Analysis of Actions & People-Object Interactions in Indoor with RGB-D cameras

Il progetto sviluppato in questa tesi nasce da un'esigenza reale: cercare di fornire assistenza ad una persona anziana sola in casa con tecniche di visione artificiale e machine learning. L'assistenza semiautomatica di persone sole ed anziane ਠuna problematica molto frequente in Italia, dove il tasso di anzianità  (rapporto tra la popolazione over 65 e la popolazione di età  compresa tra 0 e 14 anni, moltiplicato per 100) ਠin continuo aumento, passando da un 144.1% nel 2009 ad un 172.9% nel 2019 [dati Istat]. Il sistema proposto ਠstato sviluppato cercando, in primo luogo, di individuare e riconoscere nel tempo un soggetto principale da esaminare, definito a priori, tra un possibile insieme di persone presenti in un ambiente indoor. La scena ਠdelimitata ed osservata da uno o pi๠sensori RGB-D, in grado di ovviare alle lacune di una classica telecamera RGB, aggiungendo un sensore attivo di profondità  (ovvero basato su illuminatore e sensore ad infrarossi), permettendo cosଠuno studio agevole anche in ambiente notturno. Inoltre, le immagini range ottenute dai sensori RGB-D sono in grado di fornire informazioni metriche sullo spazio tridimensionale acquisito. Oltre a definire una corretta procedura per la detection e il tracking di soggetti, ਠstato studiato un framework per lo studio delle azioni compiute dal soggetto in esame e l'interazione con l'ambiente e gli oggetti presenti, in modo da rilevare e comunicare eventuali azioni ritenute anomale o distanti da un comportamento definito †œnormale†�.