Monitoraggio della sicurezza in tempo reale con AI e Ultralytics YOLO11

Le tecnologie di videosorveglianza intelligente svolgono un ruolo fondamentale nella protezione di persone, proprietà e infrastrutture in tutto il mondo. Al centro di questi sistemi ci sono le telecamere, che monitorano ininterrottamente strade, aeroporti, scuole, uffici e spazi pubblici. Con oltre un miliardo di telecamere di sorveglianza in uso nel mondo, la quantità di video registrati cresce più rapidamente che mai.

Tradizionalmente, la revisione di queste riprese è stata affidata a operatori umani, che controllano gli schermi alla ricerca di potenziali minacce. Questo approccio può funzionare in contesti più piccoli, ma su larga scala diventa eccessivo e inefficiente. Richiede anche molto tempo, un notevole svantaggio negli ambienti affollati o caratterizzati da rapidi cambiamenti.

Oggi, i sistemi di videosorveglianza iniziano ad affidarsi a soluzioni di intelligenza artificiale (AI) per fornire informazioni in tempo reale e consentire decisioni più consapevoli. Un elemento fondamentale di questo progresso è la computer vision, un ramo dell’IA che permette alle macchine di interpretare i dati visivi.

I modelli di computer vision come Ultralytics YOLO11 sono progettati per gestire diverse attività di rilevamento di immagini e video in tempo reale. Possono rilevare persone, tracciare i movimenti e individuare comportamenti insoliti con rapidità e precisione. Anche in ambienti complessi, questi modelli consentono ai team di sicurezza di restare vigili e pronti a intervenire.

In questo articolo scopriremo come la computer vision e modelli come Ultralytics YOLO11 possono contribuire a cambiare la gestione della sicurezza in ambienti diversi. Cominciamo!

Il ruolo della computer vision e dell’IA nei sistemi di sicurezza pubblica#

Il settore della sicurezza sta adottando rapidamente la visione artificiale. I sistemi di sorveglianza intelligenti, che combinano visione artificiale, edge computing (che elabora i dati localmente, vicino alla fonte) e telecamere CCTV, possono ora analizzare persone e veicoli in tempo reale, aiutando i team di sicurezza a rilevare le minacce con maggiore efficienza. Con il continuo progresso dell'AI e delle tecnologie per le telecamere, l'analisi video si avvicina a una precisione pari a quella umana in molte attività, trasformando il modo in cui proteggiamo gli spazi pubblici.

I sistemi di computer vision possono svolgere attività come rilevare oggetti, tracciare movimenti e riconoscere schemi nei video. Possono quindi identificare persone, rilevare comportamenti insoliti e monitorare le attività mentre avvengono. Queste funzionalità possono rendere i sistemi di sorveglianza più avanzati e affidabili negli spazi pubblici e privati. Di conseguenza, si prevede che il mercato della videosorveglianza basata sull’IA raggiungerà i 12,46 miliardi di dollari entro il 2030.

Fig. 1. Il ruolo della computer vision nei sistemi di sicurezza. Immagine dell’autore.

Come Ultralytics YOLO11 può rendere più intelligenti i sistemi di sicurezza#

Vediamo ora più da vicino Ultralytics YOLO11 e le funzionalità che lo rendono uno strumento efficace per l’analisi video in tempo reale.

Basato sui recenti progressi nell’IA e nella computer vision, Ultralytics YOLO11 offre elaborazione più rapida, maggiore precisione e più flessibilità per applicazioni come i sistemi di sicurezza basati su video.

Come i modelli YOLO precedenti, Ultralytics YOLO11 è in grado di gestire complesse attività di Vision AI, come il rilevamento di oggetti (localizzazione e identificazione degli oggetti), la segmentazione di istanze (evidenziazione e delimitazione di oggetti specifici in un’immagine), il tracking degli oggetti (tracciamento degli oggetti nel tempo) e la stima della posa (comprensione della posizione o del movimento degli oggetti).

