La videosorveglianza è uno di quei tanti comparti "da specialisti", a lungo anche un po' chiusi in sé stessi, che hanno dovuto invece aprirsi rapidamente verso il mondo IT. Ancora una volta la parola chiave che spiega questo fenomeno è digitalizzazione: anche i sistemi e le unità per la videosorveglianza sono sempre più digitali (per come funzionano e per come gestiscono i loro dati) e questo ha permesso di combinarli con molte altre componenti infrastrutturali degli edifici o degli spazi pubblici.

Non si tratta solo di facilitare, grazie al digitale, la semplice integrazione tra sistemi diversi. Certo è più facile gestire una videocamera IP che comunica e si alimenta via Ethernet, rispetto al vecchio sistema CCTV analogico, ma il vero valore dell'integrazione sta come al solito nell'abilitare funzioni prima impossibili. Ad esempio, in questo caso, sta nel combinare la videosorveglianza con altre forme di sicurezza fisica, come il controllo degli accessi, per creare un sistema di controllo integrato che condivide informazioni e - soprattutto - possibilità di allarme e intervento.

Questo ovviamente è possibile prima di tutto perché si è avuta una evoluzione tecnologica dei sistemi di videosorveglianza in quanto tali. A partire dalla singola unità video, anche se oggi parlare di video rischia di essere riduttivo: abbiamo a disposizione unità multidimensionali in cui la visione è solo uno dei tanti "sensi" digitali possibili. I sensori ottici (sempre più definiti) possono fornire le classiche immagini bidimensionali, ma li affiancano sensori radar che danno una vera tridimensionalità, potendo rilevare i principali parametri di movimento (posizione, velocità, direzione) di un oggetto.


E se i sensori termici li conosciamo già molto bene, si diffondono anche i sensori audio, progettati per rilevare e isolare rumori potenzialmente sospetti, come una finestra che si rompe. Unire tutti questi rilevamenti in un sistema integrato serve ad accumulare più dati, da analizzare per arrivare a una valutazione (automatica) più precisa della scena inquadrata e delle sue implicazioni.

Videosorveglianza: il ruolo del cloud

Insomma, si possono raccogliere sempre più dati con i moderni sistemi di videosorveglianza. E farci ovviamente molte più cose. Ma come per qualsiasi ambito in cui le informazioni raccolte localmente sono molte e vanno comunque analizzate velocemente, si pone la classica diatriba tra centro e periferia: cosa è meglio fare (ossia elaborare) in locale e cosa è meglio delegare a un "altrove" (ovviamente il cloud) che abbia una maggiore potenza elaborativa e una dotazione più ricca di funzioni?

Le piattaforme in cloud per la videosorveglianza as-a-Service esistono già da tempo e sicuramente hanno contribuito a portare più sicurezza alle realtà che, senza il cloud, non avrebbero investito in un sistema tradizionale. Il dilemma centro-periferia però esiste e non ha una risposta univoca. Laddove è possibile, un sistema di videosorveglianza un minimo articolato dovrebbe prevedere in locale quantomeno alcune funzioni di analisi e conservazione delle riprese e dei dati raccolti dai sensori non-video. Come anche, per ovvie considerazioni di sicurezza e privacy, quelle di anonimizzazione e cifratura.


Ma la videosorveglianza è un settore critico in cui la velocità di reazione è essenziale. Serve a poco evidenziare un comportamento sospetto - ad esempio una intrusione, o un furto in un negozio - se lo si scopre con qualche minuto di ritardo. Ecco perché il cloud della videosorveglianza sarà sempre più una infrastruttura stratificata in stile edge computing. E con molti automatismi legati anche alla promessa dell'intelligenza artificiale.

Videosorveglianza: i dubbi del machine learning

Proprio il ruolo dell'AI nella videosorveglianza del prossimo futuro è un tema molto dibattuto, tra favorevoli e contrari comunque molto convinti delle loro ragioni. Ciò su cui tutti sono più o meno d'accordo è che in linea di principio quello tra machine learning e videosorveglianza è un rapporto che funziona. Non solo l'intelligenza artificiale può elaborare e correlare dati a una scala nettamente superiore a quella umana, i test sul campo e le ricerche scientifiche dimostrano che si possono effettivamente addestrare algoritmi di machine learning in modo da rilevare comportamenti sospetti nelle riprese video.

C'è molto meno accordo su quanto questa capacità di rilevare anomalie sia poi applicabile a qualsiasi situazione. Ci sono comportamenti facili da rilevare - come il tailgating, ossia superare una barriera di sicurezza (come un tornello) ponendosi nella "scia" di un'altra persona autorizzata - ma anche molti altri che possono essere devianti o innocui a seconda di variabili molto aleatorie legate al contesto in cui si verificano.


Il presupposto concettuale degli "ottimisti" in machine learning è che il falso positivo è comunque preferibile al mancato controllo. Dato che il comportamento delle persone negli spazi pubblici - inteso come combinazione e variazione nel tempo di parametri quali posizione, spostamenti, velocità, prossimità ad altre persone - è mediamente "pacifico", la deviazione dalla norma è quasi sempre significativa.

Ma i "pessimisti" del machine learning sanno che l'algoritmo che decide cosa è deviante lo fa in base al campione di dati usato per addestrarlo. Se quel campione è in qualche modo influenzato da pregiudizi, lo sarà tutto il sistema di sicurezza. Unito all'estrema variabilità dei comportamenti umani, questo rischia di creare una miscela pericolosa.

Videosorveglianza: un mondo che cambia

Sono questioni da porsi, perché la videosorveglianza - piaccia o non piaccia - si appresta a diventare una funzione svolta su scala molto ampia. Molte evoluzioni tecnologiche e sociali - dal modello delle Smart/Safe City alla guida autonoma - spingono infatti verso infrastrutture estese di controllo e monitoraggio visivo tramite un gran numero di videocamere sparse sul territorio.

Da questo punto di vista non c'è una soluzione tecnologica ideale. Serve una estrema attenzione - e una buona dose di etica - nel definire i campioni con cui addestrare le intelligenze artificiali pensate per la sicurezza. E anche nel delimitare il raggio d'azione dei sistemi di controllo (e reazione). Secondo i più ottimisti, stiamo raccogliendo talmente tanti contenuti video da dare in pasto al machine learning che il rischio del pregiudizio si sta abbassando notevolmente. Ma non tutti la pensano allo stesso modo.