FORMATO EUROPEO PER IL CURRICULUM VITAE INFORMAZIONI PERSONALI Nome Indirizzo Telefono Fax E-mail Nazionalità Data di nascita [DISTANTE, COSIMO] [ via Ten. Cesare Suglia, 56 , 70126, Bari, Italia ] 0832 321816 0832 420553 [email protected] Italiana [ 20, 02, 1970] ESPERIENZA LAVORATIVA • Date (da – a) • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità • Date (da – a) • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità • Date (da – a) • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità • Date (da – a) • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità • Date (da – a) [dal 2001] Consiglio Nazionale delle Ricerche, Piazzale Aldo Moro 7, 00185 Roma Ente Pubblico di Ricerca Ricercatore Responsabile Laboratorio di Elaborazione del Segnale e delle Immagini. Attività di ricerca nel campo dell’Ingegneria dell’Informazione, in particolare: Elaborazione delle immagini, Intelligenza Artificiale e Pattern Recognition [ dal 2008] Ministero dello Sviluppo Economico, Roma Ente Governativo Membro dell’Albo degli Esperti in Innovazione Tecnologia Membro Esperto [ dal 2006] Università del Salento, Facoltà di Ingegneria via Arnesano 73100 Lecce Università Docente a contratto (cdl Ingegneria dell’Informazione) Corso di Teoria e Tecniche del Riconoscimento (s.s.d. Ing/Inf-03 specialistica in Informatica, Elettronica e Telecomunicazioni) [ 2005-2006 ] Università di Lecce, Facoltà di Ingegneria via Arnesano 73100 Lecce Università Docente a contratto (s.s.d. ing/inf-05 cdl Ingegneria dell’Informazione) Corso di Elaborazione dell’Immagine – Ingegneria dell’Informazione primo livello [ 2003-2004 ] • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità • Date (da – a) • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità • Date (da – a) • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità • Date (da – a) • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità • Date (da – a) • Nome e indirizzo del datore di lavoro • Tipo di azienda o settore • Tipo di impiego • Principali mansioni e responsabilità Università di Lecce, Facoltà di Ingegneria via Arnesano 73100 Lecce Università Docente a contratto (cdl Ingegneria Informatica) Corso di Teoria e Tecniche di Elaborazione dell’Immagine (s.s.d. K05A V.O.) [ 4/9/2004-3/11/2004 ] Consiglio Nazionale delle Ricerche piazzale A. Moro 7 00185 Roma Ente di Ricerca Borsa di studio CNR-NATO Attività di Ricerca in Signal processing per sensori di gas presso il dipartimento DIASUMIST Manchester UK sotto la supervisione del Prof. K. Persaud. [ 19/3/2001-17/12/2001 ] Università di Lecce, Facoltà di Ingegneria via Arnesano 73100 Lecce Collaborazione scientifica coordinata e continuativa Ricercatore in elaborazione dell’immagine [1997-2000] Università di Lecce, Facoltà di Ingegneria via Arnesano 73100 Lecce Dottorando Dottorato di Ricerca XIII Ciclo in Ingegneria dei Materiali [1998-1999] Università del Massachusetts, Computer Science Department 01003 Amherst MA, USA Università Teaching Assistant Corso di Intelligenza Artificiale 683 del Master in Scienze ISTRUZIONE E FORMAZIONE • Date (da – a) • Nome e tipo di istituto di istruzione o formazione • Principali materie / abilità professionali oggetto dello studio • Qualifica conseguita • Livello nella classificazione nazionale (se pertinente) • Date (da – a) • Nome e tipo di istituto di istruzione o formazione • Principali materie / abilità professionali oggetto dello studio • Qualifica conseguita • Livello nella classificazione nazionale (se pertinente) • Date (da – a) • Nome e tipo di istituto di istruzione [21/3/1997 ] Università degli studi di Bari Laurea in Scienze dell’Informazione: Tesi in Robotica, Pattern Recognition: “Apprendimento con rinforzo di comportamenti reattivi in robotica” Dottore [23 Febbraio 2001] Università degli Studi di Lecce, Dottorato di Ricerca XIIII Ciclo in Ingegneria dei Materiali Robotica, Visione Artificiale, Pattern Recognition Dottore di Ricerca [9/2/2000-12/2/2000] Associazione Italiana Sensori e Microsistemi (AISEM) _____________________________________________________________________ 2 o formazione • Principali materie / abilità professionali oggetto dello studio • Qualifica conseguita • Livello nella classificazione nazionale (se pertinente) • Date (da – a) • Nome e tipo di istituto di istruzione o formazione • Principali materie / abilità professionali oggetto dello studio • Qualifica conseguita • Livello nella classificazione nazionale (se pertinente) Elaborazione del Segnale, Sensori [1990-1996] Università degli studi di Bari, Corso di Laurea in Scienze dell’Informazione Robotica e Intelligenza Artificiale Dottore _____________________________________________________________________ 3 CAPACITÀ E COMPETENZE PERSONALI Acquisite nel corso della vita e della carriera ma non necessariamente riconosciute da certificati e diplomi ufficiali. MADRELINGUA [ italiaqno ] ALTRE LINGUA • Capacità di lettura • Capacità di scrittura • Capacità di espressione orale CAPACITÀ E COMPETENZE RELAZIONALI Vivere e lavorare con altre persone, in ambiente multiculturale, occupando posti in cui la comunicazione è importante e in situazioni in cui è essenziale lavorare in squadra (ad es. cultura e sport), ecc. CAPACITÀ E COMPETENZE [inglese ] [buono] [buono ] [buono] [ Buona acquisizione di competenze interculturali sia nel campo scientifico che nel personale. In campo scientifico tali competenze sono state acquisite lavorando a stretto contatto con persone straniere di altra cultura e religione come ad esempio durante il periodo di lavoro presso il laboratorio di robotica e Reti Neurali del dipartimento di Computer Science dell’Università del Massachusetts e durante gli stage presso il laboratorio Sensori del DIAS Umist UK. In campo personale tali competenze sono state acquisite nello sport, prevalentemente sport agonistico di squadra quali il basket e la vela. ] • ORGANIZZATIVE Ad es. coordinamento e amministrazione di persone, progetti, bilanci; sul posto di lavoro, in attività di volontariato (ad es. cultura e sport), a casa, ecc. • • • • • • • • • • • [FIRB 2003-2006: Microtecnologie per la Telepresenza Immersiva Virtuale. Studio di algoritmi per il riconoscimento automatico delle forme umane e loro comportamento mediante l’analisi di Immagini tempo-variante. Sistema di produzione filament winding di manufatti a geometria complessa caratterizzati da alte prestazioni funzionali ed alta affidabilità. Periodo 1999-2002. Progetto DAMA: Sistemi Innovativi per la produzione nell’industria agroalimentare, finanziato dall’ENEA nell’ambito dei Fondi Strutturali. Periodo 20002001. Responsabile scientifico del progetto PON PON MERMEC - Gestione della sicurezza nella circolazione ferroviaria: metodologia e tecniche innovative per il monitoraggio e la diagnostica delle linee e dei rotabili 2003-2006 Reposnabile Scientifico progetto PON 2002-2006 “Realizzazione di un Database multimediale distribuito su rete Internet per la condivisione di risultati sperimentali, tra le diverse sezioni del Mezzogiorno dell’Istituto per la Microelettronica e Microsistemi del CNR” misura II azione C. Responsabile laboratorio SIPLAB (Signal and Image processing lab.) dell’IMMCNR in cui coordina l’attività di ricerca dell’Istituto sullo sviluppo di sistemi intelligenti di cui è tutor di diversi assegnasti di ricerca. Relatore di diverse tesi di laurea in Ingegneria Informatica e dell’Informazione come da CV esteso allegato Responsabile Scientifico Progetto di Ricerca 2007 Document Acquisition, Management and Archiving" (acronimo DAMA) Responsabile Scientifico Progetto TepsDown: Integrazione processi Terapeutici Psico-Socio-Sanitari per tutela bambini Down e loro famiglie - TePS-Down finanziato dal Ministero della Salute e dalla Regione Puglia nell’ambito della ricerca finalizzata ex artt 12 e 12 bis D.Lgs 502/92 e successive modifiche. 