2023
Bachelor thesis
Open Access
L'Intelligenza Artificiale nella elaborazione delle immagini: tecniche di visione artificiale per il monitoraggio della guida di motocicli
Bulotta D., Carta A., Righi M., Leone G. R.
Il tirocinio si è svolto presso l'Istituto di Scienza e Tecnologie dell'Informazione del Consiglio Nazionale delle Ricerche e ha richiesto circa cinque mesi. Il tirocinio si è svolto nell'ambito del progetto di ricerca Artificial Intelligence driven RIding Distributed Eye (AI-RIDE) che ha come obiettivo lo studio e la realizzazione prototipale di un framework di Intelligenza Artificiale integrato nel contesto della formazione dei motociclisti, mirando in particolare ad una verifica standard, misurabile e imparziale dell'esame della patente di guida per motocicli. L'esito di un esame di patente di guida dipende da diversi fattori, come il tempo di prestazione, la precisione della traiettoria, la gestione della velocità e l'esecuzione di un percorso netto senza effettuare penalità. La maggior parte di tali fattori può essere misurata utilizzando strumenti di analisi delle immagini ottenute per mezzo di telecamere esterne opportunamente posizionate. L'obiettivo di questo tirocinio è stato ricavare tali informazioni dai flussi video a disposizione massimizzando la precisione dei dati ottenuti. Il primo compito è consistito nell'allenamento di un modello di Object Detection per il riconoscimento dei coni, del motociclo e del pilota; utilizzando vari strumenti di annotazione si è popolato un dataset con numerosi frame estratti dai video realizzati nel sito di prova, la pista della scuola guida Gerardo di Pontedera; tale dataset è stato continuamente migliorato aggiungendo immagini di casistiche specifiche, conducendo test a diverse risoluzioni e utilizzando numerosità crescenti dei modelli di partenza (come spiegato nei paragrafi 3.1.7 e 4.2.8). Raggiunta una soddisfacente prestazione del task di riconoscimento si è implementata la logica funzionale alla individuazione precisa della posizione della moto nello spazio e all'eventuale penalità connessa con lo spostamento di uno o più coni segnaletici (si veda paragrafo 4.3.1 e 4.3.2). Queste informazioni sono servite da input al sottosistema di fusione delle informazioni che non è compreso nel lavoro di questo tirocinio. Il modello custom di object detection ha conseguito ottimi risultati in termini di confidenza e precisione nel riconoscimento degli elementi in gioco ovvero coni, moto e pilota. La logica implementata per il rilevamento delle penalità commesse durante l'esame di guida è stata essenziale per il successo finale del sistema. Il lavoro svolto è stato presentato il giorno 14 giugno 2023 presso il sito di prova in un evento che ha previsto una dimostrazione del sistema dal vivo includendo vari scenari di guida: tutte le penalità principali sono state segnalate con elevata precisione spaziale e temporale.
Bulotta D., Carta A., Righi M., Leone G. R.
Il tirocinio si è svolto presso l'Istituto di Scienza e Tecnologie dell'Informazione del Consiglio Nazionale delle Ricerche e ha richiesto circa cinque mesi. Il tirocinio si è svolto nell'ambito del progetto di ricerca Artificial Intelligence driven RIding Distributed Eye (AI-RIDE) che ha come obiettivo lo studio e la realizzazione prototipale di un framework di Intelligenza Artificiale integrato nel contesto della formazione dei motociclisti, mirando in particolare ad una verifica standard, misurabile e imparziale dell'esame della patente di guida per motocicli. L'esito di un esame di patente di guida dipende da diversi fattori, come il tempo di prestazione, la precisione della traiettoria, la gestione della velocità e l'esecuzione di un percorso netto senza effettuare penalità. La maggior parte di tali fattori può essere misurata utilizzando strumenti di analisi delle immagini ottenute per mezzo di telecamere esterne opportunamente posizionate. L'obiettivo di questo tirocinio è stato ricavare tali informazioni dai flussi video a disposizione massimizzando la precisione dei dati ottenuti. Il primo compito è consistito nell'allenamento di un modello di Object Detection per il riconoscimento dei coni, del motociclo e del pilota; utilizzando vari strumenti di annotazione si è popolato un dataset con numerosi frame estratti dai video realizzati nel sito di prova, la pista della scuola guida Gerardo di Pontedera; tale dataset è stato continuamente migliorato aggiungendo immagini di casistiche specifiche, conducendo test a diverse risoluzioni e utilizzando numerosità crescenti dei modelli di partenza (come spiegato nei paragrafi 3.1.7 e 4.2.8). Raggiunta una soddisfacente prestazione del task di riconoscimento si è implementata la logica funzionale alla individuazione precisa della posizione della moto nello spazio e all'eventuale penalità connessa con lo spostamento di uno o più coni segnaletici (si veda paragrafo 4.3.1 e 4.3.2). Queste informazioni sono servite da input al sottosistema di fusione delle informazioni che non è compreso nel lavoro di questo tirocinio. Il modello custom di object detection ha conseguito ottimi risultati in termini di confidenza e precisione nel riconoscimento degli elementi in gioco ovvero coni, moto e pilota. La logica implementata per il rilevamento delle penalità commesse durante l'esame di guida è stata essenziale per il successo finale del sistema. Il lavoro svolto è stato presentato il giorno 14 giugno 2023 presso il sito di prova in un evento che ha previsto una dimostrazione del sistema dal vivo includendo vari scenari di guida: tutte le penalità principali sono state segnalate con elevata precisione spaziale e temporale.
