Gennaro PERCANNELLA | Progetti

ARCHITETTURE E METODI DI EMBEDDED VISION NELL'INTERNET OF THINGS

Per Internet of Things (IoT) si intende una rete di “oggetti” che sono in grado di comunicare sulla rete Internet scambiando informazioni sul proprio stato ed eventualmente su dati rilevati nell’ambiente circostante allo scopo di interagire e cooperare con altri dispositivi per conseguire un obiettivo condiviso. Gli “oggetti”, nel contesto dell’IoT, possono riferirsi ad un’ampia gamma di dispositivi quali biochip impiantati nelle persone per controllare il battito cardiaco o negli animali nei grandi allevamenti di bestiame, sensori a bordo di veicolo automobilistici, o dispositivi per operazioni di campo quali quelli per assistere i pompieri nelle operazioni di ricerca e salvataggio. Gli ambiti applicativi in cui tali sistemi possono essere impiegati sono molteplici sia nel contesto del supporto alle persone (domotica, e-health, sicurezza, assisted living) sia nei campi della automazione e produzione industriale, della gestione dei processi, della logistica, dei trasporti, solo per citarne alcuni. Il presente progetto intende proseguire l'esperienza fatta con il progetto sullo stesso tema finanziato nello scorso anno allo scopo di approfondire la tematica della realizzazione di sensori intelligenti basati su "embedded vision", quindi basati sull’impiego di algoritmi di visione artificiale e pattern recognition specificamente progettati ed ingegnerizzati per interpretare in tempo reale il contenuto del flusso video acquisito da smart camera connesse in rete. In particolare, si analizzeranno le problematiche legate alla implementazione di algoritmi di analisi in tempo reale dei flussi video su piattaforme embedded le quali essendo caratterizzate da basse capacità computazionali per garantire limitati consumi energetici e costi contenuti richiedono una specifica ingegnerizzazione degli algoritmi. Per la realizzazione di tali algoritmi si terranno in considerazione aspetti legati alla ottimizzazione per adattamento alla architettura hardware di elaborazione, alla possibilità di adattare il carico di elaborazione dinamicamente in funzione della complessità della scena, di limitare l'elaborazione solo ai punti della immagine ove sono rilevate delle variazioni, di sfruttare informazioni condivise tra più telecamere per migliorare l'affidabilità della elaborazione e/o condividere il carico computazionale. Il gruppo di ricerca partendo dalla esperienza maturata negli anni nello sviluppo di tecniche di visione artificiale, si occuperà della definizione di algoritmi e metodologie innovative per l’analisi e l’interpretazione video specificamente progettate per poter girare su sistemi embedded di cui sono dotate le moderne smart camera presenti sul mercato. Durante il precedente progetto è stato condotto lo studio dello stato dell'arte della letteratura scientifica del settore finalizzato ad individuare i trend e gli approcci adottati finora per consentire la esecuzione su sistemi embedded degli algoritmi complessi e computazionalmente onerosi per l'analisi dei flussi video, nonché delle architetture hardware presenti sul mercato (tra cui Raspberry, ARM, GPU-based) per applicazioni embedded e caratterizzazione rispetto alle esigenze di calcolo degli algoritmi di analisi video. Le attività che saranno portate avanti nel presente progetto di ricerca sono di seguito riportate: - caratterizzazione di algoritmi notevoli di visione artificiale, quali modellazione del background, object detection and recognition, salient point detection, rispetto all'uso delle risorse HW e analisi del consumo di energia per le diverse piattaforme di calcolo; - definizione di metodologie e tecniche di ottimizzazione degli algoritmi di analisi video per piattaforme di calcolo embedded anche sfruttando informazioni condivise tra più sensori; - implementazione di algoritmi ottimizzati e caratterizzazione sperimentale in scenari simulati, attraverso la acquisizione di dataset su cui effettuare il benchmark in condizioni controllate, sia in scenari reali.