Introduzione
Nel contesto del caso Garlasco, il nome di Andrea Sempio è tornato alla ribalta dopo essere stato sottoposto a misurazioni antropometriche. Ma cosa significa esattamente questo termine? E soprattutto, quale ruolo gioca la tecnologia in queste analisi?
Misurazioni antropometriche digitali
Le misurazioni antropometriche digitali trasformano le dimensioni e le proporzioni del corpo umano in dati numerici misurabili, ripetibili e analizzabili con strumenti informatici. Nelle analisi forensi questo approccio integra immagini, sensori di profondità e algoritmi di intelligenza artificiale. Questo per produrre confronti oggettivi tra soggetti e prove visive, migliorando la documentazione tecnica e la riproducibilità delle valutazioni.
Tecnologie di acquisizione e trasformazione dei dati
Le acquisizioni partono da immagini o da scansioni tridimensionali. Fotogrammetria multivista converte sequenze fotografiche in nuvole di punti 3D attraverso corrispondenze geometriche tra frame, mentre scanner a luce strutturata e sensori LiDAR generano mesh ad alta risoluzione o mappe di profondità che forniscono dettagli metrici più stabili. Quando si lavora su riprese CCTV o video, la pipeline inizia con l’estrazione di frame rappresentativi e la correzione prospettica della scena per ricavare riferimenti di scala necessari a trasformare pixel in misure reali.
Il passo successivo è l’estrazione dei punti anatomici rilevanti tramite modelli di pose estimation basati su reti neurali. Questi keypoint costituiscono i landmark su cui si calcolano distanze, angoli e rapporti tra segmenti corporei. La ricostruzione 3D e la calibrazione utilizzano punti di riferimento noti o oggetti di scala presenti nella scena per convertire le misure relative in valori assoluti, mentre algoritmi di normalizzazione mitigano variazioni di prospettiva e illuminazione.
Pipeline software e ruolo dell’intelligenza artificiale
In fase di pre-processing le immagini vengono filtrate per rumore, bilanciate in termini di luce e corrette per deformazioni prospettiche. I modelli di intelligenza artificiale svolgono un ruolo centrale: reti di deep learning identificano keypoint anatomici, algoritmi di matching triangolano coordinate tra viste diverse e modelli statistici o di machine learning quantificano la similarità tra profili antropometrici. Il risultato finale è un report tecnico che include misure, rapporti normalizzati, metriche di confidenza e una descrizione delle condizioni di acquisizione che ne influenzano l’accuratezza.
Accuratezza, fonti di errore e mitigazioni
L’accuratezza dipende dalla qualità dei dati acquisiti, dalla presenza di riferimenti metrici e dalla stabilità della postura del soggetto. Occlusioni, abbigliamento voluminoso, angoli di ripresa estremi e bassa risoluzione riducono l’affidabilità delle stime. L’assenza di oggetti di scala nella scena rende incerta la conversione da pixel a centimetri, aumentando l’errore sistematico. Per mitigare questi problemi si adottano set-up multivista controllati, oggetti di calibrazione nella scena, procedure di acquisizione standardizzate e test di riproducibilità su dataset di riferimento. È essenziale anche valutare e correggere bias introdotti da dataset di addestramento non rappresentativi per sesso, età o morfologia.
Applicazioni forensi e limiti probatori
Nell’ambito forense le misurazioni antropometriche digitali sono uno strumento di supporto: possono contribuire a escludere o suggerire corrispondenze tra una figura ripresa e un sospettato, stimare posture o ricostruire posizioni nella scena del crimine e fornire documentazione digitale confrontabile tra periti. Tuttavia i risultati sono da considerarsi di natura probabilistica e non assoluta. Perché siano utili in sede investigativa o giudiziaria devono essere presentati con trasparenza metodologica, indicatori di confidenza, error bars e una chiara descrizione delle condizioni di acquisizione; devono essere integrati con altre evidenze quali tracce fisiche, testimonianze e analisi biologiche.
Normativa, etica e best practice tecnologiche
Le analisi devono seguire principi di tracciabilità e replicabilità: registrare strumenti, versioni software, parametri di calibrazione e pipeline di elaborazione. La scelta di modelli interpretabili e la pubblicazione di metriche di performance facilitano la valutazione critica da parte di altri esperti. Il trattamento dei dati biometrici richiede attenzione alla privacy e al rispetto della normativa vigente, limitando la conservazione dei dati sensibili e applicando misure di sicurezza adeguate. L’adozione di protocolli standardizzati e la partecipazione a test inter-laboratorio aumentano la credibilità delle analisi in ambito forense.