See at:
ISTI Repository 
| CNR ExploRA
2023
Bachelor thesis
Open Access
Monitoraggio della guida di motocicli per mezzo di un sistema di visione multicamera con tecniche di fusione delle informazioni e loro rappresentazione virtuale per mezzo di un motore grafico 3D
Baiamonte A., Bacciu D., Righi M., Leone G. R.
Il tirocinio si è svolto presso l'istituto di Scienza e Tecnologie dell'informazione del Consiglio Nazionale delle Ricerche (ISTI-CNR), da metà Marzo a fine Giugno 2023. L'obiettivo del progetto è stato il monitoraggio della guida di motocicli per mezzo di un sistema di visione multicamera con tecniche di fusione delle informazioni e loro rappresentazione virtuale per mezzo di un motore grafico 3D. Il tirocinio è stato realizzato nell'ambito di un progetto di ricerca del CNR dedicato alla progetta- zione e prototipazione di un sistema multicamera innovativo [1], basato su algoritmi di Computer Vision e Intelligenza Artificiale, in grado di riconoscere automaticamente, con grado di affidabilità variabile, le penalità previste durante la fase pratica degli esami per il conseguimento della patente di guida per motocicli. I dati raccolti dai singoli flussi video sono stati elaborati e fusi per ottenere un'informazione globale più completa ed affidabile. Particolare attenzione è stata dedicata al calcolo vettoriale delle accelerazioni del motoveicolo nei test in circuito chiuso. Inoltre, è stato realizzato un Digital Twin (gemello virtuale) del sistema per visualizzare in grafica 3D i dati elaborati e permettere l'analisi delle traiettorie effettuate dal motoveicolo in un contesto di prove ripetute. Nel capitolo 2 si esporranno le basi di partenza del tirocinio, ovvero cosa era già presente prima di iniziare questo lavoro di tesi. Nel capitolo 3 si parlerà del background necessario a descrivere le metodologie e le tecnologie utilizzate in questa tesi. Nel capitolo 4 si elencheranno i software utilizzati per realizzare le varie funzionalità del sistema mettendo in evidenza le scelte effettuate, giustificando perché è stata scelta una particolare tecnologia piuttosto che un'altra. Nel capitolo 5 si descriverà il lavoro svolto durante il tirocinio mostrando tutti i test, gli esperimenti fatti e risultati ottenuti. Il capitolo 6 conclude la tesi riassumendo quanto si è realizzato e parlando dei possibili sviluppi futuri.
Baiamonte A., Bacciu D., Righi M., Leone G. R.
Il tirocinio si è svolto presso l'istituto di Scienza e Tecnologie dell'informazione del Consiglio Nazionale delle Ricerche (ISTI-CNR), da metà Marzo a fine Giugno 2023. L'obiettivo del progetto è stato il monitoraggio della guida di motocicli per mezzo di un sistema di visione multicamera con tecniche di fusione delle informazioni e loro rappresentazione virtuale per mezzo di un motore grafico 3D. Il tirocinio è stato realizzato nell'ambito di un progetto di ricerca del CNR dedicato alla progetta- zione e prototipazione di un sistema multicamera innovativo [1], basato su algoritmi di Computer Vision e Intelligenza Artificiale, in grado di riconoscere automaticamente, con grado di affidabilità variabile, le penalità previste durante la fase pratica degli esami per il conseguimento della patente di guida per motocicli. I dati raccolti dai singoli flussi video sono stati elaborati e fusi per ottenere un'informazione globale più completa ed affidabile. Particolare attenzione è stata dedicata al calcolo vettoriale delle accelerazioni del motoveicolo nei test in circuito chiuso. Inoltre, è stato realizzato un Digital Twin (gemello virtuale) del sistema per visualizzare in grafica 3D i dati elaborati e permettere l'analisi delle traiettorie effettuate dal motoveicolo in un contesto di prove ripetute. Nel capitolo 2 si esporranno le basi di partenza del tirocinio, ovvero cosa era già presente prima di iniziare questo lavoro di tesi. Nel capitolo 3 si parlerà del background necessario a descrivere le metodologie e le tecnologie utilizzate in questa tesi. Nel capitolo 4 si elencheranno i software utilizzati per realizzare le varie funzionalità del sistema mettendo in evidenza le scelte effettuate, giustificando perché è stata scelta una particolare tecnologia piuttosto che un'altra. Nel capitolo 5 si descriverà il lavoro svolto durante il tirocinio mostrando tutti i test, gli esperimenti fatti e risultati ottenuti. Il capitolo 6 conclude la tesi riassumendo quanto si è realizzato e parlando dei possibili sviluppi futuri.
