Visione artificiale per le scienze forensi: rilevare indizi nascosti

Le indagini dipendono molto dalle prove fisiche raccolte sulle scene del crimine, e gran parte di queste prove è visiva. Tradizionalmente, la raccolta degli indizi è stata manuale: fotografare la scena, disegnare planimetrie, etichettare gli oggetti e affidarsi all’occhio esperto dell’investigatore per individuare dettagli difficili da notare.

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’IA e alla visione artificiale, le indagini stanno diventando più avanzate. Le macchine possono contribuire ad analizzare le prove visive più rapidamente, con maggiore precisione e su scala molto più ampia.

In particolare, la visione artificiale è una tecnologia efficace 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 reati più velocemente.

I vantaggi degli strumenti basati sull'IA nelle indagini hanno portato il mercato globale degli strumenti di informatica forense digitale basati sull'IA a raggiungere un valore di 4,98 miliardi di dollari nel 2025; si prevede che raggiungerà i 17,7 miliardi di dollari entro il 2031.

Fig. 1. Mercato globale dell’analisi forense digitale basata sull’IA (Fonte).

In questo articolo vedremo come si può usare la visione artificiale nelle indagini forensi e come può aiutare a identificare, analizzare e interpretare le prove visive.

Il ruolo dell’IA e della visione artificiale nelle scienze forensi#

La visione artificiale consente alle macchine di interpretare le informazioni visive del mondo reale e prendere decisioni sulla base di tale comprensione. In particolare, nelle scienze forensi, l'IA può essere usata per rilevare elementi come armi o lesioni, tracciare veicoli e persino ricostruire in modo rapido e accurato modelli 3D delle scene del crimine.

Le indagini forensi si basano ancora sull'osservazione manuale e sulle conoscenze degli esperti, ma questo processo può richiedere molto tempo e in genere si concentra su un solo caso alla volta. Modelli di visione artificiale come Ultralytics YOLO11 offrono un approccio più rapido e scalabile. Questi modelli possono esaminare le scene, identificare gli oggetti chiave e classificare le prove usando attività di IA visiva come il rilevamento degli oggetti e la classificazione delle immagini.

Per esempio, invece di esaminare manualmente centinaia di ore di filmati di sorveglianza, un modello di visione artificiale può analizzare automaticamente i flussi video per rilevare attività sospette, come movimenti insoliti, persone che si aggirano in un’area o oggetti lasciati incustoditi. Può segnalare specifici intervalli di tempo e luoghi da sottoporre all’attenzione degli investigatori, riducendo notevolmente il tempo e l’impegno necessari per trovare prove pertinenti.

Applicazioni della Vision AI nelle scienze forensi#

La visione artificiale sta cambiando il modo in cui gli investigatori raccolgono e studiano le prove visive. Ecco uno sguardo più da vicino al suo utilizzo attuale nelle attività forensi.

Analisi dei filmati di sorveglianza con la visione artificiale#

Una delle tecniche di visione artificiale più comuni nella videosorveglianza è il tracciamento degli oggetti, che segue persone, veicoli o elementi attraverso i fotogrammi di un video. Invece di essere programmati manualmente per ogni situazione, questi sistemi apprendono dai video del mondo reale e imparano rapidamente a riconoscere ciò che è «normale». In questo modo possono individuare automaticamente comportamenti insoliti, come una persona che si aggira in un’area tranquilla, un veicolo in una zona ad accesso limitato o una borsa incustodita in un luogo pubblico.

Questa tecnologia può essere utile durante le indagini. Per esempio, se un testimone dichiara di aver visto un pick-up rosso a un incrocio tra le 11:00 e le 13:00, la visione artificiale può analizzare ore di filmati delle telecamere a circuito chiuso, individuare ogni passaggio di un pick-up rosso e risparmiare agli investigatori la revisione manuale di tutto il materiale. Automatizzando attività che prima richiedevano ore o giorni, la visione artificiale rende più rapidi, intelligenti ed efficaci sia il monitoraggio in tempo reale sia l’esame delle prove.

Fig. 2. Uso della Vision AI per analizzare i filmati delle telecamere a circuito chiuso e tracciare i pick-up rossi (fonte).

