Sviluppo software di un sistema di telecamere intelligenti per la sicurezza dei bambini in piscina

La sicurezza in ambienti quali le piscine assume un’importanza fondamentale, considerando il carattere delicato di tali contesti, dove gli incidenti possono avere conseguenze gravi, specialmente per i più giovani, basti pensare che l’annegamento è la seconda causa di morte per lesioni non intenzionali tra questi ultimi. Questa tesi si concentra sulla rivelazione del pericolo di annegamento in piscina. Lo scopo della tesi sarà quindi quello di progettare e implementare un sistema intelligente basato su algoritmi di Machine Learning in grado di riconoscere queste situazioni pericolose a partire da immagini RGB raccolte mediante una rete di telecamere. A tale fine, a partire dallo studio della letteratura inerente, utilizzando le librerie scikit-learn e Keras si sviluppano diversi classificatori come: ResNet50, VGG, IncepionV3 ed SVMs. L’addestramento dei modelli scelti viene condotto nell’ambiente di Google Colaboratory, con l’obiettivo preciso di riconoscere le due classi: drowning (annegamento) e swimming (nuoto). Si sono presi in esame tre datasets differenti: Drowning people scaricato da Roboflow e composto da 163 immagini che raffigurano più situazioni di nuoto e annegamento, Swimming and Drowning Detection scaricato anch’esso da Roboflow è un dataset composto da 12365 immagini suddiviso in tre classi, infine Water Behavior Dataset gentilmente concesso da Electrical Engineering del Rochester Institute of Technology Dubai composto da più video in acqua. I migliori modelli hanno portato alle seguenti performance: 73.62% di accuracy sul dataset Drowning people e 71.57% sul dataset Water Behavior.