See at:
ISTI Repository | CNR ExploRA
2023
Conference article
Open Access
AI-RIDE: a multi-camera system for the evaluation of motorcycle driving test
Leone G. R., Righi M., Moroni D., Baiamonte A., Bulotta D., Paolucci F.
The AI-RIDE project proposes adopting an accelerated, online, and embedded Artificial Intelligence framework in motorcycle rider training, mainly targeting the Practical Driving Courses (PDC) and Driving License Exam (DLE) sessions verification tools. The project targets a disruptive innovation step in the context of driving learning techniques, significantly going beyond the state of the art of the current instruments used in the PDC and DLE ecosystem. This work presents last year's activities with the promising results obtained with the first working prototype.Source: SITIS 2023 - 17th International Conference on Signal Image Technology & Internet bASED Systems, Bangkok, Thailand, 8-10/11/2023
Leone G. R., Righi M., Moroni D., Baiamonte A., Bulotta D., Paolucci F.
The AI-RIDE project proposes adopting an accelerated, online, and embedded Artificial Intelligence framework in motorcycle rider training, mainly targeting the Practical Driving Courses (PDC) and Driving License Exam (DLE) sessions verification tools. The project targets a disruptive innovation step in the context of driving learning techniques, significantly going beyond the state of the art of the current instruments used in the PDC and DLE ecosystem. This work presents last year's activities with the promising results obtained with the first working prototype.Source: SITIS 2023 - 17th International Conference on Signal Image Technology & Internet bASED Systems, Bangkok, Thailand, 8-10/11/2023
See at:
ISTI Repository | CNR ExploRA
2023
Journal article
Unknown
Remote sensing for maritime traffic understanding
Reggiannini M., Salerno E., Bacciu C., D'Errico A., Lo Duca A., Marchetti A., Martinelli M., Mercurio C., Mistretta A., Righi M., Tampucci M., Di Paola C.
The capability of prompt response in case of critical circumstances occurring within a maritime scenario depends on the awareness level of the competent authorities. From this perspective a quick and integrated surveillance service represents a tool of utmost importance. This is even more true when the main purpose is to tackle illegal activities such as smuggling, waste flooding or malicious vessel trafficking. This work presents an improved version of the OSIRIS system, a previously developed ICT framework devoted to understand the maritime vessel traffic through the exploitation of optical and radar data captured by satellite imaging sensors. A number of dedicated processing units are cascaded with the objective of i) detecting the presence of vessel targets in the input imagery, ii) estimating the vessel types on the basis of their geometric and scatterometric features, iii) estimating the vessel kinematics, iv) classifying the navigation behaviour of the vessel and predicting its route and, eventually, v) integrating the several outcomes within a webGIS interface to easily assess the traffic status inside the considered area. The entire processing pipeline has been tested on satellite imagery captured within the Mediterranean Sea or extracted from public, annotated data sets.Source: Remote sensing (Basel) (2023).
Reggiannini M., Salerno E., Bacciu C., D'Errico A., Lo Duca A., Marchetti A., Martinelli M., Mercurio C., Mistretta A., Righi M., Tampucci M., Di Paola C.
The capability of prompt response in case of critical circumstances occurring within a maritime scenario depends on the awareness level of the competent authorities. From this perspective a quick and integrated surveillance service represents a tool of utmost importance. This is even more true when the main purpose is to tackle illegal activities such as smuggling, waste flooding or malicious vessel trafficking. This work presents an improved version of the OSIRIS system, a previously developed ICT framework devoted to understand the maritime vessel traffic through the exploitation of optical and radar data captured by satellite imaging sensors. A number of dedicated processing units are cascaded with the objective of i) detecting the presence of vessel targets in the input imagery, ii) estimating the vessel types on the basis of their geometric and scatterometric features, iii) estimating the vessel kinematics, iv) classifying the navigation behaviour of the vessel and predicting its route and, eventually, v) integrating the several outcomes within a webGIS interface to easily assess the traffic status inside the considered area. The entire processing pipeline has been tested on satellite imagery captured within the Mediterranean Sea or extracted from public, annotated data sets.Source: Remote sensing (Basel) (2023).
