incendi boschivi#

Dopo gli incidenti legati agli incendi, il tempo è fondamentale e le prove fisiche sono spesso compromesse o distrutte. Le tecnologie di computer vision aiutano a colmare questa lacuna analizzando diverse fonti di dati visivi, come immagini satellitari, riprese da droni, CCTV e scansioni termiche, per ricostruire la sequenza degli eventi.

Questi strumenti possono rilevare l'origine di un incendio, identificare potenziali acceleranti e tracciare l'attività di persone o veicoli nei pressi della scena. Se combinato con banche dati criminali e rapporti sugli incidenti, il sistema può scoprire schemi, come luoghi in cui si verificano ripetutamente incendi, comportamenti sospetti o incendi dolosi coordinati, in diverse regioni.

Un esempio reale proviene dal Nuovo Galles del Sud, in Australia, dove la polizia ha utilizzato una piattaforma di computer vision chiamata Insights durante le indagini sugli incendi boschivi del 2019–2020. La piattaforma ha analizzato filmati CCTV, dati geospaziali e dati ambientali come la direzione del vento e i registri delle scariche di fulmini. Ha inoltre utilizzato il riconoscimento degli oggetti per identificare elementi visivi rilevanti, come veicoli o attrezzature, all'interno di enormi quantità di filmati di sorveglianza.

Sovrapponendo questi dati alle informazioni di geolocalizzazione dei telefoni cellulari e alle mappe, gli investigatori hanno potuto collegare l'attività umana a specifici eventi di incendio e presentare visivamente questi dati durante le inchieste formali. Questo approccio ha accelerato il processo investigativo.

Fig. 3. Un investigatore forense che esamina i detriti di un incendio (fonte).

Ricostruire una scena del crimine con la computer vision#

La ricostruzione 3D nella scienza forense combina tecnologie come fotografia, scansione laser, LiDAR e computer vision per creare modelli dettagliati e in scala reale delle scene del crimine. Queste ricostruzioni aiutano gli investigatori a visualizzare la posizione degli oggetti, gli schizzi di sangue e le traiettorie dei proiettili con un livello di accuratezza e interattività che le tradizionali fotografie 2D non possono offrire. Questa tecnologia migliora l'analisi e le presentazioni in tribunale, consentendo visite virtuali e misurazioni precise.

Oltre alle indagini in corso, la ricostruzione 3D e la realtà virtuale (VR) stanno trasformando anche la formazione forense. In ambito accademico, gli studenti possono utilizzare visori VR per esplorare scene del crimine simulate, identificare le prove e fare pratica con tecniche come la scansione delle impronte digitali e l'analisi degli schizzi di sangue. Questo approccio immersivo all'apprendimento sviluppa competenze investigative fondamentali in un ambiente sicuro e ripetibile.

Fig. 4. Uno studente che osserva la scena del crimine utilizzando un visore VR (fonte).

Miglioramento delle immagini con la Vision AI#

Un caso risalente a 19 anni fa in Kerala, India, è stato recentemente risolto con l'aiuto del miglioramento delle immagini basato sull'AI. Gli investigatori hanno riesaminato vecchie fotografie dell'epoca del crimine e utilizzato una combinazione di elaborazione delle immagini e intelligenza artificiale per chiarire i tratti del volto e generare immagini aggiornate dei sospettati. Un'immagine migliorata somigliava molto a una persona comparsa in una foto di matrimonio condivisa online, portando infine a una svolta nel caso.

Questo caso è un buon esempio di come gli strumenti forensi moderni, in particolare l'integrazione dell'AI con il miglioramento tradizionale delle immagini, possano aiutare le forze dell'ordine a riesaminare e risolvere indagini rimaste a lungo senza esito. Rivelando dettagli oscurati o identificando persone che nel tempo sono cambiate significativamente, queste tecnologie si stanno dimostrando risorse potenti nel campo della digital forensics.

Utilizzare la segmentazione delle istanze per estrarre le prove#

La segmentazione delle istanze è un'attività di computer vision in grado di identificare i singoli oggetti presenti in un'immagine e delineare ciascuno di essi con una maschera dettagliata a livello di pixel. Questo aiuta gli investigatori a isolare con precisione gli elementi chiave delle prove, anche in ambienti disordinati o complessi.

Immagina una scena del crimine in cui siano visibili nel fango o nella neve più serie di impronte o tracce di pneumatici sovrapposte: la segmentazione delle istanze può distinguere e delineare ciascuna traccia separatamente. Ciò facilita l'analisi degli schemi di movimento, dei percorsi dei veicoli o delle traiettorie dei sospettati, senza le distrazioni degli elementi di sfondo.

Oltre all'analisi della scena, la segmentazione delle istanze viene applicata anche alle immagini forensi. In uno studio dello Zurich Institute of Forensic Medicine, i ricercatori hanno utilizzato questa tecnica per identificare diversi tipi di ferite. Hanno addestrato un modello di visione su 1.753 immagini forensi contenenti 4.666 ferite.

