Durante una dimostrazione di analisi video con IA, alla fine arriva sempre la stessa domanda, posta dal responsabile IT o dal direttore del negozio stesso: dove vanno a finire le immagini? Molti immaginano un invio continuo verso un server lontano, sulla connessione del negozio. In realtà tutto si gioca su una decisione di architettura presa ben prima della prima configurazione: l'analisi video locale, su una GPU in negozio, a partire dal flusso principale delle telecamere esistenti.

Non torneremo qui sulla qualità dell'immagine in sé. Seguiremo piuttosto il percorso dei dati, dall'obiettivo della telecamera fino allo schermo del responsabile: ciò che resta in loco, ciò che parte, e ciò che questa scelta cambia, molto concretamente, per la rapidità degli alert, per la rete del negozio e per il controllo dei dati.

Un flusso video è pesante, e un grande negozio ne gestisce decine

Una telecamera IP produce in genere almeno due flussi. Il flusso principale (il mainstream) è in alta risoluzione. Il flusso secondario (il substream), più leggero, serve in particolare alla visualizzazione a mosaico e alla consultazione da remoto. Per individuare un gesto sottile, un prodotto fatto scivolare in tasca o una confezione aperta in corsia, conta il flusso principale: sul secondario la mano è fatta di pochi pixel. Abbiamo approfondito questo punto nel nostro articolo sull'analisi del flusso principale in negozio.

Il problema diventa quindi aritmetico. Inviare in continuo il flusso principale di venti o trenta telecamere a un server remoto richiede una banda in upload elevata e costante, che molte connessioni dei negozi non garantiscono. E quella linea la condividono già con i terminali di pagamento, le casse, la posta elettronica, a volte il wifi dei clienti. In un sabato di saldi estivi, quando i POS lavorano senza sosta, nessuno vuole vederla saturarsi.

Questo limite non è nuovo. Nel suo studio sull'uso delle tecnologie video nel commercio, pubblicato nel 2020 e basato su interviste a 22 distributori europei e americani, il gruppo ECR Retail Loss rilevava già che diversi partecipanti erano preoccupati per l'effetto della banda e della potenza di calcolo sul loro utilizzo dell'analisi video.

Perché il calcolo avviene il più vicino possibile alle telecamere

Invece di far viaggiare le immagini, si sposta il calcolo: è il principio dell'edge computing. La fiera EuroShop lo riassume in un dossier dedicato all'edge computing nel commercio: solo i dati utili salgono verso il cloud, la rete è alleggerita e la reazione può avvenire in tempo reale. Per il video, una delle forme possibili è una GPU dedicata, installata nel negozio, che legge il flusso delle telecamere ed esegue il modello in loco. Per il gestore, la differenza si vede in tre punti:

  • La latenza. Un alert serve solo se la situazione è ancora in corso nel reparto quando arriva. Senza il viaggio di andata e ritorno del flusso completo verso un data center, la catena tra il gesto e la notifica si accorcia: con Oxania, l'alert video arriva in meno di 10 secondi su smartphone, tablet o computer.
  • La risoluzione. Poiché il flusso non attraversa Internet, non serve degradarlo per farlo passare nella connessione. Il modello lavora sull'immagine ad alta risoluzione, quella che permette di distinguere una borsa personale da una borsa della spesa, o di vedere che un prodotto è stato consumato prima del passaggio in cassa.
  • La rete. Il server GPU è dedicato al negozio e installato in loco: leggere e analizzare il flusso delle telecamere non consuma la banda della connessione Internet. La conferma dei rilevamenti, l'invio degli estratti di allerta e le notifiche passano invece da questa connessione, che deve restare disponibile.

