Intelligenza Artificiale e monitoraggio delle misure di sicurezza sul lavoro sono due elementi essenziali per la prevenzione da COVID-19 in azienda
La riapertura di uffici, ristoranti, centri sportivi, parrucchieri e altri può avvenire solo sulla base del rispetto di rigorose misure di sicurezza, atte a favorire l’igiene personale e ad evitare la propagazione dei droplet, ovvero delle goccioline di saliva che sono il principale mezzo di contagio.
A tal proposito, le aziende e i negozi aperti al pubblico stanno provvedendo ad installare dispositivi come rilevatori di temperatura, dispenser di gel disinfettante, separatori di plexiglass per garantire la sicurezza e l’operabilità. Gli accorgimenti descritti sono utili ma non decisivi nella lotta alla diffusione del virus, e le uniche misure realmente efficaci sono rappresentate dal mantenimento del distanziamento sociale nonché dall’uso delle mascherine protettive.
E’ quindi necessario rendere disponibili, a costi accessibili, tecnologie per il rilevamento automatico dell’uso della mascherina e la misurazione della distanza sociale tra individui in ambienti indoor.
L’intelligenza artificiale per la prevenzione da COVID-19 in azienda
Per fare il possibile ed assicurarsi la massima prevenzione da COVID-19 in azienda le soluzioni di Intelligenza Artificiale rappresentano la risposta ad una problematica oggi molto comune: il rispetto degli accorgimenti che si è invitati tutti ad utilizzare per la sicurezza comune. In questa Fase 2 infatti, le tecniche di Intelligenza Artificiale per computer vision possono avere un notevole impatto nella gestione dell’emergenza da COVID-19, che prevede una graduale ripresa delle attività economiche e produttive.
ai-Guard: la soluzione Revelis per la prevenzione e controllo delle infezioni nel contesto dell’emergenza covid-19
Nell’ambito della prevenzione da COVID-19 in azienda, Revelis ha sviluppato una soluzione per eliminare il rischio della presenza di soggetti privi dei dispositivi di sicurezza previsti all’interno degli spazi lavorativi. La soluzione elaborata da Revelis prende il nome di ai-Guard, ed è una piattaforma software, disponibile anche come dispositivo “ready-to-use” che, sulla base di una rete neurale per l’analisi di video in tempo reale, è in grado di avvisare coloro i quali si trovano in un ambiente nel mancato rispetto delle misure di sicurezza.
Il funzionamento della rete neurale
Con Computer Vision intendiamo un campo dell’intelligenza artificiale che addestra i computer a interpretare e comprendere il mondo visivo.
La rete neurale sviluppata da Revelis è una rete convoluzionale in grado di:
- analizzare in tempo reale i singoli frame del video di una telecamera di sorveglianza
- individuare la presenza di volti con e senza mascherina, (tale rilevazione, per motivi di privacy, non prevede l’individuazione di uno specifico soggetto, ma semplicemente la presenza di volti umani)
- misurare la distanza tra le persone nella stanza
Lo sviluppo della rete neurale
Il modello di rete neurale si basa sull’architettura Faster R-CNN che utilizza le reti convoluzionali ed un insieme di anchor boxes per localizzare le facce aventi o no la mascherina. La scelta è ricaduta su questa tipologia di architettura per l’ottimo compromesso offerto tra performances e velocità di inferenza.
Per addestrare il modello è stato necessario reperire esempi di immagini con individui con e senza mascherina. Per questo obiettivo, sono stati uniti due dataset: WIDER utilizzato in letteratura per il Face Recognition e MAFA, contenente immagini di facce con e senza mascherina. Una volta ottenuti dati sufficienti è stato addestrato una Faster R-CNN usando Python ed il framework per Deep Learning PyTorch.
Le prestazioni del modello
Per misurare le performance del modello, è stato utilizzato il Test Set del dataset MAFA (escluso dal nostro Training) e comparato con altri modelli per il rilevamento di facce con o senza mascherina. La metrica di riferimento è la precisione media con intersezione con l’immagine originale al 50%. I modelli benchmark sono quello rilasciato dalla Google cinese Baidu e dall’azienda tech Aizoo.
| Modello | mAP@0.50 | Architettura |
| Revelis | 0.625 | Faster R-CNN |
| Baidu | 0.445 | Custom Single Stage |
| Aizoo | 0.445 | SSD |
I risultati devono essere interpretati alla luce del fatto che il test set è molto difficile da predire, come spiegato dagli autori dell’articolo, e che il sistema Revelis si basa su un’architettura Multi-Stage che massimizza la precisione penalizzando i tempi di inferenza (~1 secondo su GPU).
Il funzionamento di ai-Guard
ai-Guard, la soluzione elaborata da Revelis per la prevenzione da covid-19 in azienda, garantisce l’applicazione delle misure di sicurezza all’interno delle aziende.
In particolare, è possibile attivare un dispositivo dotato di telecamera, che consente:
- il monitoraggio degli ambienti lavorativi tramite l’identificazione della presenza di persone – ma senza procedere all’identificazione dei singoli soggetti per motivi di privacy
- il riconoscimento del mancato rispetto delle misure di sicurezza, ed in particolare:
- il mancato utilizzo della mascherina
- il mancato rispetto del distanziamento sociale
- L’invio di un avviso acustico a fronte di situazioni potenzialmente pericolose.
Utilizzare ai-Guard è semplice, perché il dispositivo non ha infatti bisogno di installazioni complesse o di connessione a internet. E’ potente ed estendibile e supporta anche telecamere esterne.
ai-Guard è inoltre disponibile in modalità server, per le grandi organizzazioni che dispongono di impianti di video-sorveglianza con molte telecamere ed intendono monitorare il rispetto delle misure di sicurezza per evitare il contagio da covid-19.
Per avere maggiori informazioni su ai-Guard contattaci scrivendo a info@revelis.eu
(1) Immagini usate in concessione da:
Artificial Intelligence by Tomi Triyana from the Noun Project
<a href=”https://it.freepik.com/foto-vettori-gratuito/persone”>Persone vettore creata da pikisuperstar – it.freepik.com</a>
Neural Network by David Christensen from the Noun Project
Convolutional neural network by Oleksandr Panasovskyi from the Noun Project