Il modello addestrato è riuscito a rilevare e classificare sette tipi di lesioni, tra cui ferite da arma da taglio e ustioni. Ha dimostrato come la Vision AI possa aiutare gli investigatori ad analizzare rapidamente e con precisione gli schemi delle lesioni, risparmiando tempo e migliorando la coerenza delle valutazioni delle immagini forensi.

Riconoscimento automatico delle targhe abilitato dalla Vision AI#

Il riconoscimento automatico delle targhe (ANPR), o riconoscimento delle targhe (LPR), è un'applicazione della computer vision che rileva, legge ed estrae automaticamente i numeri di targa da immagini o filmati video. In genere, ciò implica l'utilizzo di modelli di computer vision, come YOLO11, per il rilevamento degli oggetti e l'individuazione della targa all'interno di un fotogramma.

Una volta identificata la targa, viene applicato il riconoscimento ottico dei caratteri (OCR) per estrarre i caratteri alfanumerici. Queste informazioni possono quindi essere confrontate con le banche dati per identificare il proprietario del veicolo o tracciarne gli spostamenti passati. L'ANPR è particolarmente utile nelle indagini su persone scomparse, furti di veicoli, violazioni del codice della strada o incidenti con omissione di soccorso.

Ad esempio, in un caso di persona scomparsa, le forze dell'ordine possono inserire il numero di targa in un sistema LPR. Se il veicolo compare in una telecamera di sorveglianza, il sistema può segnalarne automaticamente la posizione, aiutando gli agenti a intervenire rapidamente. LPR svolge inoltre un ruolo fondamentale nei casi di veicoli rubati o incidenti con omissione di soccorso, fornendo un tracciamento rapido e accurato attraverso reti di sorveglianza integrate.

Fig. 5. Rilevamento delle targhe con Ultralytics YOLO11 (fonte).

Vantaggi e svantaggi dell'utilizzo dell'AI nella scienza forense#

L'AI e la computer vision offrono diversi vantaggi fondamentali che migliorano l'efficienza, l'accessibilità e l'affidabilità delle indagini forensi. Ecco alcuni dei principali vantaggi da considerare:

• Analisi da remoto: la computer vision consente agli investigatori forensi di visualizzare scene del crimine e prove, come immagini, video e modelli 3D, da qualsiasi luogo senza essere presenti fisicamente.
• Archivi a lungo termine: i dati elaborati dai sistemi di visione possono essere organizzati efficacemente e facilmente ricercabili. Se necessario in futuro, possono essere riesaminati e rianalizzati utilizzando modelli migliorati su casi più datati.
• Coerenza: a differenza degli esseri umani, che possono interpretare le informazioni visive in modo diverso in base alla propria esperienza, i modelli di computer vision applicano ogni volta le stesse regole, producendo analisi più coerenti e uniformi.

Nonostante il suo potenziale, la computer vision nella scienza forense presenta anche alcune difficoltà da tenere presenti. Ecco le principali:

• Qualità degli input: i modelli di visione dipendono fortemente dalla qualità dei dati che ricevono. Le soluzioni di computer vision possono non rilevare o interpretare erroneamente dettagli importanti se le immagini sono sfocate, scarsamente illuminate o a bassa risoluzione. Questo può essere mitigato applicando la corretta strategia di data augmentation.
• Difficoltà con dati non presenti nel set di addestramento: i modelli di computer vision possono avere difficoltà quando incontrano qualcosa di nuovo, come oggetti insoliti o scene del crimine diverse dai dati su cui sono stati addestrati. Questo fenomeno è noto come “drift”.
• Difficoltà legali: l'utilizzo della computer vision nelle indagini può sollevare questioni legali, ad esempio se le prove siano ammissibili in tribunale, quanto siano privati i dati e quanto siano trasparenti le decisioni del sistema.

Punti chiave#

La computer vision è ancora in evoluzione, ma sta già trasformando il funzionamento della scienza forense. Dal rilevamento e dalla delineazione di piccoli elementi di prova tramite la segmentazione delle istanze alla creazione di modelli 3D delle scene del crimine e al miglioramento dei documenti, supporta gli investigatori in ogni fase del loro lavoro.

In futuro, è probabile che la computer vision collabori ancora più strettamente con l'AI e il machine learning per individuare più rapidamente gli schemi e fare previsioni migliori utilizzando i dati dei casi passati. Con il continuo miglioramento della tecnologia, continuerà a offrire metodi nuovi e più efficaci per risolvere i crimini.

Unisciti alla nostra community e al nostro repository GitHub per saperne di più sulla computer vision. Esplora applicazioni come l'AI nella produzione e la computer vision nell'agricoltura nelle nostre pagine dedicate alle soluzioni. Scopri le nostre opzioni di licenza e inizia oggi stesso a sviluppare con la computer vision!