Sviluppo di un Prototipo di Video Sorveglianza Indoor con Tecnologie YOLO ed OpenCV

In questa tesi viene effettuato uno studio sulla reale efficienza delle Reti Neurali Artificiali e più in particolare delle Convolutional Neural Network nel settore del riconoscimento immagini e della velocità con cui è possibile ottenere informazioni dettagliate da esse. Viene presentato quindi un Prototipo di Video Sorveglianza per Ambienti Indoor che sfrutta queste tecnologie in maniera efficiente coniugando lo stato dell'arte per il riconoscimento degli oggetti con algoritmi noti per il riconoscimento facciale. Con un attento studio si è dimostrato inoltre perchè la rete scelta è risultata ottimale per l'obiettivo della tesi, mostrandone peculiarità e prestazioni. Vengono inoltre affrontate le problematiche che gli algoritmi di riconoscimento facciale classici possiedono, di come l'inclinazione di un volto possa portare a un non riconoscimento della figura dello stesso, e le soluzioni proposte. Importante inoltre la scelta del dataset per il riconoscimento facciale, poichè una scelta errata potrebbe portare a falsi positivi. Il risultato è un sistema che attraverso acquisizione immagini da videocamera e attraverso l'uso di reti neurali riesce a verificare se un determinato oggetto o una persona sono realmente presenti o meno all'interno di un ambiente.