Le webcam pubbliche possono contare le auto e le persone in città?

Immagina di guardare una telecamera di una piazza e, senza alzare un dito, sapere quante auto, biciclette o persone ci sono. Uno studio recente ha provato proprio questo, usando le webcam pubbliche di Brunswick, in Germania. Sono state testate otto reti neurali open‑source su 45 foto scattate in condizioni di luce diverse: giorno, tramonto e notte. Gli esperti hanno etichettato manualmente ogni immagine, distinguendo auto, persone, biciclette, camion, tram e autobus, per poi confrontare i risultati con quelli delle intelligenze artificiali.

Nei momenti di luce intensa, i modelli hanno contato con buona precisione auto e pedoni, dimostrando che le webcam possono diventare una fonte di dati utile per la ricerca sul traffico. Al crepuscolo o di notte, però, le stime sono peggiorate: le ombre e il basso contrasto confondono gli algoritmi. Anche per tram, autobus, biciclette e camion le performance sono state più deboli, suggerendo che occorre “personalizzare” i modelli per ogni tipo di veicolo e per ogni inquadratura.

Il risultato è chiaro: le webcam pubbliche sono un tesoro di informazioni, ma per sfruttarle al meglio serve una buona dose di addestramento specifico. In futuro, con modelli più intelligenti e dati più ricchi, potremmo monitorare il traffico in tempo reale, migliorare la sicurezza stradale e pianificare città più sostenibili.

Le reti neurali impiegate nello studio appartengono alla famiglia dei detector a due stage, come Faster R-CNN, o a singolo stage, come YOLOv5 e SSD. Queste architetture combinano una backbone (spesso ResNet o CSPDarknet) per l'estrazione di feature con un head che predice bounding box e classe. In condizioni di illuminazione elevata, il segnale di contrasto è forte, facilitando la separazione dei contorni e migliorando la precisione delle mappe di attivazione. Al crepuscolo, la riduzione del rapporto segnale‑rumore porta a false positive e a perdita di detezione, soprattutto per oggetti di piccole dimensioni come biciclette. La notte, la predominanza di pixel a bassa intensità richiede tecniche di pre‑processing, ad esempio l'illuminazione a infrarossi o l'uso di reti addestrate su dataset notturni (Nighttime Object Detection). Inoltre, la varianza di prospettiva tra le webcam (angolo di ripresa, altezza) influisce sulla scala apparente degli oggetti, richiedendo data augmentation specifica (scaling, rotation) per migliorare la generalizzazione. Per veicoli come tram e autobus, la loro lunghezza e forma allungata può confondere i detector basati su ancore predefinite; l'adozione di ancore dinamiche o di metodi anchor‑free (e.g., CenterNet) può ridurre questi errori. Infine, il fine‑tuning su un piccolo set di immagini etichettate per ciascuna webcam (transfer learning) consente di adattare i pesi della rete alle condizioni locali, migliorando la recall senza sacrificare la precisione.