2006 Responsabile attività scientifica e coordinamento Progetto Integrato EU Call IST2.4.2. Netcarity: A NETworked multisensor system for elderly people: health CAre, safety and secuRITY in home environment. (2006) Network Europeo GOSPEL “General Olfaction and Sensing Project at a European Level”. Membro del raggruppamento di signal processing. Organizzatore del “Workshop on HW/SW Standard interfaces for Gas Sensors _____________________________________________________________________ 4 • • • • • • • and Sensor Networks” Lecce (Italy) 18th and 19th November 2004 nell’ampito del network Europeo NOSE di cui il sottoscritto è leader del working group per la definizione di interfacce standard HW/SW. Novembre 2000: Membro del Comitato Organizzatore de “International School on Gas Sensors” in congiunzione con “3rd European School of the Network NOSE”, S. Cesarea Terme (Lecce, Italy) 28 Maggio – 2 Giugno 2001. Membro di diverse commissioni di laurea in Ingegneria Informatica V.O. e Ingegneria dell’Informazione (nuovo ordinamento). Membro del GE Lecce (Gruppo di Elettronica) dal 2004. Membro dal 2008 dell’Albo degli Esperti dell’Agenzia Regionale per la Tecnologia e l’Innovazione (ARTI – Regione Puglia) Da Ottobre 2009 è ricercatore presso l’Istituto Nazionale di Ottica del CNR Dal 2010 responsabile del modulo di ricerca “Dispositivi Ottici e Metodologie ICT per Applicazioni Industriali” Relatore di svariate tesi di laurea in Ingegneria Informatica come sotto riportato. ] CAPACITÀ E COMPETENZE TECNICHE Con computer, attrezzature specifiche, macchinari, ecc. [L’ATTIVITÀ DI RICERCA SI È PREVALENTEMENTE ORIENTATA ALLO SVILUPPO DI AGENTI INTELLIGENTI, IN GRADO DI APPRENDERE E DECIDERE SULLA BASE DI UNA SEQUENZA SENSORIALE PERCEPITA, IN CONTESTO DI ROBOTICA, NELL’ELABORAZIONE DEI SEGNALI E DELLE IMMAGINI. L’ATTIVITÀ DI RICERCA, HA RIGUARDATO PROBLEMI DI AUTOMAZIONE INDUSTRIALE AFFRONTATI CON TECNICHE DI INTELLIGENZA ARTIFICIALE (IN PARTICOLARE MACHINE LEARNING), VISIONE ARTIFICIALE E DI PATTERN RECOGNITION APPLICATO IN SVARIATI CONTESTI CHE VA DALLA MEDICINA ALL’AUTOMAZIONE INDUSTRIALE ALLE TELECOMUNICAZIONI. LA PRIMA ATTIVITÀ È STATA AFFRONTATA DURANTE LA TESI DI LAUREA, QUINDI RAFFINATA MEDIANTE UNO STAGE PRESSO L’UNIVERSITÀ DEL MASSACHUSETTS, DOVE HA RICOPERTO L’INCARICO DI DOCENZA PER IL CORSO DI INTELLIGENZA ARTIFICIALE, E SUCCESSIVAMENTE HA SVOLTO ATTIVITÀ DI RICERCA PRESSO IL DIPARTIMENTO DI INGEGNERIA DELL’INNOVAZIONE DI LECCE CON IL GRUPPO DEL PROF. ANGLANI (TUTOR DEL DOTTORATO). LA SECONDA ATTIVITÀ È STATA MOTIVO DI COLLABORAZIONE CON L’ISTITUTO PER LO STUDIO DI NUOVI MATERIALI PER L’ELETTRONICA (IME-CNR) OGGI ISTITUTO PER LA MICROELETTRONICA E MICROSISTEMI (IMM-CNR) DOVE IL SOTTOSCRITTO HA AFFRONTATO PROBLEMI RELATIVI ALLA STABILITÀ DEI SENSORI DI GAS MEDIANTE TECNICHE NEURALI, COLLABORANDO CON IL DR. PIETRO SICILIANO CON IL QUALE HA PRODOTTO DIVERSI LAVORI SCIENTIFICI INTERNAZIONALI. IL SOTTOSCRITTO È COORDINATORE DEL WORKING GROUP “STANDARD HARDWARE AND SOFTWARE INTERFACES” DEL NETWORK EUROPEO NOSE RIGUARDANTE LO STUDIO DI INTERFACCE STANDARD PER LA COSTRUZIONE DI SENSORI INTELLIGENTI CON CARATTERISTICHE PLUG-AND-PLAY E CALCOLO DISTRIBUITO. ATTUALMENTE IL SOTTOSCRITTO È RICERCATORE PRESSO L’ISTITUTO PER LA MICROELETTRONICA E MICROSISTEMI DEL CNR. ATTUALMENTE IL SOTTOSCRITTO SVOLGE ATTIVITÀ DI RICERCA: • NEL CAMPO DELLO SVILUPPO DI TECNICHE MULTIRISOLUZIONE E DI PATTERN RECOGNITION APPLICATO AI SISTEMI DI VIDEOSORVEGLIANZA E DELLA DOMOTICA IN GENERE, PER IL RICONOSCIMENTO DELLE INTRUSIONI E DEL COMPORTAMENTO DEGLI OCCUPANTI LA SCIENZA PER UNA SEQUENZA DI IMMAGINI TEMPO-VARIANTI • STUDIO DI NUOVI ALGORITMI PER LA COMPRESSIONE DI STREAMING VIDEO IN CONTESTO DI VIDEOSORVEGLIANZA • STUDIO DI SISTEMI DI VISIONE PER LA RICOSTRUZIONE 3D IN AMBIENTI SOTTOMARINI COME SUPPORTO ALLO STUDIO DELL’EVOLUZIONE DI PARTICOLARI SPECIE DELLA FLORA • STUDIO DI TECNICHE NON INVASIVE DI SCREENING NELL’AMBITO DEL PROGETTO TEPSDOWN MEDIANTE L’ANALISI DI IMMAGINI DELLA GENGIVA ORALE VESTIBOLARE PER IL RICONOSCIMENTO AUTOMATICO DI PATOLOGIE CROMOSOMICHE. MONITORAGGIO DEL MANTO STRADALE CON TECNICHE DI VISIONE ATTIVA, NELL’AMBITO DI UN’ATTVITÀ CONTO TERZI TRA INO E VISIONEYE S.R.L. MARINA IN AREE PROTETTE • _____________________________________________________________________ 5 ] ALTRE CAPACITÀ E COMPETENZE [] Competenze non precedentemente indicate. PATENTE O PATENTI _____________________________________________________________________ 6 ULTERIORI INFORMAZIONI [Tesi di Laurea di cui Relatore • Alessandro Strazzeri – Controllo di Qualità di un Filament Winding mediante l’utilizzo di un sistema di Visione, Facoltà di Ingegneria, Università di Lecce, 19 Dicembre 2000. • Marco Leo – Analisi delle risposte di un Naso Elettronico mediante trasformata Wavelet e Reti Neurali, Facoltà di Ingegneria, Università di Lecce, 19 Aprile 2001. • Marco Rizzello –Architettura software per un sistema distribuito di sensori: applicazione al monitoraggio ambientale con un “naso elettronico”, Facoltà di Ingegneria, Università di Lecce, 10 Luglio 2001. • Pasquale Palamà – Sistema intelligente per il recupero delle immagini basato sul contenuto mediante approccio neurale auto-organizzante, Facoltà di Ingegneria, Università di Lecce, 2002. • Francesco Buccolieri - Sistema di videosorveglianza per la rilevazione delle intrusioni 2003 • Simone Mazzei – Calibrazione e ricostruzione tridimensionale per un sistema di monitoraggio sottomarino, 2004 • Stefano Rocca – Un sistema di riconoscimento automatico di aree tematiche per immagini telerilevate, 2004 • Angela D’Introno - Ricomposizione elettronica di affreschi mediante l’analisi della tessitura partendo da frammenti, Aprile 2005 • Ivan Gentile - Localizzazione dei volti in video sequenze mediante l’analisi della tessitura, luglio 2005 • Marco De Bernart – Un sistema automatico per il conteggio di alberi di ulivo da immagini telerilevate, Febbraio 2006 • Giovanni Diraco – Ricostruzione tridimensionale di un fondale marino con tecniche di visione stereoscopia 2006 • Ruggero Mark - Tecniche di elaborazione dell’immagine per l’analisi statistica di immagini SEM/TEM 2006 • Angela Mastrolia – Sistema Automatico per la Mosaicatura Di Immagini Sottomarine 2006 • Ivan De Michele – Sistema automatico di localizzazione dei vasi sanguigni • Raffaele Morì - Tecniche di pursuit finalizzate alla compressione di sequenze video 2007 • Maurizio Grasso - Monitoraggio automatico del traffico stradale mediante tecniche di visione artificiale • Gianluca Strada - : Sistema automatico di imaging per l’analisi dinamica di sonde molecolari 2007 • Eugenio Cuppone - Realizzazione