YOLO11 è anche molto più efficiente dei modelli precedenti. Con il 22% di parametri in meno rispetto a Ultralytics YOLOv8m, ottiene una precisione media media (mAP) più elevata sul dataset COCO: ciò significa che YOLO11m rileva gli oggetti con maggiore precisione usando meno risorse. Inoltre, offre velocità di elaborazione superiori, risultando adatto alle applicazioni in tempo reale, in cui rapidità di rilevamento e risposta sono fondamentali e ogni millisecondo conta.

Fig. 2. YOLO11 supera i precedenti modelli YOLO in diversi test di benchmark.

Uso di Ultralytics YOLO11 e della computer vision nelle applicazioni di sicurezza#

Ora che abbiamo capito meglio come funziona la computer vision nei sistemi di sicurezza e sorveglianza, vediamo più da vicino alcune applicazioni di sicurezza concrete in cui Ultralytics YOLO11 può svolgere un ruolo fondamentale.

Rilevamento delle intrusioni con la computer vision e Ultralytics YOLO11#

Mantenere sicure le aree ad accesso limitato è fondamentale per garantire la sicurezza e proteggere le proprietà. Che si tratti di un sito privato, di un magazzino o di una struttura di trasporto pubblico, rilevare gli accessi non autorizzati può prevenire incidenti gravi.

Ultralytics YOLO11 può aiutare a rilevare le intrusioni in tempo reale identificando persone, veicoli o altri oggetti in movimento nei flussi video. Nel campo visivo della telecamera è possibile definire confini virtuali, detti geofence. Quando un oggetto entra in una zona riservata, YOLO11 può rilevare l'intrusione e attivare un avviso oppure trasmettere i dati del rilevamento a un sistema di sicurezza integrato affinché intervenga.

Gli oggetti rilevati vengono evidenziati con riquadri di delimitazione, fornendo un’indicazione visiva chiara dell’attività. In questo modo si riduce la necessità di un monitoraggio umano continuo e aumentano le probabilità di individuare gli incidenti mentre si verificano.

Questo approccio è utile anche per la sicurezza pubblica. Per esempio, le linee gialle sui binari delle stazioni ferroviarie indicano le aree che i passeggeri non devono oltrepassare per motivi di sicurezza. In questi casi, Ultralytics YOLO11 può monitorare la linea di confine e rilevare quando qualcuno la supera. Il sistema può quindi cambiare il colore del riquadro di delimitazione per segnalare un potenziale problema di sicurezza. Grazie a funzionalità di questo tipo, YOLO11 consente un rilevamento delle intrusioni più reattivo e affidabile negli ambienti ad alto rischio.

Rilevamento di oggetti abbandonati nella videosorveglianza con Ultralytics YOLO11#

Una borsa lasciata incustodita in un aeroporto o in una stazione ferroviaria affollati può destare rapidamente preoccupazione per la sicurezza. Negli spazi pubblici affollati, è difficile per il personale di sicurezza individuare tempestivamente oggetti simili, soprattutto durante turni lunghi o nelle ore di punta. I ritardi nel rilevamento possono causare panico ingiustificato o rischi per la sicurezza.

I modelli di computer vision come Ultralytics YOLO11 possono migliorare la sorveglianza rilevando, segmentando e tracciando oggetti incustoditi nei flussi video in tempo reale. Se una borsa o un pacco risulta fermo nello stesso punto troppo a lungo, senza nessuno nelle vicinanze, il sistema può segnalarlo come potenzialmente abbandonato. Questo livello aggiuntivo di analisi permette di distinguere gli oggetti con maggiore precisione e riduce la necessità di un’osservazione umana costante, consentendo interventi più rapidi e mirati.

Fig. 3. Uso di Ultralytics YOLO11 per rilevare una valigia.

Conteggio di ingressi e uscite con modelli di IA come Ultralytics YOLO11#

Sapere quante persone entrano ed escono da uno spazio è fondamentale sia per la sicurezza sia per l'efficienza operativa. In luoghi come centri commerciali, edifici per uffici e stazioni ferroviarie, queste informazioni possono semplificare la gestione delle grandi folle, migliorare la disposizione degli spazi e garantire il regolare svolgimento delle attività quotidiane.