Ciò che resta nel negozio, ciò che ne esce

Ogni responsabile informatico finisce per porre la domanda, e uno slogan non basta a rispondere. Nell'architettura adottata da Oxania, le immagini delle telecamere seguono tre percorsi ben distinti:

  • Ciò che resta in loco: il flusso video continuo delle telecamere, in alta risoluzione. La GPU del negozio lo legge e lo analizza, e questo flusso non va oltre. Le registrazioni del vostro sistema video esistente restano, come prima, sotto la responsabilità del gestore.
  • Ciò che parte per la conferma: quando viene individuato un gesto a rischio, una descrizione numerica compatta del rilevamento viene inviata per essere confermata. Non è video, e il suo peso non ha nulla a che vedere con quello delle immagini.
  • Ciò che parte e viene conservato: l'estratto video legato all'alert, e solo quello. Viene archiviato su server situati il più vicino possibile al paese del cliente, sia per la rapidità di accesso sia per il rispetto delle norme locali.

La selezione avviene quindi alla fonte. Su ore di video, solo gli estratti legati alle allerte lasciano il negozio: quelli che giustificano l'intervento di un membro del team. Sono gli stessi estratti che si ritrovano nell'allerta, con uno zoom progressivo automatico sul punto di interesse. Chi la riceve capisce la scena a colpo d'occhio e decide come procedere.

Locale non significa isolato dal mondo

Bisogna però essere chiari su ciò che comporta l'inferenza locale. Il rilevamento avviene in negozio, su una GPU dedicata, ma il sito resta collegato al cloud: ha bisogno di una connessione per far confermare i rilevamenti, inviare gli estratti degli alert e recapitare le notifiche ai dispositivi del team. Ciò che cambia è ciò che circola: qualche messaggio e brevi estratti, invece di decine di flussi continui. Un fornitore che affermasse il contrario pur inviando alert sul vostro telefono merita una domanda in più.

Un altro aspetto spesso dimenticato: il server GPU è una macchina ben reale. Bisogna trovargli un posto, alimentarlo, ventilarlo e collegarlo correttamente alle telecamere. È il lavoro dell'integratore, e il risultato non dipende solo dalla qualità del modello, come spiegavamo a proposito del ruolo degli integratori nell'efficacia delle telecamere IA. Con una rete di integratori certificati, l'installazione su telecamere esistenti richiede in genere meno di una giornata.

Cinque domande da porre prima di firmare

Per un singolo punto vendita come per un'intera rete, questi cinque punti permettono di valutare rapidamente la solidità di un'architettura di analisi video:

  1. Il flusso analizzato: quello principale, ad alta risoluzione, o quello secondario.
  2. Dove viene eseguito il modello, e se la macchina è davvero dedicata al vostro negozio.
  3. Che cosa lascia il sito, in modo preciso, e in quale momento.
  4. Il luogo di conservazione degli estratti degli alert: in quale paese e per quanto tempo.
  5. Che cosa succede quando la connessione del negozio è interrotta o degradata.

Pretendete risposte concrete. Un'architettura ben progettata si descrive in poche frasi, senza gergo. Un fornitore che non ci riesce spesso non ha una mappa chiara dei propri flussi. E se il vostro parco telecamere ha qualche anno, la nostra guida per scegliere bene una telecamera in negozio aiuta a verificare che forniscano un flusso principale utilizzabile.

Un'architettura che favorisce anche la fiducia

Mantenere il flusso in loco non si riduce a una questione di banda. Significa anche limitare ciò che circola allo stretto necessario e lasciare i dati sotto il controllo del commerciante. I principi dell'OCSE sulla robustezza, la sicurezza e la protezione dell'IA raccomandano che i sistemi di IA restino sicuri, protetti e in grado di funzionare correttamente durante tutto il loro ciclo di vita, e che esistano meccanismi per neutralizzarli, ripararli o metterli fuori servizio in piena sicurezza se rischiano di causare un danno ingiustificato.

In negozio, la traduzione è semplice: la tecnologia rileva, il team decide. L'IA analizza gesti, non persone, e non segue nessuno da una telecamera all'altra. Davanti all'estratto, è una persona a scegliere se andare nel reparto, offrire il proprio aiuto o non fare nulla.

Niente di spettacolare in tutto questo: solo un calcolo eseguito nel posto giusto e un video che viaggia soltanto quando serve. È tuttavia ciò che garantisce allerte rapide e precise, e una migliore gestione della demarcazione sconosciuta. Prima di confrontare le funzionalità, chiedete di vedere la mappa dei flussi: spesso dice molto più di una brochure commerciale.