di un sistema biometrico basato sul riconoscimento dell’Iride 2008 • Vincenzo Falconieri – Eye tracker trajectories analysis in sport video applications 2009 Pubblicazioni Nazionali C. Distante, P. Siciliano, Con il naso elettronico cibi più sicuri. Villaggio Globale, trimestrale di ecolgia Mario Adda Editore Anno III n.10 Giugno 2000. Referee delle seguenti Riviste internazionali • • • • • • • IEEE Transaction on Multimedia IEEE Sensor Journal. Sensors and Actuators B: Chemical, Elsevier. IEEE Transactions on Circuits and Systems II: Analog and Digital Signal Processing Journal of Robotics and Autonomous Systems (Elsevier) Journal of the Brazilian Computer Society Computer Vision and Image Understanding (Elsevier) _____________________________________________________________________ 7 • • Information Sciences Elsevier Machine Vision and Applications (Elsevier) Membro Program Committee • 15th Symposium on Computer Graphics and Image Processing 7-10 October 2002 Fortaleza, Brasil. • 16th Symposium on Computer Graphics and Image Processing 12-15 October 2003 Sao Carlos - SP, Brasil. • Program committee member Conferenza ISOEN (International Symposium on Olfaction and Electronic Nose) 2004, 2005 • AISEM, Associazione Italiana Sensori e Microsistemi • Symposium on Intelligent Autonomous Vehicles IAV 2010 • PRIME Conference on Ph.D. Research in Microelectronics & Electronics (membro permanente) Libri Internazionali A. Leone, G. Diraco, C. Distante: A Stereo Vision Framework for 3-D Underwater Mosaicking, Stereo vision, I-TECH Education and Publishing, 2008 Riviste Internazionali C. Distante, P. Siciliano, L. Vasanelli: Odour discrimination using adaptive resonance theory, Sensors and Actuators B, 69, pagg 248-252, Elsevier 2000. 2. C. Distante, A. Anglani, F. Taurisano: "Target reaching by using visual information and Q-learning controllers", Autonomous Robots, 9(1): 41-50, Kluwer Academic Publishers August 2000. 3. C. Distante, P. Siciliano, K.C. Persaud: Dynamic cluster recognition with multiple self-organizing maps, Pattern Analysis and Applications, Springer, (September 2002). 4. Quaranta, F.; Rella, R.; Siciliano, P.; Capone, S.; Distante, C.; Epifani, M.; Taurino, A.: Preparation and characterization of nanostructured materials for an artificial olfactory sensing system ( Sensors and Actuators B, Volume: 84, Issue: 1, April 30, 2002). 5. Cosimo Distante, Marco Leo, Pietro Siciliano, K.C. Persaud: On the study of feature extraction method for electronic nose, Sensors and Actuators B Volume: 87, Issue: 2, December 10, 2002, pp. 274-288. 6. Cosimo Distante, Nicola Ancona, Pietro Siciliano: Support Vector Machines for olfactory signals recognition, Sensors and Actuators B Volume: 88, Issue: 1, January 1, 2003, pp. 30-39 7. Taurino, A.M., Distante, C., Siciliano, P., Vasanelli, L., Quantitative and qualitative analysis of VOCs mixtures by means of a microsensors array and different evaluation methods, Sensors and Actuators B Volume: 93, Issue: 1-3, August 1, 2003, pp. 117-125 8. Zuppa, Marzia; Distante, Cosimo; Siciliano, Pietro; Persaud, Krishna C. Drift counteraction with multiple self-organising maps for an electronic nose Sensors and Actuators B: Chemical Volume: 98, Issue: 2-3, March 15, 2004, pp. 305-317 9. Leone Alessandro; Distante, Cosimo; Nicola Ancona, Ettore Stella, Siciliano, Pietro; Persaud, Krishna C. A powerful method for feature extraction and compression of electronic nose responses Sensors and Actuators B: 105(2005) 378-392 10. Nicola Ulivieri, Cosimo Distante, Tondi Luca, Santina Rocchi, Pietro Siciliano: IEEE1451.4: a way to standardize gas sensor Sensors and Actuators B, Vol 114/1 pp 141-151, 2006 11. Cosimo Distante; Alessandro Leone, Francesco Buccolieri: A shadow elimination approach in video-surveillance context, Pattern Recognition 1. _____________________________________________________________________ 8 12. 13. 14. 15. 16. 17. Letters Vol. 27, Iss. 5, p. 345-355, April 2006 Marzia Zuppa, Cosimo Distante, Krishna C. Persaud, Pietro Siciliano: Recovery of drifting sensor responses by means of DWT analysis Sensors & Actuators: B. Chemical, 2006 To Appear Marzia Zuppa, Cosimo Distante, Krishna C. Persaud, Pietro Siciliano: Combining Wavelet and Principal Component Analysis for Drift Correction Sensors & Actuators: B. Chemical, Submitted 2006 Alessandro Leone, Cosimo Distante, Shadow detection for moving objects based on texture analysis, Pattern Recognition, Volume 40 Issue 4, pp. 1222-1233 ,2007 Marzia Zuppa, Cosimo Distante, Krishna C. Persaud, Pietro Siciliano: Recovery of drifting sensor responses by means of DWT analysis Sensors & Actuators: B. Chemical, 120 (2), p.411-416, Jan 2007 Cosimo Distante, Giovanni Indiveri, Giulio Reina, An Application of Mobile Robotics for Olfactory Monitoring of Hazardous Industrial Sites, The international journal of industrial and service robots, ISSN: 0143-991X Emerald Group Publishing Limited Vol. 36 Issue 1 pages 51-59, 2009 Leone A, Diraco G, Distante C, : A 3D Passive Vision System For Underwater Mosaicking, SEA TECHNOLOGY Volume: 50 Issue: 1 Pages: 45-+ Published: JAN 2009 Alcuni Articoli Selezionati presentati a Conferenze Internazionali Cosimo Distante, Apprendimento con rinforzo di comportamenti reattivi in robotica. Tesi di laurea, Università di Bari, 1997. 2. Cosimo Distante, Giovanni Attolico, Classify situations into a reinforcement based control system: un-supervised learning versus heuristic, Proceedings of EIS98 Engineering of Intelligent Systems, University of La Laguna, Spagna 1998. 3. C. Distante, G. Cicirelli, T. D'Orazio, G. Attolico, Learning actions from visionbased positioning in goal-directed navigation, Proceedings of IROS'98 International Conference on Intelligent Robots and Systems, 1998, pagg. 17151720. 4. C.Distante,G.Cicirelli, T.D'Orazio, G.Attolico, A vision-based approach for learning a goal-reaching behavior, Proceedings of IV'98 IEEE International Conference on Intelligent Vehicles, 1998, pagg. 581-586. 5. C. Distante, T. D'Orazio, G. Cicirelli, Vision-based approach for learning an elementary navigation behavior, Proceedings of SPIE Intelligent Robots and Computer Vision XVII: Algorithms, Techniques and Active Vision; Boston 1998, pagg 320-326. 6. C. Distante, T. D'Orazio, G. Cicirelli, Continuous reward versus discrete Reward in a Q-learning Agent, Proceedings of ICARCV'98 Fifth international Conference Control, Automation, Robotic s and Vision, Singapore 1998, 584-588. 7. C. Distante, T. D'Orazio, G. Cicirelli, G. Attolico A Reinforcement Learning Aprroach for a Goal-Reaching Behavior, Proceedings of 12th International Florida AI Research Society Conference, pagg 79-83, 3-5 Maggio 1999, Orlando FL. 8. R. De Giuseppe, F. Taurisano, C. Distante, A. Anglani; Visual Servoing of a Robotic Manipulator based on Fuzzy Logic Control, Proceedings of IEEE/ICRA’99 International Conference on Robotics and Automation, May 10-15 Detroit MI, 1999, pagg 1487-1494. 9. A. Anglani, F. Taurisano, R. De Giuseppe, C. Distante: Learning to Grasp by using Visual Information, Proceedings of IEEE/Cira '99 International Conference on Computational Intelligence in Robotics and Automation, Monterey CA, 1999. 