Applicazioni video per la città intelligente

Le applicazioni video in ambito Internet of Things possono essere migliorate usando funzioni analitiche nel nodo di accesso. Queste applicazioni traggono vantaggi dall’abbondanza di informazioni nel mondo reale, e vengono utilizzate dal riconoscimento facciale alla sorveglianza, fino all’analisi predittiva e comportamentale. Le informazioni raccolte possono essere processate nel Cloud; queste analisi possono a loro volta essere migliorate aggiungendo, secondo necessità, intelligenza nel nodo e sfruttando sensori video con funzione logaritmica. Aggiungendo capacità di processamento nel nodo si elimina la comunicazione con il Cloud riducendo la banda richiesta per processare le informazioni nel Cloud. La risultante di questa architettura con la capacità analitica nel nodo è la riduzione dei consumi e il miglioramento della latenza della risposta. Scenari altamente affollati come centri commerciali, strade ad alta intensità di traffico e parcheggi rappresentano le condizioni tipiche dove l’analisi predittiva e comportamentale nel nodo trova applicazione. L’analisi ad alto livello di questi scenari ad alta densità effettuata nel Cloud può avvantaggiare le strategie di business nella gestione dei Big Data, mentre implementando l’analisi a un livello più basso, nel nodo, si ottengono efficienze nella latenza, nella occupazione di banda, nella sicurezza e nei consumi. In aggiunta all’intelligenza nel nodo, aggiungendo anche l’analisi video, si possono ottimizzare questi sistemi fornendo vantaggi dove tipicamente i sistemi convenzionali falliscono. I sensori video con risposta logaritmico-digitale delle immagini nel nodo offrono una migliore dinamica per il processamento, riducendo la dipendenza dalla luminosità; ombre, riflessioni, cambi repentini di luce e scenari a forte contrasto sono situazioni dove la risposta logaritmica può offrire prestazioni superiori all’acquisizione lineare convenzionale. I miglioramenti offerti dall’analisi nel nodo e dall’acquisizione logaritimica possono aiutare a risolvere problemi in applicazioni in ambito IoT dove la sicurezza, la latenza, la potenza di calcolo e la banda occupata sono requisiti fondamentali. In ambito video un contrasto limitato e la dipendenza dalla luminosità sono situazioni comuni da affrontare; queste problematiche sono quasi eliminate dalla capacità logaritimica del sensore e dall’analisi nel nodo.

L’intelligenza e il nodo IoT

Processare i dati basandosi su eventi video attesi può trasformare l’analisi in azioni appropriate con una comunicazione minima o assente al Cloud. Questa rapida analisi di dati video migliora la latenza del sistema. In situazioni critiche, dove la decisione presa in tempo reale è fondamentale, la riduzione della latenza è un requisito fondamentale così come la sicurezza derivante dall’analisi locale, e quindi dalla non trasmissione dei dati al Cloud, viene migliorata riducendo i rischi di intercettazione. Solo i dati più significativi possono essere trasmessi al Cloud per analisi predittive e comportamentali. Questo partizionamento dei dati massimizza il valore del Cloud. L’analisi video dei dati nel nodo può offrire molti filtri all’interpretazione per distinguere oggetti come macchine, biciclette, animali o umani; questa decimazione del dato riduce l’occupazione della banda e la potenza di calcolo richiesta nel Cloud per analizzare l’invio del dato video nella sua totalità.

L’analisi logaritmica

I sensori video più convenzionali sono lineari e usano pixel che generano una tensione che è una funzione lineare della luce che può risultare in un contrasto limitato. I sensori di immagini lineari utilizzano inoltre una esposizione uniforme che limita la loro dinamica al tempo di esposizione del pixel all’interno del frame; infine nei sensori convenzionali il contrasto è funzione della luminosità e questo può introdurre problemi dovuti alle riflessioni che possono però essere risolti utilizzando un sensore che genera una tensione logaritimica funzione della luce. Alcuni sensori tradizionali hanno difficoltà nella gestione del contrasto limitando l’utente nel catturare completamente l’ambiente nel quale si trova il soggetto. Questi problemi di contrasto derivano dalla proprietà lineare in tensione del pixel. La tensione generata da un sensore lineare è direttamente proporzionale alla quantità di fotoni che lo colpiscono, come risultato il range dinamico è limitato rispetto una stessa parte con uscita logaritmica. Il ridotto contrasto dei sensori lineari, funzione della ridotta dinamica del sensore, può corrompere l’analisi nel nodo IoT e l’efficienza dell’applicazione inficiando la prestazione totale del sistema. Il sensore logaritmico offre invece una scala di luce più ampia e quindi un miglior contrasto dovuto alla generazione di una tensione logaritmica funzione della luce da parte del pixel. Questo maggior contrasto implica una maggior sensibilità alla luce che a volte può essere un effetto non desiderato da alcune applicazioni; alternativamente questa maggiore sensibilità alla luminosità può essere un vantaggio. Acquisizioni video con sensori convenzionali possono essere limitate da riflessioni in ambienti soleggiati o particolarmente luminosi, per esempio il riconoscimento facciale in auto può essere reso difficoltoso quando sono presenti le riflessioni dal parabrezza. Questa limitazione nell’acquisire il video può influenzare negativamente l’analisi del dato introducendo errori nel sistema; queste riflessioni sono dovute alla caratteristica lineare del contrasto tra pixel come risultato della dipendenza dalla luminosità. Nei sensori logaritmici, invece, il contrasto è indipendente dalla luminosità per la sua naturale proprietà logaritmica che aiuta a mitigare riflessioni o cambi repentini di luce.

Un modulo per la Smart City

Analog Devices propone un modulo integrato per acquisizioni video che può essere utilizzato in diverse applicazioni emergenti nell’ambito Smart City, come il monitoraggio del traffico e dei parcheggi o la gestione e controllo delle luci pubbliche. L’ADIS17001 offre sia un’analisi avanzata delle immagini sia l’intelligenza nel nodo; il processamento logaritmico permette di ottenere immagini nitide e accurate in condizioni esteme di luce e ombra, inoltre genera anche in uscita un contrasto a livello di pixel riducendo il carico di processamento. Questa efficienza di processamento permette di implementare algoritmi di analisi già nel nodo rendendo possibile una distinzione accurata e attendibile degli oggetti come persone e veicoli. La possibilità di decidere localmente nel nodo sulla base dei dati disponibili invece che inviarli nel Cloud migliora la latenza della risposta, i consumi e la banda occupata ottimizzando i costi di infrastruttura.

Pubblica i tuoi commenti