See at: CNR ExploRA
2022
Journal article
Open Access
A case study of upper limb robotic-assisted therapy using the track-hold device
Righi M., Magrini M., Dolciotti C., Moroni D.
The Track-Hold System (THS) project, developed in a healthcare facility and therefore in a controlled and protected healthcare environment, contributes to the more general and broad context of Robotic-Assisted Therapy (RAT). RAT represents an advanced and innovative rehabilitation method, both motor and cognitive, and uses active, passive, and facilitating robotic devices. RAT devices can be equipped with sensors to detect and track voluntary and involuntary movements. They can work in synergy with multimedia protocols developed ad hoc to achieve the highest possible level of functional re-education. The THS is based on a passive robotic arm capable of recording and facilitating the movements of the upper limbs. An operational interface completes the device for its use in the clinical setting. In the form of a case study, the researchers conducted the experimentation in the former Tabarracci hospital (Viareggio, Italy). The case study develops a motor and cognitive rehabilitation protocol. The chosen subjects suffered from post-stroke outcomes affecting the right upper limb, including strength deficits, tremors, incoordination, and motor apraxia. During the first stage of the enrolment, the researchers worked with seven patients. The researchers completed the pilot with four patients because three of them got a stroke recurrence. The collaboration with four patients permitted the generation of an enlarged case report to collect preliminary data. The preliminary clinical results of the Track-Hold System Project demonstrated good compliance by patients with robotic-assisted rehabilitation; in particular, patients underwent a gradual path of functional recovery of the upper limb using the implemented interface.Source: Sensors (Basel) 22 (2022). doi:10.3390/s22031009
DOI: 10.3390/s22031009
Metrics:
Righi M., Magrini M., Dolciotti C., Moroni D.
The Track-Hold System (THS) project, developed in a healthcare facility and therefore in a controlled and protected healthcare environment, contributes to the more general and broad context of Robotic-Assisted Therapy (RAT). RAT represents an advanced and innovative rehabilitation method, both motor and cognitive, and uses active, passive, and facilitating robotic devices. RAT devices can be equipped with sensors to detect and track voluntary and involuntary movements. They can work in synergy with multimedia protocols developed ad hoc to achieve the highest possible level of functional re-education. The THS is based on a passive robotic arm capable of recording and facilitating the movements of the upper limbs. An operational interface completes the device for its use in the clinical setting. In the form of a case study, the researchers conducted the experimentation in the former Tabarracci hospital (Viareggio, Italy). The case study develops a motor and cognitive rehabilitation protocol. The chosen subjects suffered from post-stroke outcomes affecting the right upper limb, including strength deficits, tremors, incoordination, and motor apraxia. During the first stage of the enrolment, the researchers worked with seven patients. The researchers completed the pilot with four patients because three of them got a stroke recurrence. The collaboration with four patients permitted the generation of an enlarged case report to collect preliminary data. The preliminary clinical results of the Track-Hold System Project demonstrated good compliance by patients with robotic-assisted rehabilitation; in particular, patients underwent a gradual path of functional recovery of the upper limb using the implemented interface.Source: Sensors (Basel) 22 (2022). doi:10.3390/s22031009
DOI: 10.3390/s22031009
Metrics:
See at:
ISTI Repository | www.mdpi.com | CNR ExploRA
2022
Other
Unknown
Slide corso di Elementi di informatica e applicazioni giuridiche - CdL in Diritto dell'Innovazione per l'impresa e le istituzioni
Righi M.
Slide utilizzate durante docenza del corso Elementi di informatica e applicazioni giuridiche - CdL in Diritto dell'Innovazione per l'impresa e le istituzioni.
Righi M.
Slide utilizzate durante docenza del corso Elementi di informatica e applicazioni giuridiche - CdL in Diritto dell'Innovazione per l'impresa e le istituzioni.
See at: CNR ExploRA
2022
Report
Open Access
Script Python to transform bib files
Righi M.
This Technical Report describes a script written in Python to transform a bib into a proprietary format. Open Portal ISTI obtains the bib file, and the property format is defined in the following sections. The property SIlab uses the format in the annual report of the activity of the laboratory.Source: ISTI Technical Report, ISTI-2022-TR/042, 2022
DOI: 10.5281/zenodo.6636546
Metrics:
Righi M.