10. C. Distante, P. Siciliano, A Distante: Learning to discriminate odours, Proceedings of International Symposium on Olfaction and Electronic Nose ISOEN 1. _____________________________________________________________________ 9 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. '99 Settembre 1999 Tubingen - Germania. L.M.G. Goncalves, C. Distante, A. Anglani, A.F. Oliveira: "Self-Growing Neural Mechanisms for Pattern Categorization in Robotics", Proceeding of ISA'2000 International ICSC Congress on Intelligent Systems and Applications, December 12-15, Sydney 2000. C. Distante, P. Siciliano, L. Vasanelli, A. Anglani: mSom: a SOM based architecture to track dynamic clusters, in Proceedings of the 5th Italian Conference Extended to Mediterranean Countries of Sensors and Microsystems, Editors C. Di Natale, A. D’amico and P. Siciliano, World Scientific ISBN 981-024487-8, 2000. P. Siciliano, A. Taurino, R. Rella, S. Capone, C. Distante, L. Vasanelli, M. Epifani: Discrimination between commercial and local olive oils by means of an electronic nose, in ‘Proceedings of 7th International Symposium on Olfaction and Electronic Nose, (2001) editors J. Gardner and K. Persaud, World Scient. Publ. Singapore. C. Distante, P. Siciliano, L. Vasanelli: Odours discrimination by means of a single sensor, in Proceedings of 7th International Symposium on Olfaction and Electronic Nose, (2001) editors J. Gardner and K. Persaud, World Scient. Publ. Singapore. C. Distante, T. Artursson, P. Siciliano, M. Holmberg, I. Lundström: Odour Identification under drift effect, in Proceedings of 7th International Symposium on Olfaction and Electronic Nose, (2001) editors J. Gardner and K. Persaud, The Institute of Physics. Luiz M G Gonçalves, Cosimo Distante, Antonio A F Oliveira, David Wheeler, and Rod A. Grupen. (2000), Neural Mechanisms for Learning of Attention Control and Pattern Categorization as Basis for Robot Cognition. In Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2000). In contribution to Special Session "Robotics and Neurosciences - Prof. Del Pobil". October 30 - November 5, 2000, Kagawa University, Takamatsu, Japan. Cosimo Distante, Intelligent Sensors and Systems. Tesi di Dottorato, Università di Lecce, 2001. C. Distante, M. Leo, P. Siciliano: Wavelet Analysis for feature extraction of electronic nose transient responses, in Proceedings of 8th International Symposium on Olfaction and Electronic Nose, 2001. C. Distante, N. Ancona, P. Siciliano: Odor detection and recognition with Support Vector Machines, in Proceedings of 8th International Symposium on Olfaction and Electronic Nose, 2001. Luiz M G Gonçalves, Cosimo Distante, Antonio A. F. Oliveira. Neural Mechanisms for Real-Time Pattern Categorization in Robotics Applications. In Proc. of V Brazilian Conference on Neural Networks (CBRN 2001). April, 2023, Rio de Janeiro, Brazil. Massimiliano Nitti, Clelia Mandriota, Cosimo Distante, Ettore Stella. Rail Defect Classification by Adaptive Self-Organizing Map. In SPIE - Intelligent Robots and Computer Vision XX: Algorithms, Techniques, and Active Vision, 28th-31st October 2001 Newton, MA-USA. S. Capone, A. Taurino, M. Epifani, C. Distante, P. Siciliano, R. Rella: Measurement of peach quality indicators by two non-destructive techniques:the electronic nose and the near infrared spectroscopy. ISOEN 2002. M. Zuppa, C. Distante, P. Siciliano, K. Persaud: Improving multiple selforganizing maps to compensate drift. ISOEN 2002. S. Capone, A. Taurino, D. Dello Monaco, C. Distante1, P. Siciliano, R. Rella: Quantitative analysis of local diary products by an electronic nose and GCMS. ISOEN 2002. Cosimo Distante, A. Taurino, P. Siciliano: Quantitative And Qualitative Analysis Of Vocs Mixtures By Means Of A Microsensors Array And Different Evaluation Methods. Imcs 2002 Boston. Leone Alessandro; Distante, Cosimo; Nicola Ancona, Ettore Stella, Siciliano, Pietro Texture Analysis for Shadow Removing in Video-surveillance Systems IEEE SMC 2004 _____________________________________________________________________ 10 27. C. Distante, A. Leone, L. My, M. Rizzello, P. Siciliano A Video Compression Algorithm based on Matching Pursuit Integrated into a Wireless Embedded Sensor Node Compliant with IEEE 1451.1 Standard Architecture, IASTED Communication And Computer Networks Boston MA 2004 28. F. Buccolieri, C. Distante, A. Leone Human Posture Recognition Using Active Contours and Radial Basis Function Neural Network, IEEE International Conference on Advanced Video and Signal based Surveillance (AVSS), Como, Sept. 2005. 29. A. Leone, C. Distante, F. Buccolieri, A texture-based approach for shadow detection, IEEE International Conference on Advanced Video and Signal based Surveillance (AVSS), Como, Sept. 2005. 30. C. Distante, A. Leone, M. Palazzo, L. Vasanelli, S. Rocca, Sistema di riconoscimento automatico di aree tematiche per immagini telerilevate Conferenza Nazionale Asita Catania Nov. 2005. 31. G. Indiveri, L.Mainetti, C. Distante, S. Fraschetti, F. Boero, A. Terlizzi Underwater robotics and multimedia technologies for marine protected areas, International Workshop on Underwater Robotics for Sustainable Management of Marine Ecosystems and Environmental Monitoring, Genoa 2005 32. Alessandro Leone, Cosimo Distante , Marco De Bernart, Lorenzo Vasanelli , Marco Palazzo: Sistema automatico per il conteggio di alberi di ulivo da immagini telerilevate, Conferenza Nazionale Asita Catania Nov. 2006. 33. Alessandro Leone, Cosimo Distante, Angela Mastrolia, Giovanni Indiveri: A fully automated approach for underwater mosaicking, Oceans'06 MTS/IEEE-18-21 sept. Boston 2006. 34. A. Leone, I. De Michele, C. Distante An automated approach for vascular oral network detection, International Conference on Sensors, Circuits and Instrumentation Systems SSD’07, March 19-22, 2007, Hammamet - Tunisia 35. A. Leone, G. Diraco, C. DistanteA Stereoscopic Framework For 3-D Seabed Mosaicking IEEE Oceans’07, Aberdeen Scotland, 18-21 June 2007 36. A. Leone, G. Diraco , C. Distante Stereoscopic System For 3-D Seabed Mosaic Reconstruction, IEEE ICIP’07 International Conference on Image Processing, San Antonio TX – USA Sept. 2007 37. M. Grassi, A. Lombardi, G. Rescio, P. Malcovati, A. Leone, G.. Diraco, C. Distante et all. A Hardware-Software Framework for High-Reliability People Fall Detection IEEE Sensors, October, Lecce 2008 38. A. Leone, G.. Diraco, C. Distante et all. A multi-sensor approach for People Fall Detection in home environment European conference on computer vision ECCV workshop on Multi-camera and Multi-modal Sensor Fusion Algorithms and Applications 2008 ] Dettagliata attività di ricerca 27 Marzo 1997 Tesi di laurea: Apprendimento con rinforzo di comportamenti reattivi in robotica. Il sottoscritto ha svolto l’attività di tesi presso l’Istituto di Elaborazione Segnali ed Immagini del CNR, studiando algoritmi adattivi per la navigazione autonoma di un veicolo mobile. L’attività di tesi ha riguardato lo studio, progettazione e sviluppo di metologie basate su modelli computazionali neurali e sul reinforcement learning per far apprendere autonomamente ad un veicolo mobile comportamenti elementari (wallfollowing, obstacle detection, obstacle avoidance, ecc.) che ha mostrato buone capacità di adattamento in ambienti fortemente