• video surveillance
• artificial intelligence
• computer vision
• deep learning
• detection
• tracking

[ITA]
Negli ultimi anni, la grande disponibilità di videocamere digitali e lo sviluppo di nuove tecnologie basate sull'intelligenza artificiale, hanno portato ad un utilizzo molto diffuso dei sistemi di videosorveglianza.
Questi sistemi permettono di identificare automaticamente situazioni di emergenza o comportamenti sospetti e sono diventati uno strumento essenziale per garantire la sicurezza, sia in ambienti pubblici che privati.
All'interno di tale contesto, questa tesi si concentra sulla progettazione, l'implementazione e il test di applicazioni che sfruttano tecniche di computer vision al fine di migliorare l'attività di videosorveglianza.
Il lavoro ha portato allo sviluppo di due diverse applicazioni: la prima, sfruttando una rete neurale convoluzionale, esegue una classificazione di un insieme di immagini mentre la seconda combina algoritmi di detection e tracking di oggetti per identificare ed eventualmente contare persone stese a terra.
Le applicazioni sviluppate sono state poi utilizzate per valutare le prestazioni di diverse piattaforme hardware tra cui processori Intel, ARM e RISC-V nonché GPU NVIDIA.

[EN]
In recent years, the great availability of digital video cameras and the development of new technologies based on Artificial Intelligence have led to a widespread use of video surveillance systems.
These systems allow to automatically identify emergency situations or suspicious behavior and have become an essential tool for ensuring safety, both in public and private environments.
Within this context, this thesis focuses on designing, implementing and testing applications that leverage Computer Vision techniques to enhance video surveillance activity.
The work led to the development of two different applications: the first, exploiting a Convolutional Neural Network, performs a classification of a set of images while the second combines state-of-the-art object detection and object tracking algorithms in order to identify and eventually count people lying on the ground.
The developed applications have been then used to evaluate the performance of different hardware platforms including Intel, ARM and RISC-V processors as well as NVIDIA GPUs.