This Technical Report describes a script written in Python to transform a bib into a proprietary format. Open Portal ISTI obtains the bib file, and the property format is defined in the following sections. The property SIlab uses the format in the annual report of the activity of the laboratory.Source: ISTI Technical Report, ISTI-2022-TR/042, 2022
DOI: 10.5281/zenodo.6636546
Metrics:
See at:
ISTI Repository | CNR ExploRA
2022
Other
Open Access
Tecnologie didattiche
Righi M.
Questo documento riassume le principali tecnologie didattiche hardware e software utilizzabili in base all'età per lo sviluppo dei concetti scientifici nelle nuove generazioni.DOI: 10.5281/zenodo.6968690
DOI: 10.5281/zenodo.6968689
Metrics:
Righi M.
Questo documento riassume le principali tecnologie didattiche hardware e software utilizzabili in base all'età per lo sviluppo dei concetti scientifici nelle nuove generazioni.DOI: 10.5281/zenodo.6968690
DOI: 10.5281/zenodo.6968689
Metrics:
See at:
ZENODO | ZENODO | ISTI Repository | CNR ExploRA
2022
Conference article
Open Access
Towards multi-camera system for the evaluation of motorcycle driving test
Leone G. R., Righi M., Moroni D., Paolucci F.
This work describes the early stage of an interactive and accelerated AI-driven framework for Practical Driving Courses and Driving Licence Exams. The core of the project is an innovative multi-parameter AI-assisted telemetry system able to compute test scores and outcome, useful for human-neutral auditability of Driving Licence Exams. The distributed Artificial Intelligence (AI) system available at the Track Testbed will be able to perform driving behaviour classifications and will suggest specific improvements based on the analysis of vehicle trajectories acquired during the driving test. Finally, the project will target the creation of a large dataset for driving test classification of key performance parameters. The system is envisioned to have a relevant impact on all the certification, driving licence operators and regulator entities.Source: SITIS 2022 - 16th International Conference on Signal-Image Technology & Internet-Based Systems, pp. 561–568, Dijon, France, 19-21/10/2022
DOI: 10.1109/sitis57111.2022.00090
Metrics:
Leone G. R., Righi M., Moroni D., Paolucci F.
This work describes the early stage of an interactive and accelerated AI-driven framework for Practical Driving Courses and Driving Licence Exams. The core of the project is an innovative multi-parameter AI-assisted telemetry system able to compute test scores and outcome, useful for human-neutral auditability of Driving Licence Exams. The distributed Artificial Intelligence (AI) system available at the Track Testbed will be able to perform driving behaviour classifications and will suggest specific improvements based on the analysis of vehicle trajectories acquired during the driving test. Finally, the project will target the creation of a large dataset for driving test classification of key performance parameters. The system is envisioned to have a relevant impact on all the certification, driving licence operators and regulator entities.Source: SITIS 2022 - 16th International Conference on Signal-Image Technology & Internet-Based Systems, pp. 561–568, Dijon, France, 19-21/10/2022
DOI: 10.1109/sitis57111.2022.00090
Metrics:
See at:
ISTI Repository | ieeexplore.ieee.org 
| CNR ExploRA
2022
Report
Open Access
AI-RIDE VISION
Leone G. R. Righi M., Moroni D.
AIRIDE VISION è un progetto di ricerca la cui finalità è lo sviluppo di un innovativo sistema di telemetria, basato su algoritmi di Computer Vision e Intelligenza Artificiale, in grado di riconoscere automaticamente, con grado di affidabilità variabile, delle specifiche penalità previste durante la fase pratica degli esami per il conseguimento della patente di guida per motocicli. Tale sistema non intende esprimere giudizi certi, bens?? essere di supporto per l'esaminatore umano nella valutazione del test di guida.Source: ISTI Technical Report, ISTI-2022-TR/029, 2022
DOI: 10.32079/isti-tr-2022/029
Metrics:
Leone G. R. Righi M., Moroni D.
AIRIDE VISION è un progetto di ricerca la cui finalità è lo sviluppo di un innovativo sistema di telemetria, basato su algoritmi di Computer Vision e Intelligenza Artificiale, in grado di riconoscere automaticamente, con grado di affidabilità variabile, delle specifiche penalità previste durante la fase pratica degli esami per il conseguimento della patente di guida per motocicli. Tale sistema non intende esprimere giudizi certi, bens?? essere di supporto per l'esaminatore umano nella valutazione del test di guida.Source: ISTI Technical Report, ISTI-2022-TR/029, 2022
DOI: 10.32079/isti-tr-2022/029
Metrics:
See at:
ISTI Repository | CNR ExploRA
2022
Report
Open Access
SI-Lab annual research report 2021
Righi M., Leone G. R., Carboni A., Caudai C., Colantonio S., Kuruoglu E. E., Leporini B., Magrini M., Paradisi P., Pascali M. A., Pieri G., Reggiannini M., Salerno E., Scozzari A., Tonazzini A., Fusco G., Galesi G., Martinelli M., Pardini F., Tampucci M., Berti A., Bruno A., Buongiorno R., Carloni G., Conti F., Germanese D., Ignesti G., Matarese F., Omrani A., Pachetti E., Papini O., Benassi A., Bertini G., Coltelli P., Tarabella L., Straface S., Salvetti O., Moroni D.