dinamici. I risultati dell’attività di tesi sono stati oggetto di pubblicazione e presentati alla conferenza internazionale riportati in [1]. _____________________________________________________________________ 11 Successivamente il sottoscritto ha collaborato con il suddetto Istituto fino al 19 Aprile 1998 continuando l’attività di ricerca sviluppando diversi algoritmi di intelligenza artificiale orientati alla robotica ed alla visione computazionale nel contesto di applicazioni di tipo goal-oriented. Durante tale periodo è stata proposto un’approccio alla navigazione autonoma basato su un algoritmo di reinforcement learning, che permette il veicolo di muoversi in un ambiente sconosciuto ed apprendere autonomamente in pochi passi di navigazione un comportamento ottimale per raggiungere un goal definito nell’ambiente. Il controllore sviluppato fonde informazione visiva e sonar per definire il suo stato al quale assocerà la migliore azione da eseguire. La migliore azione è valutata sulla base dell’esperienza pregressa attraverso la definizione di una funzione di utilità che nell’esperimento minimizza la distanza percorsa per raggiungere il goal [2]. Va notato che il controllore costituisce ciò che in letteratura è chiamato un’agente autonomo, in grado di adattarsi a situazioni mai incontrate prima. Successivamente al controllore è stato inserito un classificatore neurale [3] per discriminare tra le diverse situazioni che il veicolo incontra nell’ambiente, basato sulla teoria della risonanza adattiva e con capacità di generalizzazione migliore del lavoro precedente. Insiemi fuzzy vengono introdotti in [4] per determinare lo stato del controllore rispetto ad una misura qualitativa della posizione del veicolo rispetto al goal, derivante dal sistema di visione. A differenza della discriminazione degli stati fatta nei precedenti lavori, la funzione di membership calcolata sugli insiemi fuzzy permette una scelta dell’azione (decisa ad ogni passo di navigazione) tale da rendere la traiettoria dell’intero percorso più smussata. Si è investigato su come l’algoritmo di Reinforcement Learning, il Q-Learning, può migliorare le sue performance quando due diverse funzioni di rinforzo vengono definite: continua e discreta [5]. Il lavoro propone una funzione nonlineare del rinforzo che ha dimostrato una riduzione della velocità di convergenza dell’algoritmo di Q-Learning. 12 Marzo 1998 Vincitore Borsa di Studio Istituto di Fisica Nucleare progetto PQE2000. Il sottoscritto ha presentato un progetto per l’ispezionamento di una condotta sottomarina con tecniche neurali implementati su macchina con architettura SIMD e MIMD [A3]. 25 Marzo 1998 Vincitore Borsa di Studio del Comitato Nazionale per la Scienza e le Tecnologie dell’Informazione del Consiglio Nazionale delle Ricerche, per attività di ricerca nel campo dell'intelligenza artificiale applicata ai sensori chimici [A4]. Maggio 1998 Il sottoscritto risultando vincitore del dottorato di ricerca presso il dipartimento di Ingegneria dei Materiali dell’Università di Lecce XIII ciclo, continuava l’attività scientifica applicando le metodologie di intelligenza artificiale e di visione computazionale per la manipolazione autonoma di un manipolatore robot, per l’automazione di una cella robotizzata dedicata al riconoscimento e presa automatica degli oggetti. E’ stato proposto un controllore per un manipolatore in grado di riconoscere un oggetto sferico e raggiungerlo usando tecniche di logica Fuzzy e di computer vision quali la trasformata di Hough per la identificazione automatica della sua _____________________________________________________________________ 12 proiezione circolare, per la stima del relativo diametro e centro nel piano immagine 2D [6]. Successivamente, il controllore per il grasping di un oggetto sferico è stato implementato con il Q-learning (un approccio della teoria del reinforcement learning), in cui, a differenza dell’approccio in [6] (che era supervisionato), il controllore apprende in modo adattivo un comportamento ottimale del centramento e raggiungimento del gripper del manipolatore verso l’oggetto sferico [9]. Nei due approcci il problema del grasping è stato suddiviso in due comportamenti adattivi elementari: centramento e raggiungimento. Settembre 1998 Dal febbraio 1998 fino a luglio 1999 il sottoscritto è stato Visiting Researcher presso il laboratorio di Robotica (Perceptual Robotics Lab.) e di Reti Neurali (Adaptive Network Lab.) del dipartimento di Computer Science dell’Università del Massachusetts. In tale perido il sottoscritto proseguiva le ricerche sui metodi di apprendimento approfondendo in particolare i modelli di apprendimento basati sul reinforcement learning (r.l.) data la peculiarità del laboratorio dove opera il prof. Andrew Barto uno dei pionieri degli approcci basati sul r.l. Durante lo stage presso l’università del Massachusetts, il sottoscritto ha accettato un incarico didattico con le funzioni di Teacher Assistant per il corso di Intelligenza Artificiale (CS683) tenuto dal prof. V. Lesser, nell’ambito del Master in Scienze. Si allega alla domanda relativo programma [A1,A2]. Durante il periodo all’estero, il sottoscritto ha sviluppato attività di ricerca e studio in robotica nonché seguito corsi di master in scienze di: Robotica (Prof. Rod. Grupen) nonché, ha seguito, corsi di master in Reinforcement Learning (Prof. A. Barto). Durante il periodo di stage, è stato affrontato il problema dell’apprendimento in robotica, prendendo spunto dai meccanismi di attenzione visiva nei sistemi biologici. Tale approccio è stato implementato in una cella robotizzata utilizzando un approccio stereo, ed il compito del sistema era quello di sorvegliare il suo campo di lavoro (maggiore del campo di vista delle telecamere, aumentato grazie alla testa motorizzata fornita a ciascuna telecamera), con l’abilità di focalizzare l’attenzione verso oggetti nuovi (apprendendoli, e quindi aumentando la propria base di conoscenza on-line) oppure oggetti noti (nel qual caso il sistema effettuava un puro riconoscimento) in movimento (tali da suscitare interesse al sistema intelligente). Luglio 1999 Le tecniche di Intelligenza Artificiale apprese durante lo stage all’estero sono state successivamente utilizzate ed estese in contesto di sensori di gas, con la collaborazione del Dr. P.Siciliano. Febbraio 2000 Partecipazione Tutorial Course su “Sensori e Microsistemi”, organizzata dall’Associazione Italiana Sensori e Microsistemi (AISEM), Lecce 9-12 Febbraio 2000. Marzo 2000 Scuola Sensori chimici Alpbach Austria: la scuola organizzata dal network NOSE (Network of Excellence on Artificial Olfaction) mirava a fornire una formazione avanzata dei sensori dal punto di vista chimico e fisico. Aprile 2000 Visita di 30 giorni presso il laboratorio del DIAS UMIST sotto la supervisione del Prof. K. Persaud, nel contesto di Exchange Program del network NOSE. Durante tale periodo, il sottoscritto ha sviluppato e verificato un nuovo modello di rete neurale per compensare a problemi di deriva dei parametri di sensori a base di polimeri sviluppati nello stesso laboratorio. _____________________________________________________________________ 13 Ottobre 2000 Ottobre 2000 Febbraio 2001 Scuola