Prima dell’adozione della computer vision, il conteggio veniva in genere affidato al personale, che usava contapersone manuali o semplici sensori all’ingresso. Questi metodi funzionano, ma non sono efficienti quando si tratta di folle numerose. Inoltre, non sono sempre affidabili nelle strutture con più ingressi e uscite.

Il supporto di Ultralytics YOLO11 per il rilevamento e il tracciamento degli oggetti può essere utilizzato per contare persone o oggetti all'interno di una regione di interesse definita. Può aiutare a contare ingressi e uscite in tempo reale, anche in spazi ampi o affollati. Per esempio, i negozi al dettaglio possono usare questo metodo per monitorare il flusso di visitatori attraverso più ingressi, aiutando i responsabili a modificare il personale durante le ore di punta.

Dati accurati su ingressi e uscite possono anche supportare la pianificazione a lungo termine. Le informazioni ricavate da questi dati possono aiutare i responsabili a studiare nel tempo i modelli di affluenza, consentendo loro di individuare le zone più frequentate e decidere dove collocare la segnaletica o riconfigurare gli ingressi per migliorare comfort e sicurezza.

Fig. 4 Un esempio di contatore di ingressi e uscite in tempo reale basato su YOLO11.

Vantaggi e svantaggi dei sistemi di videosorveglianza basati sull'AI#

Ecco alcuni dei principali vantaggi dell'uso della computer vision nei sistemi di sicurezza intelligenti:

• Efficienza dei costi nel tempo: anche se la configurazione iniziale può essere costosa, i sistemi di AI possono ridurre le spese a lungo termine legate al personale, alla formazione e alle inefficienze operative.
• Scalabilità: Le soluzioni di videosorveglianza basate sull'AI si scalano facilmente, rendendole adatte a qualsiasi contesto, da un piccolo ufficio a una rete di telecamere estesa a un'intera città.
• Facile integrazione con l'infrastruttura esistente: Molti modelli di AI, tra cui Ultralytics YOLO11, sono progettati per integrarsi con i sistemi CCTV e di sicurezza già in uso, riducendo al minimo le interruzioni.

Nonostante i numerosi vantaggi della videosorveglianza basata sull'AI, ci sono anche alcune limitazioni da tenere a mente. Ecco alcune delle principali sfide legate ai sistemi di sorveglianza intelligente:

• Questioni etiche e di privacy: Quando si usa la visione artificiale negli spazi pubblici, è importante affrontare le questioni relative al consenso, alla conservazione dei dati e alla gestione dei filmati, per garantire il rispetto della privacy.
• Dipendenza dalla qualità dei dati di addestramento: le prestazioni dei modelli di computer vision dipendono fortemente da dataset diversificati e selezionati con cura. Dati di addestramento scadenti o distorti possono causare rilevamenti imprecisi, identificazioni errate o risultati discriminatori.
• Fattori ambientali: condizioni come scarsa illuminazione, maltempo o ostacoli visivi possono influire sulle prestazioni di rilevamento, soprattutto all'aperto.

Punti chiave#

Ultralytics YOLO11 migliora le soluzioni di sicurezza in tempo reale aiutando a rilevare persone, oggetti e attività insolite con maggiore rapidità e precisione. Supporta applicazioni come il rilevamento delle intrusioni, il tracciamento degli oggetti e gli avvisi di permanenza sospetta, risultando utile in aree pubbliche, luoghi di lavoro e snodi di trasporto.

Riducendo la necessità di un monitoraggio manuale costante, Ultralytics YOLO11 consente ai team di sicurezza di reagire più rapidamente e con maggiore sicurezza. La sua capacità di analizzare le folle e contare le persone mostra come la Vision AI stia plasmando il futuro della sicurezza. Con il progresso della tecnologia, è probabile che continui a supportare sistemi di sorveglianza più intelligenti e affidabili.

Entra a far parte della nostra community ed esplora il nostro repository GitHub per immergerti nel mondo dell'AI. Scopri le entusiasmanti applicazioni della computer vision nel settore automobilistico e dell'AI nella logistica nelle nostre pagine dedicate alle soluzioni. Dai un'occhiata alle nostre opzioni di licenza e inizia subito!