The Signal & Images Laboratory is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2021.Source: ISTI Annual reports, 2022
DOI: 10.32079/isti-ar-2022/003
Metrics:
Righi M., Leone G. R., Carboni A., Caudai C., Colantonio S., Kuruoglu E. E., Leporini B., Magrini M., Paradisi P., Pascali M. A., Pieri G., Reggiannini M., Salerno E., Scozzari A., Tonazzini A., Fusco G., Galesi G., Martinelli M., Pardini F., Tampucci M., Berti A., Bruno A., Buongiorno R., Carloni G., Conti F., Germanese D., Ignesti G., Matarese F., Omrani A., Pachetti E., Papini O., Benassi A., Bertini G., Coltelli P., Tarabella L., Straface S., Salvetti O., Moroni D.
The Signal & Images Laboratory is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2021.Source: ISTI Annual reports, 2022
DOI: 10.32079/isti-ar-2022/003
Metrics:
See at:
ISTI Repository | CNR ExploRA
2021
Journal article
Open Access
A System for Neuromotor Based Rehabilitation on a Passive Robotic Aid
Righi M., Magrini M., Dolciotti C., Moroni D.
In the aging world population, the occurrence of neuromotor deficits arising from stroke and other medical conditions is expected to grow, demanding the design of new and more effective approaches to rehabilitation. In this paper, we show how the combination of robotic technologies with progress in exergaming methodologies may lead to the creation of new rehabilitation protocols favoring motor re-learning. To this end, we introduce the Track-Hold system for neuromotor rehabilitation based on a passive robotic arm and integrated software. A special configuration of weights on the robotic arm fully balances the weight of the patients' arm, allowing them to perform a purely neurological task, overcoming the muscular effort of similar free-hand exercises. A set of adaptive and configurable exercises are proposed to patients through a large display and a graphical user interface. Common everyday tasks are also proposed for patients to learn again the associated actions in a persistent way, thus improving life independence. A data analysis module was also designed to monitor progress and compute indices of post-stroke neurological damage and Parkinsonian-type disorders. The system was tested in the lab and in a pilot project involving five patients in the post-stroke chronic stage with partial paralysis of the right upper limb, showing encouraging preliminary results.Source: Sensors (Basel) 21 (2021). doi:10.3390/s21093130
DOI: 10.3390/s21093130
Metrics:
Righi M., Magrini M., Dolciotti C., Moroni D.
In the aging world population, the occurrence of neuromotor deficits arising from stroke and other medical conditions is expected to grow, demanding the design of new and more effective approaches to rehabilitation. In this paper, we show how the combination of robotic technologies with progress in exergaming methodologies may lead to the creation of new rehabilitation protocols favoring motor re-learning. To this end, we introduce the Track-Hold system for neuromotor rehabilitation based on a passive robotic arm and integrated software. A special configuration of weights on the robotic arm fully balances the weight of the patients' arm, allowing them to perform a purely neurological task, overcoming the muscular effort of similar free-hand exercises. A set of adaptive and configurable exercises are proposed to patients through a large display and a graphical user interface. Common everyday tasks are also proposed for patients to learn again the associated actions in a persistent way, thus improving life independence. A data analysis module was also designed to monitor progress and compute indices of post-stroke neurological damage and Parkinsonian-type disorders. The system was tested in the lab and in a pilot project involving five patients in the post-stroke chronic stage with partial paralysis of the right upper limb, showing encouraging preliminary results.Source: Sensors (Basel) 21 (2021). doi:10.3390/s21093130
DOI: 10.3390/s21093130
Metrics:
See at:
Europe PubMed Central | ISTI Repository | Sensors | Sensors | CNR ExploRA
2021
Report
Open Access
SI-Lab Annual Research Report 2020
Leone G. R., Righi M., Carboni A., Caudai C., Colantonio S., Kuruoglu E. E., Leporini B., Magrini M., Paradisi P., Pascali M. A., Pieri G., Reggiannini M., Salerno E., Scozzari A., Tonazzini A., Fusco G., Galesi G., Martinelli M., Pardini F., Tampucci M., Buongiorno R., Bruno A., Germanese D., Matarese F., Coscetti S., Coltelli P., Jalil B., Benassi A., Bertini G., Salvetti O., Moroni D.