Sensori chimici Lloret de Mar Barcellona (Spagna): la scuola organizzata dal network NOSE (Network of Excellence on Artificial Olfaction) mirava a fornire una formazione avanzata nell’ambito dell’analisi dei dati. Membro del gruppo S4 del network NOSE per la modifica dello standard IEEE1451 esteso ai sensori chimici e definizione del modello di data exchange program. Conseguimento del titolo di dottore di Ricerca in Ingegneria dei Materiali XIII Ciclo presso l’Università degli studi di Lecce. Resoconto Attività di Ricerca svolta durante il dottorato L’attività di tesi di dottorato si è prevalentemente orientata allo sviluppo di agenti intelligenti, in grado di apprendere e decidere sulla base di una sequenza sensoriale percepita, sia in contesto di robotica che di un array di sensori chimici (il naso elettronico). Un agente intelligente in robotica pone problemi relativi all’apprendimento di una relazione funzionale che correla sequenze percettive (provenienti da sonar, sistema di visone, odometri ecc.) con lo spazio delle possibili azioni da eseguire al fine di raggiungere uno scopo ben preciso definito a priori. E’ stato affrontato il problema della manipolazione, con l’obiettivo di afferrare un oggetto sferico utilizzando un’informazione dell’ambiente puramente qualitativa. L’agente intelligente è stato E’ stato proposto un controllore per un manipolatore in grado di riconoscere un oggetto sferico e raggiungerlo usando tecniche di logica Fuzzy e di computer vision quali la trasformata di Hough per la stima del diametro e centro nello spazio dei pixel [8]. In tale approccio, il problema dell’afferramento è stato suddiviso (seguendo il noto paradigma di machine learning “divide-and-conquer” e “behavior based”) in due comportamenti adattivi elementari: centramento e raggiungimento. Si è pertanto costruito un agente basato sul comportamento, derivante dalla Nuova Intelligenza Artificiale (NewAI) in cui scompare l’idea di centralizzare il sistema decisionale in un agente intelligente, e prende piede l’idea di costruire moduli decisionali allo stesso livello gerarchico cooperanti tra loro. Lo sviluppo di un controllore per l’afferramento di un oggetto sferico è stato affrontato con il Q-learning [9,12], un paradigma della teoria del Reinforcement Learning, in cui, a differenza dell’approccio in [8] (che era supervisionato), il controllore a partire da una base di conoscenza nulla (in termini della relazione funzionale o mapping che lega lo spazio degli stati del sistema sensoriale allo spazio delle azioni effettuabili dal manipolatore) apprende on-line la sua legge di controllo mediante segnali di penalità o di successo ricevuti da un critico interno al sistema (che valuta solo la singola azione espletata). La legge di controllo appresa alla fine del processo trial-and-error rappresenta un comportamento ottimale del centramento e raggiungimento del gripper del manipolatore verso l’oggetto sferico, risultando qualitativamente migliore rispetto a quella dettata dall’uomo con l’ausilio della logica Fuzzy nel caso del lavoro [8]. L’uso di meccanismi attenzionali visivi è stato investigato in [13], dove il controllore, mediante l’uso di un approccio stereo visivo attivo, è in grado di apprendere l’ambiente in cui è immerso. _____________________________________________________________________ 14 Il controllo delle telecamere per dirigere l’attenzione su una data regione della scena viene effettuato mediante l’uso di mappe di salienza per ciascun occhio artificiale in modo da determinare la regione di interesse nella quale riconoscere l’oggetto presente. L’apprendimento dell’ambiente in tal caso avviene dopo una fase di estrazione delle caratteristiche invarianti (features) con un approccio multi-risoluzione (tessitura, intensità, forma, movimento e dimensioni), riconoscendo nuovi oggetti mediante tecniche neurali supervisionate (feedforward) con ri-addestramento online per aumentarne la propria base di conoscenza. Nell’apprendimento del controllo, per quanto concerne la vergenza delle telecamere Sono state anche utilizzate tecniche neurali auto-organizzanti non supervisionate quali ad esempio SOM [18] che forniscono immediato aggiornamento della propria base di conoscenza data la natura ordinata nello spazio euclideo della mappa alla fine dell’apprendimento iniziale. In quest’ultimo caso, se l’oggetto osservato nella regione d’interesse nella quale si è focalizzata l’attenzione rappresenta un pattern diverso da quelli appresi in precedenza, lo si aggiunge alla mappa mediante una semplice interpolazione (dato che i neuroni sono ordinati nello spazio euclideo – cioè neuroni simili sono vicini tra loro e viceversa). L’utilizzo di sensori chimici quali il naso elettronico, per l’analisi qualitativa delle sostanze rilevate, pone problemi relativi alla deriva dei parametri, risultante in uno spostamento non lineare dei cluster da individuare. L’attività è anche rivolta verso lo studio di minimizzare la deriva dei parametri in tale contesto attraverso un approccio statistico e neurale basato sulla teoria della risonanza adattiva (ART) per migliorarne l’identificazione degli odori [10]. L’utilizzo di tecniche di clustering nel contesto del naso elettronico è stato affrontato per il controllo di qualità degli alimenti quali vino, olio, caffè ecc. [11]. Lo strumento, ha permesso di riconoscere e classificare vari oli d'oliva commerciali in base alla loro qualità (extravergine, vergine e di sansa). Con tali parametri qualitativi estratti, si è passati a misurare la qualità degli oli prodotti da olivicoltori in varie aree della provincia di Lecce, di provenienza accertata, ottenendo una netta diversificazione tra olio locale ed olio commerciale. L’analisi qualitativa delle risposte è stata affrontata in [15], mediante l’uso del metodo Relativo per l’estrazione dell’informazione della curva di risposta del sensore. Successivamente è stata utilizzata una una tecnica statistica denominata Principal Component Analysis per la riduzione del rumore e la riduzione da uno spazio sensoriale a 5 dimensioni (tale è il numero di sensori nell’array) ad uno spazio a due dimensioni mantenendo più del 95% della varianza catturata da tali componenti. La visualizzazione di uno spazio a due dimensioni così ridotto da PCA, ha quindi permesso di confrontare i diversi oli d’oliva commerciali e locali non commerciali. E’ noto che problemi di deriva del naso elettronico inducono la base di conoscenza acquisita a non essere più valida dopo un certo periodo di tempo. In tali casi il sistema di riconoscimento deve necessariamente riaggiornarsi mediante l’uso dell’uomo. Le modificazioni che ne risulta dal parameter drift, si osservano in termini di una variazione della distribuzione di probabilità dell’input, traslando e ruotando i cluster da riconoscere. In [14], un nuovo approccio neurale basato su self-organizing maps (mSom) è stato proposto. Il metodo neurale tenta di massimizzare il tempo di vita del sistema di riconoscimento mediante l’ausilio di memorie locali aggiornate durante la fase di test. L’architettura proposta è multi_____________________________________________________________________ 15 mappa e ciascuna mappa rappresenta un’odore agganciata alla relativa