Uso dell’IA nelle indagini sugli incendi boschivi#

Dopo un incendio, il tempo è un fattore cruciale e le prove fisiche sono spesso compromesse o distrutte. Le tecnologie di visione artificiale aiutano a colmare questa lacuna analizzando diverse fonti di dati visivi, come immagini satellitari, riprese da droni, filmati delle telecamere a circuito chiuso e scansioni termiche, per ricostruire la sequenza degli eventi.

Questi strumenti possono rilevare il punto d’origine di un incendio, identificare possibili 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 individuare schemi ricorrenti in diverse regioni, come luoghi in cui si verificano incendi ripetuti, comportamenti sospetti o incendi dolosi coordinati.

Un esempio concreto viene dal Nuovo Galles del Sud, in Australia, dove la polizia ha usato una piattaforma di visione artificiale chiamata Insights durante le indagini sugli incendi boschivi del 2019–2020. La piattaforma ha analizzato filmati delle telecamere a circuito chiuso, dati geospaziali e dati ambientali come la direzione del vento e le registrazioni delle scariche di fulmini. Ha anche usato il riconoscimento degli oggetti per individuare elementi visivi pertinenti, come veicoli o attrezzature, in grandi quantità di filmati di sorveglianza.

Sovrapponendo questi dati alle informazioni di geolocalizzazione dei telefoni cellulari e alle mappe, gli investigatori hanno potuto collegare le attività umane a specifici incendi e presentare visivamente i dati durante le inchieste formali. Questo approccio ha accelerato le indagini.

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

Ricostruzione di una scena del crimine con la visione artificiale#

La ricostruzione 3D in ambito forense combina tecnologie come la fotografia, la scansione laser, il LiDAR e la visione artificiale per creare modelli dettagliati delle scene del crimine in scala reale. Queste ricostruzioni aiutano gli investigatori a visualizzare la disposizione degli oggetti, gli schizzi di sangue e le traiettorie dei proiettili con un livello di precisione 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, anche la ricostruzione 3D e la realtà virtuale (VR) stanno trasformando la formazione forense. In ambito accademico, gli studenti possono usare visori VR per esplorare scene del crimine simulate, identificare prove e fare pratica con tecniche come il rilevamento delle impronte digitali e l'analisi delle tracce di sangue. Questo approccio immersivo permette di sviluppare competenze investigative fondamentali in un ambiente sicuro e ripetibile.

Fig. 4. Uno studente esamina la scena del crimine con un visore VR (fonte).

Miglioramento delle immagini con la Vision AI#

Di recente, un caso rimasto irrisolto per 19 anni nello stato indiano del Kerala è stato risolto grazie al miglioramento delle immagini basato sull’IA. Gli investigatori hanno riesaminato vecchie fotografie risalenti al momento del crimine e hanno combinato l’elaborazione delle immagini con l’intelligenza artificiale per rendere più nitidi i tratti del volto e generare immagini aggiornate dei sospettati. Una delle immagini migliorate somigliava molto a una persona ritratta in una foto di matrimonio condivisa online, aprendo la strada a una svolta nel caso.

Questo caso è un buon esempio di come gli strumenti forensi moderni, in particolare l’integrazione dell’IA con le tecniche tradizionali di miglioramento delle immagini, possano aiutare le forze dell’ordine a riesaminare e risolvere indagini rimaste a lungo senza esito. Rivelando dettagli nascosti o identificando persone il cui aspetto è cambiato notevolmente nel tempo, queste tecnologie si stanno dimostrando strumenti preziosi nell’ambito dell’analisi forense digitale.

Uso della segmentazione delle istanze per estrarre le prove#

La segmentazione delle istanze è un’attività di visione artificiale che può identificare singoli oggetti in un’immagine e delinearli con una maschera dettagliata a livello di pixel. Questo aiuta gli investigatori a isolare con precisione elementi di prova importanti, anche in ambienti disordinati o complessi.

Immagina una scena del crimine in cui sono visibili sulla terra o sulla neve più serie di impronte o tracce di pneumatici sovrapposte: la segmentazione delle istanze può distinguere e delineare ciascuna traccia separatamente. In questo modo è più facile analizzare gli schemi di movimento, i percorsi dei veicoli o le traiettorie dei sospettati senza lasciarsi distrarre dagli elementi di disturbo sullo sfondo.