The Signal & Images Laboratory (http://si.isti.cnr.it/) is an interdisciplinary research group in computer vision, signal analysis, smart vision systems and multimedia data understanding. It is part of the Institute for Information Science and Technologies of the National Research Council of Italy. This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2020.Source: ISTI Annual Report, ISTI-2021-AR/001, pp.1–38, 2021
DOI: 10.32079/isti-ar-2021/001
Metrics:
Leone G. R., Righi M., Carboni A., Caudai C., Colantonio S., Kuruoglu E. E., Leporini B., Magrini M., Paradisi P., Pascali M. A., Pieri G., Reggiannini M., Salerno E., Scozzari A., Tonazzini A., Fusco G., Galesi G., Martinelli M., Pardini F., Tampucci M., Buongiorno R., Bruno A., Germanese D., Matarese F., Coscetti S., Coltelli P., Jalil B., Benassi A., Bertini G., Salvetti O., Moroni D.
The Signal & Images Laboratory (http://si.isti.cnr.it/) is an interdisciplinary research group in computer vision, signal analysis, smart vision systems and multimedia data understanding. It is part of the Institute for Information Science and Technologies of the National Research Council of Italy. This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2020.Source: ISTI Annual Report, ISTI-2021-AR/001, pp.1–38, 2021
DOI: 10.32079/isti-ar-2021/001
Metrics:
See at:
ISTI Repository | CNR ExploRA
2021
Report
Unknown
OSIRIS-FO - OSIRIS PDR Meeting - CNR-ISTI current status
Salerno E., Martinelli M., Reggiannini M., Righi M., Tampucci M.
ESA OSIRIS 2 Project - Current status of CNR-ISTISource: ISTI Project report, OSIRIS-FO, 2021
Salerno E., Martinelli M., Reggiannini M., Righi M., Tampucci M.
ESA OSIRIS 2 Project - Current status of CNR-ISTISource: ISTI Project report, OSIRIS-FO, 2021
See at: CNR ExploRA
2021
Report
Restricted
Track-Hold System (THS): sperimentazione e validazione delle soluzioni tecnologiche derivanti dal progetto Track-Hold
Dolciotti C., Magrini M., Moroni D., Righi M.
Il progetto Track-Hold System (THS), realizzato in struttura sanitaria e quindi in un ambito sanitario controllato e protetto, si inserisce nel più generale e ampio contesto della Robotic Assisted Therapy (RAT). La RAT rappresenta una metodica di riabilitazione, sia motoria che cognitiva, più avanzata e innovativa e si avvale di dispositivi robotici attivi, passivi e facilitanti, spesso dotati di sensori di rilevazione e tracciamento di movimenti sia volontari che involontari, e di protocolli multimediali appositamente elaborati per raggiungere il massimo livello possibile di rieducazione funzionale. La RAT, al pari delle metodiche convenzionali di riabilitazione (ad es Metodo Perfetti, Mirror Therapy, Biofeedback, etc.) richiede la stretta collaborazione tra i componenti del Team Multidisciplinare, che nella RAT, oltre al Medico e al Terapista, prevede la presenza del Fisiologo e dell'Ingegnere Biomedico ed Informatico.Source: ISTI Project report, THS, 2021
Dolciotti C., Magrini M., Moroni D., Righi M.
Il progetto Track-Hold System (THS), realizzato in struttura sanitaria e quindi in un ambito sanitario controllato e protetto, si inserisce nel più generale e ampio contesto della Robotic Assisted Therapy (RAT). La RAT rappresenta una metodica di riabilitazione, sia motoria che cognitiva, più avanzata e innovativa e si avvale di dispositivi robotici attivi, passivi e facilitanti, spesso dotati di sensori di rilevazione e tracciamento di movimenti sia volontari che involontari, e di protocolli multimediali appositamente elaborati per raggiungere il massimo livello possibile di rieducazione funzionale. La RAT, al pari delle metodiche convenzionali di riabilitazione (ad es Metodo Perfetti, Mirror Therapy, Biofeedback, etc.) richiede la stretta collaborazione tra i componenti del Team Multidisciplinare, che nella RAT, oltre al Medico e al Terapista, prevede la presenza del Fisiologo e dell'Ingegnere Biomedico ed Informatico.Source: ISTI Project report, THS, 2021
See at:
zenodo.org | CNR ExploRA
2021
Report
Open Access
Introduzione al trattamento del rumore nelle protesi acustiche
Righi M., Bertini G.