memoria locale. Il sistema calcola on-line le sue prestazioni mediante l’errore di quantizzazione che misura la distanza media tra i pattern di input e i neuroni nello spazio euclideo. Successivamente in [17] è stato introdotto nell’architettura mSom la componente supervisionata sulla base delle informazioni memorizzate nelle memorie locali, per raffinare i bordi dei cluster. Tale componente basata su learning vector quantization ha permesso di migliorare le prestazioni della rete neurale proposta e confrontata in diverse situazioni di parameter drift, grazie alla collaborazione con il gruppo S-SENSE del Prof. Lundstrom (Linkoeping Svezia). In [21], un nuovo metodo di clustering Support Vector Machine derivante dalla teoria dell’apprendimento statistico è stato presentato, per la classificazione di sostanze gassose e loro composti. Il riconoscimento di Esanale, Pentanone, Acetone e tre loro miscele rispettivamente pone problemi di classificazioni ardui nel ricavare il corretto iperpiano di separazione tra i 6 cluster. Il metodo SVM, è stato utilizzato in quanto trova l’iperpiano di separazione ottimale (cioè l’iperpiano la cui distanza dai cluster è massima) ed ha pertanto classificato correttamente gli odori per oltre il 96% dei casi. Si è confrontato il metodo con una tecnica neurale feedforward la quale è risultata meno performante con oltre il 30% di errore sullo stesso campione di addestramento di SVM. L’attenzione è stata rivolta successivamente alla caratterizzazione delle risposte di ogni singolo sensore mediante l’analisi Wavelet in [20]. L’analisi multirisoluzione è risultata migliore di quelle proposte in letteratura, poiché in grado di conservare l’informazione dinamica della curva proiettando ciascuna risposta in sottospazi individuati da funzioni ortonormali che individuano ciascuna una determinata banda di frequenza. Pertanto, l’analisi wavelet (a differenza della trasformata di Fourier) è in grado di localizzare le bande di frequenza che catturano l’informazione della risposta utili per la discriminazione degli odori. Attività sino a Responsabile del laboratorio di Signal and Image Processing della sezione IMM Ott. 2009 di Lecce. Il gruppo di ricerca a cui afferiscono personale a contratto CNR si occupa di problemi di elaborazione dei segnali con l’obbiettivo di costruire macchine intelligenti per il riconoscimento automatico di eventi complessi. L’attività orientata alla videosorveglianza ha come obbiettivo il riconoscimento automatico di eventi come: Reti di sensori, modelli informativi per rendere trasduttori plug&play. intrusione; comportamenti critici Analisi del comportamento mediante sequenze video tempo varianti; L’attività sulle reti di sensori è condotta in collaborazione con il laboratorio di Lecce della divisione di Advanced System Technology di STMicroelectronics. L’attività sulla videosorveglianza è condotta in collaborazione con CNR-ISSIA di Bari e ITC-IRST di Trento. L’attività di video-sorveglianza che vede la collaborazione con ITC-IRST è orientata all’utenza debole. In tale attività si utilizza un sistema di imaging ed un sensore indossabile come l’accelerometro per il riconoscimento automatico delle cadute (informazione ridondante riduce i falsi allarmi). • Quest’ultima attività è stata oggetto di spunto per progetto Integrato sottomesso alla call IST2.4.2 che ha come titolo Netcarity: A NETworked multisensor system for elderly people: health CAre, safety and secuRITY in _____________________________________________________________________ 16 home environment. In fase di valutazione. L’IMM-CNR è coordinatore del progetto ed i relativi Partners sono: 1. Consiglio Nazionale delle Ricerche (ITA) 2. MR&D Institute (ITA) 3. Ikerlan (SPA) 4. ITC – IRST (ITA) 5. Università degli Studi di Pavia (ITA) 6. IPC Eberhard Karls Universitaet Tuebingen (GER) 7. Siemens (GER) 8. Steinbeis Research Institute (GER) 9. Provincia Autonoma di Trento (ITA) 10. Kujpers (OLA) 11. Smart Homes (OLA) 12. IBM (CEC) Tra le altre attività del laboratorio sono da segnalare: - studio di algoritmi per la costruzione di mosaici bidimensionali mediante una sequenza video tempo-variante [33] in ambiente sottomarino. L’articolo a cui si fa riferimento introduce delle novità nello stato dell’arte poiché la tecnica implementata nella ricerca delle corrispondenze risulta meno complessa di quella proposta in letteratura e garantisce qualità superiori del mosaico. In fase di studio vi è lo sviluppo di mosaici 3D mediante l’acquisizione di immagini sottomarine stereoscopiche. - Attività Corrente Attività legata al telerilevamento per il monitoraggio di specie protette, quali gli alberi ulivo secolari, in cui in [32] si è proposta una tecnica di conteggio automatico degli alberi di ulivo da immagini acquisite via satellite. Tecniche di image enhancement basate sulla equalizzazione adattiva e diffusione non lineare sono state studiate e proposte, nonché l’uso della trasformata watershed per l’operazione di segmentazione. Il risultato dell’attività è dato sia dalla possibilità di effettuare un censimento delle piante protette, che della loro localizzazione e, del calcolo della dimensione delle chiome nello spazio metrico. Responsabile Modulo: MD.P03.019.002 Dispositivi ottici e metodologie ICT per applicazioni industriali Abstract Le competenze presenti nel modulo fanno riferimento allo studio di nuovi modelli computazionali per la ricostruzione 3D, l'elaborazione e la rappresentazione di segnali mono e multidimensionali di sistemi ottici. In particolare, tecniche di pattern recognition ed elaborazione dell'immagine sono oggetto di studio per lo sviluppo di sistemi decisionali che partendo dal dato grezzo, lo pre-elaborano (filtraggio e segmentazione), ne estraggono proprietà invarianti (feature extraction nel dominio del tempo o delle frequenze) per poi predirne il corretto stato della natura mediante classificatori statistici, fuzzy, neurali ecc. I sistemi decisionali oggetto di studio hanno svariati contesti industriali che spaziano dall'Avionica, ai Beni Culturali, alla Medicina, al Manufacturing, Robotica ecc. _____________________________________________________________________ 17 Tematiche di ricerca L'attività di ricerca è orientata allo sviluppo di sistemi automatici in grado di apprendere l'ambiente mediante lo sviluppo di dispositivi ottici e tecniche di pattern recognition per risolvere problemi complessi del mondo industriale. Ricadute dell'attività sono applicate ai seguenti settori: Avionica, manufacturing, medicina, robotica, sicurezza, beni culturali ecc. In particolare, le seguenti attività sono in fase di studio: − in Avionica e Robotica sottomarina sono allo studio, sistemi di ricostruzione 3D con approcci calibrati e non, di riconoscimento automatico di oggetti di interesse e loro inseguimento (tracking) con approcci stocastici non-Gaussianni basati sull'apparenza. − algoritmi di rilevazione automatica di oggetti pericolosi acquisiti con raggi X, e analisi dei comportamenti nell'ambito della sicurezza. − modelli computazionali per la costruzione di un funzionale di mapping tra oggetti 3D della scena reale e oggetti virtuali in maniera markerless nell'ambito di nuove tecniche di elarning di realtà aumentata e mista in