Oltre che nell’analisi delle scene, la segmentazione delle istanze viene applicata anche alle immagini forensi. In uno studio condotto dall’Istituto di medicina legale di Zurigo, i ricercatori hanno usato 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 taglio e ustioni. Ha dimostrato come l'IA visiva possa supportare gli investigatori analizzando in modo rapido e accurato gli schemi delle lesioni, facendo risparmiare tempo e migliorando la coerenza delle valutazioni delle immagini forensi.

Riconoscimento automatico delle targhe con la Vision AI#

Il riconoscimento automatico delle targhe (ANPR), o riconoscimento delle targhe (LPR), è un’applicazione della visione artificiale che rileva, legge ed estrae automaticamente i numeri di targa da immagini o filmati. In genere, si usano modelli di visione artificiale come YOLO11 per il rilevamento degli oggetti, così da localizzare la targa nel fotogramma.

Dopo aver individuato la targa, si applica il riconoscimento ottico dei caratteri (OCR) per estrarre i caratteri alfanumerici. Queste informazioni possono poi essere confrontate con le banche dati per identificare il proprietario del veicolo o tracciarne gli spostamenti passati. L’ANPR è particolarmente utile nelle indagini riguardanti persone scomparse, furti di veicoli, infrazioni stradali o incidenti con omissione di soccorso.

Per 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 su una videocamera di sorveglianza, il sistema può segnalarne automaticamente la posizione, aiutando gli agenti a intervenire rapidamente. L’LPR svolge un ruolo fondamentale anche nei casi di veicoli rubati o incidenti con omissione di soccorso, perché consente un tracciamento rapido e preciso attraverso reti di sorveglianza integrate.

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

Vantaggi e svantaggi dell’uso dell’IA in medicina forense#

L’IA e la visione artificiale 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 visione artificiale consente agli investigatori forensi di esaminare scene del crimine e prove, come immagini, video e modelli 3D, da qualsiasi luogo, senza essere presenti di persona.
• Archivi a lungo termine: i dati elaborati dai sistemi di visione possono essere organizzati con cura e consultati facilmente. Se necessario, in futuro i vecchi casi possono essere riesaminati e rianalizzati con modelli migliorati.
• Coerenza: a differenza degli esseri umani, che possono interpretare le informazioni visive in modo diverso in base alla propria esperienza, i modelli di visione artificiale applicano sempre le stesse regole, ottenendo analisi più coerenti e uniformi.

Nonostante il suo potenziale, la visione artificiale in ambito forense presenta anche alcune sfide da tenere presenti. Ecco le principali:

• Qualità degli input: i modelli di visione dipendono molto dalla qualità dei dati che ricevono. Le soluzioni di visione artificiale possono non rilevare o interpretare male dettagli importanti se le immagini sono sfocate, poco illuminate o a bassa risoluzione. Una strategia adeguata di data augmentation durante l'addestramento può attenuare in parte il problema.
• Difficoltà con dati mai visti: i modelli di visione artificiale 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 strettamente correlato al data drift.
• Sfide legali: l'uso della visione artificiale nelle indagini può sollevare questioni legali, per esempio se le prove siano ammissibili in tribunale, quanto siano riservati i dati e quanto siano trasparenti le decisioni del sistema.

Punti chiave#

La visione artificiale è ancora in evoluzione, ma sta già cambiando il funzionamento delle scienze forensi. Dal rilevamento e dalla delineazione di piccoli elementi di prova tramite segmentazione delle istanze, fino alla creazione di modelli 3D delle scene del crimine e al miglioramento delle immagini, supporta gli investigatori in ogni fase del loro lavoro.

In futuro, è probabile che la visione artificiale collabori ancora più strettamente con l’IA e il machine learning per individuare schemi più rapidamente e fare previsioni migliori usando i dati dei casi precedenti. Con il continuo miglioramento della tecnologia, arriveranno nuovi metodi più efficaci per risolvere i crimini.

Unisciti alla nostra community e visita il nostro repository GitHub per saperne di più sulla visione artificiale. Scopri applicazioni come l’IA nel settore manifatturiero e la visione artificiale in agricoltura nelle nostre pagine dedicate alle soluzioni. Dai un’occhiata alle nostre licenze e inizia a sviluppare con la visione artificiale oggi stesso!