La presente nota, prende spunto da un argomento oggetto di un seminario effettuato in DAD per gli studenti del 3° anno del corso di laurea in Tecniche Audioprotesiche (aa 2020 - '21), nel quale sono state trattate le varie strategie adottate nelle protesi acustiche per diminuire gli effetti del rumore acustico sul parlato. Ultimamente alcune di tali tecniche adottano soluzioni basate su reti neuronali e criteri di intelligenza artificiale. Prima di illustrare le varie soluzioni viene anteposta una breve descrizione delle varie tipologie di rumore, la modalità della sua stima e gli effetti che può provocare sull'apparato uditivo umano. Viene dato un cenno anche ai tentativi proposti per rendere udibili alcuni particolari segnali non verbali, cioè vari tipi di allarmi, che invece è bene non vengano attenuati.Source: ISTI Technical Report, ISTI-2021-TR/020, 2021
DOI: 10.5281/zenodo.5792649
Metrics:
Righi M., Bertini G.
La presente nota, prende spunto da un argomento oggetto di un seminario effettuato in DAD per gli studenti del 3° anno del corso di laurea in Tecniche Audioprotesiche (aa 2020 - '21), nel quale sono state trattate le varie strategie adottate nelle protesi acustiche per diminuire gli effetti del rumore acustico sul parlato. Ultimamente alcune di tali tecniche adottano soluzioni basate su reti neuronali e criteri di intelligenza artificiale. Prima di illustrare le varie soluzioni viene anteposta una breve descrizione delle varie tipologie di rumore, la modalità della sua stima e gli effetti che può provocare sull'apparato uditivo umano. Viene dato un cenno anche ai tentativi proposti per rendere udibili alcuni particolari segnali non verbali, cioè vari tipi di allarmi, che invece è bene non vengano attenuati.Source: ISTI Technical Report, ISTI-2021-TR/020, 2021
DOI: 10.5281/zenodo.5792649
Metrics:
See at:
ISTI Repository | CNR ExploRA
2021
Journal article
Restricted
WhatsApp: aggiornamento termini e condizioni di utilizzo
Martorana M., Brecevich V., Righi M.
WhatsApp e privacy: aspetti tecnico-giuridiciSource: Altalex (Monsummano Terme) (2021).
Martorana M., Brecevich V., Righi M.
WhatsApp e privacy: aspetti tecnico-giuridiciSource: Altalex (Monsummano Terme) (2021).
See at:
www.altalex.com | CNR ExploRA
2021
Report
Open Access
RSIEVE: considerazioni sulla generazione dei numeri primi
Righi M.
Appunti sulla generazione dei numeri primiSource: ISTI Technical Report, ISTI-2021-TR/021, pp.1–15, 2021
DOI: 10.32079/isti-tr-2021/021
Metrics:
Righi M.
Appunti sulla generazione dei numeri primiSource: ISTI Technical Report, ISTI-2021-TR/021, pp.1–15, 2021
DOI: 10.32079/isti-tr-2021/021
Metrics:
See at:
ISTI Repository | CNR ExploRA
2020
Contribution to conference
Open Access
Augmented reality and intelligent systems in Industry 4.0
Benassi A., Carboni A., Colantonio S., Coscetti S., Germanese D., Jalil B., Leone R., Magnavacca J., Magrini M., Martinelli M., Matarese F., Moroni D., Paradisi P., Pardini F., Pascali M., Pieri G., Reggiannini M., Righi M., Salvetti O., Tampucci M.
Augmented reality and intelligent systems in Industry 4.0 - Presentazione ARTESSource: ARTES, 12/11/2020
DOI: 10.5281/zenodo.4277713
DOI: 10.5281/zenodo.4277712
Metrics:
Benassi A., Carboni A., Colantonio S., Coscetti S., Germanese D., Jalil B., Leone R., Magnavacca J., Magrini M., Martinelli M., Matarese F., Moroni D., Paradisi P., Pardini F., Pascali M., Pieri G., Reggiannini M., Righi M., Salvetti O., Tampucci M.
Augmented reality and intelligent systems in Industry 4.0 - Presentazione ARTESSource: ARTES, 12/11/2020
DOI: 10.5281/zenodo.4277713
DOI: 10.5281/zenodo.4277712
Metrics:
See at:
ISTI Repository | CNR ExploRA
2020
Report
Unknown
Optical/SAR data and system Integration for Rush Identification of Ship models OSIRIS 2 - ESA Project The Ground Truth Data Base
Martinelli M., Reggiannini M., Righi M., Salerno E., Tampucci M.
Presentazione Kick-Off MeetingSource: Project report, 2020
Martinelli M., Reggiannini M., Righi M., Salerno E., Tampucci M.
Presentazione Kick-Off MeetingSource: Project report, 2020
See at: CNR ExploRA