automotive. − dispositivi ottici e di riconoscimento automatico dello stato del manto stradale − analisi multirisoluzione in medicina Stato dell'arte Lo sviluppo di sistemi di elaborazione delle informazioni per la ricostruzione, la rappresentazione ed il riconoscimento automatico di oggetti di interesse è uno dei settori a forte impatto tecnologico sia per la messa a punto di nuovi dispositivi ottici, che per lo sviluppo di sistemi in grado di prendere delle decisioni circa la sequenza sensoriale acquisita. La molteplicità di sensori oggi disponibile per l'acquisizione di uno stesso stato dell'ambiente con differenti tecniche di trasduzione, ha permesso di avere una molteplicità eterogenea di dati di uno stesso oggetto di interesse. Tali dati necessitano uno sfruttamento intelligente, mediante lo sviluppo di modelli computazionali in grado di ospitarne una loro rappresentazione d'insieme (data fusion) al fine di migliorare l'accuratezza in fase di rilevazione automatica di un evento di interesse. La rilevazione di tali oggetti sono lo stadio finale di un'architettura complessa che parte dal dato grezzo acquisito, alla segmentazione per isolare l'oggetto di interesse dallo sfondo, alla fase cruciale di rappresentazione (feature extraction), per poi sfociare nel classificatore vero e proprio che intraprende delle decisioni. Competenze, strumentazione, tecniche di indagine e tecnologie - Competenze (conoscenze possedute dai partecipanti alla commessa rilevanti ai fini del suo svolgimento) Il modulo è composto da un ricercatore due tecnologi ed un funzionario di amministrazione. Le competenze possedute sono incentrate nell'ambito delle scienze e tecnologie dell'Informazione per lo sviluppo di dispositivi ottici, interfacce hardware e software, sistemi di elaborazione di segnali mono e multidimensionali, robotica e pattern recognition. Ad esse si affianca anche una componente gestionale per la gestione di progetti di ricerca e del personale. - Tecniche d'indagine (metodologie per la comprensione di fenomeni o strutture attraverso l'impiego combinato di competenze e strumentazione) _____________________________________________________________________ 18 Analisi multivariata e multirisoluzione, Principal Component Analysis e Analisy Wavelet (includendo anche la teoria dei Frame per la caratterizzazione dei segnali con dizionari overcompleti). Modelli di stima robusta dei parametri Modelli computazionali adattativi real-time per la stima del background di un segnale rumoroso, Classificatori statistici e neuronali - Tecnologie (Metodologie di modellazione o di intervento su oggetti e sistemi) Potenziale impiego - per processi produttivi Svariate sono le tecniche proposte in letteratura per lo sviluppo delle singole fasi dell'architettura di un sistema di pattern recognition. La loro scelta è spesso dipendente dall'applicazione. Il modulo intende sviluppare nuove tecniche di signal processing e pattern recognition orientate alle seguenti applicazioni: - miglioramento del processo di controllo di qualità di manufatti - sistemi automatici di ispezionamento e tracking di oggetti di interesse acquisiti mediante dispositivi ottici riconducibili ad operazioni di controllo automatizzato di qualità. - analisi di immagini nel contesto della medicina per la rilevazione di particolari pattern riconducibili a patologie o malformazioni cromosomiche - per risposte a bisogni individuali e collettivi Alcune delle tecniche sviluppate sono oggetto di integrazione per analisi non invasive di screening mediante l'analisi di immagini della gengiva orale vestibolare per il riconoscimento automatico di patologie cromosomiche (Sindrome di Down). Obiettivi Sistema di acquisizione ed laborazione dei dati per il monitoraggio del manto stradale, che integra un sistema di visione attivo, sensore inerziale ed un sistema di caratterizzazione e riconoscimento della tessitura del manto da ricondurlo all'indice di rugosità internazionale. Tecniche avanzate di tracking di oggetti 2D e 3D che inglobano informazione di apparenza di basso e alto livello (colore, tessitura, altre proprietà invarianti) in contesto di sicurezza, avionica e manufacturing. Tecniche di ricostruzione 3D di oggetti di interesse con approcci monoculari non stazionari Sviluppo di metodi markerless per lo sviluppo di Analisi multirisoluzione mediante dizionari di funzioni overcompleti per la caratterizzazione robusta di informazione spettrale della superficie di oggetti di interesse per il successivo riconoscimento. Stime robuste basate su funzionali entropici per la determinazione delle corrispondenze e dei parametri geometrici di nuvole di punti 2D e 3D fortemente corrotte da rumore (elevata presenza di outliers). PREVISIONE Attività da svolgere Servizio di consulenza nell'ambito del monitoraggio del manto stradale con tecniche di imaging e pattern recognition _____________________________________________________________________ 19 Studio di nuovi modelli di tracking che inglobano informazioni di apparenza applicate nel contesto dell'Avionica. Ricostruzione 3D da immagini acquisite da sciami di UAV. Studio di tecniche di pattern recognition per il riconoscimento di oggetti 3D della scena a supporto dei sistemi di realtà virtuale aumentata (in particolare della loro estensione di tipo mixed) di elearning in contesto industriale. Analisi dei comportamenti nel contesto della sicurezza e delle aree marine protette. Tecniche multi-risoluzione per la caratterizzazione di informazione multispettrale nell'ambito dei beni culturali e del manufacturing Risultati attesi nell'anno Sistema di rivelazione automatico dello stato del manto stradale che integra metodologie di Visione Artificiale e Pattern Recognition. Tecniche di tracking di oggetti non-stazionari mediante metodi particellari che inglobano informazione di apparenza. Un modello computazionale per Stime Robuste di parametri geometrici di nuvole 3D. Iniziative per l'acquisizione di ulteriori entrate Sono state presentate le seguenti proposte progettuali di ricerca: CIMR-LAB Concurrent Immersive Mixed Reality LAB - FP7 ICT-2009.4.2 technology-enhanced learning (Finanziamento richiesto €451223) MARIA Micro Aerial vehicle systems for Remote Infrastructure Assessment, FP7 Topic SEC-2010.4.2-3 Information acquisition using dedicated platforms, including UAV,aerostatic platforms (balloons) and satellites (€306630) Espressione di Interesse presentata come coordinatore "TOPICAL Technologies for the valorization and preservation of Marine Protected Areas" South East Europe Transnational cooperation program, Priority Axis 2: Protection and Improvement of the Environment, AoI 2.3: Promote cooperation in management of natural assets and protected areas (€565000) INSIDER INSpection StrategIes built over multimoDal framEwoRk Strategic Objective: SST.2010.2.1-2 Efficient interfaces between transport modes FP7SST-2010-RTD-1 Activity: SST-2010.2.1 SUSTAINABLE SURFACE TRANSPORT _____________________________________________________________________ 20 Lo scrivente Cosimo Distante con la presente autorizza il trattamento dei dati personali ai sensi della Legge 676/95. Lecce 6/4/2010 Cosimo Distante _____________________________________________________________________ 21