L’intelligenza artificiale può riconoscere una persona che indossa un passamontagna? Dalla biometria degli occhi agli studi del NIST, analizziamo le possibilità, i limiti e l’affidabilità del riconoscimento facciale nelle indagini.
Il riconoscimento facciale rappresenta una delle applicazioni più interessanti dell’intelligenza artificiale nell’ambito della sicurezza e delle investigazioni. Ma fino a che punto questa tecnologia può identificare una persona quando il suo volto è parzialmente o quasi completamente coperto?
Il 21 ottobre 2026, Fratelli d’Italia ha pubblicato sui propri canali social un messaggio relativo alla possibilità di identificare, attraverso sistemi di riconoscimento facciale basati sull’intelligenza artificiale, anche persone che indossano un passamontagna.
L’affermazione richiama una possibilità tecnologica reale. Alcuni sistemi biometrici, infatti, possono effettuare confronti anche quando una parte consistente del viso non è visibile. Tuttavia, riconoscere una somiglianza non equivale necessariamente a identificare una persona.
Per comprendere l’effettiva affidabilità di questi strumenti occorre considerare diversi fattori: le caratteristiche biometriche disponibili, la qualità delle immagini, il funzionamento degli algoritmi e le verifiche necessarie prima di formulare una conclusione investigativa.
Come funziona il riconoscimento facciale?
I moderni sistemi di riconoscimento facciale utilizzano algoritmi in grado di analizzare le caratteristiche di un volto e trasformarle in rappresentazioni matematiche, comunemente definite template biometrici.
Attraverso tecniche di apprendimento automatico, il software individua informazioni visive utili al confronto tra immagini differenti. Il sistema può quindi calcolare un punteggio di similarità, che esprime il grado di compatibilità tra le rappresentazioni biometriche analizzate. Questo punteggio, però, non deve essere interpretato automaticamente come la probabilità che due fotografie appartengano alla stessa persona.
Il suo significato dipende dall’algoritmo, dalle condizioni del confronto e dai criteri utilizzati per valutare le prestazioni.
Il riconoscimento facciale può quindi suggerire una corrispondenza, ma la sua attendibilità deve essere verificata nel contesto specifico.
Biometria perioculare: si può riconoscere una persona soltanto dagli occhi?
Una delle applicazioni più interessanti della biometria riguarda lo studio della regione perioculare, ossia l’area del volto che circonda gli occhi. Questa comprende caratteristiche potenzialmente distintive, come la forma delle palpebre, la disposizione delle sopracciglia, gli angoli oculari, le pieghe cutanee e la conformazione della pelle circostante. La combinazione di questi elementi può fornire informazioni utili per confrontare immagini appartenenti alla stessa persona.
La biometria perioculare è stata approfondita in numerose ricerche scientifiche. Una revisione pubblicata nel 2023 sulla rivista Computer Vision and Image Understanding, a cura di Renu Sharma e Arun Ross, ha analizzato le tecniche di riconoscimento basate proprio sulla regione attorno agli occhi, evidenziandone le potenzialità nei casi di volti parzialmente coperti.
È importante, tuttavia, distinguere questa tecnologia dal riconoscimento dell’iride, che si basa sull’analisi delle caratteristiche interne dell’iride attraverso specifiche tecniche biometriche.
Nel caso di una persona che indossa un passamontagna, la quantità di informazioni disponibili può ridursi notevolmente. Alcuni algoritmi possono comunque individuare caratteristiche utili nella porzione visibile del volto. Altri possono incontrare difficoltà significative.
Vedere gli occhi in un’immagine, quindi, non significa necessariamente disporre di informazioni sufficienti per identificare una persona.
Cosa dicono gli studi del NIST sui volti coperti?
Un riferimento scientifico fondamentale è rappresentato dal National Institute of Standards and Technology (NIST), l’istituto statunitense che conduce valutazioni indipendenti sulle prestazioni delle tecnologie biometriche.
Durante la pandemia da COVID-19, il NIST ha approfondito gli effetti delle mascherine sull’accuratezza del riconoscimento facciale. Attraverso il programma Face Recognition Technology Evaluation – Face Mask Effects, ha valutato numerosi algoritmi confrontando fotografie di volti parzialmente coperti con immagini di riferimento prive di mascherina. I risultati hanno evidenziato differenze significative tra i sistemi analizzati.
Inizialmente, la copertura di parte del volto poteva aumentare considerevolmente gli errori. Gli algoritmi sviluppati successivamente hanno però mostrato importanti miglioramenti nelle condizioni esaminate. I risultati pubblicati dal NIST, aggiornati al 28 marzo 2024, confermano che alcuni sistemi possono effettuare confronti accurati anche in presenza di occlusioni parziali.
Occorre però considerare un limite fondamentale: una mascherina chirurgica non equivale a un passamontagna.
Una mascherina lascia generalmente visibili la fronte, le sopracciglia e un’ampia regione attorno agli occhi. Un passamontagna può invece nascondere buona parte di queste caratteristiche. Inoltre, le valutazioni scientifiche sono condotte su specifiche tipologie di immagini e in condizioni definite. Di conseguenza, non sarebbe corretto attribuire a qualsiasi filmato di una persona con il passamontagna le percentuali di accuratezza ottenute nei test sulle mascherine.
Gli studi dimostrano che il riconoscimento di volti parzialmente coperti è possibile, ma non che possa avvenire sempre e indipendentemente dalle condizioni della ripresa.
La qualità delle immagini: il vero limite delle riprese investigative
Nell’analisi dei filmati di videosorveglianza, uno degli aspetti più importanti riguarda la qualità effettiva delle immagini.
Una telecamera può registrare un filmato ad alta risoluzione, ma questo non garantisce che il volto di una persona contenga dettagli sufficienti per un confronto biometrico. La distanza dall’obiettivo, l’illuminazione, il movimento, la compressione digitale e l’angolazione della ripresa possono compromettere la qualità delle informazioni disponibili. Un soggetto ripreso frontalmente, a breve distanza e con un’illuminazione adeguata può offrire elementi molto diversi rispetto alla stessa persona filmata di notte, da lontano e lateralmente.
Il NIST ha affrontato queste problematiche anche attraverso il programma Face in Video Evaluation (FIVE), dedicato alla valutazione degli algoritmi su sequenze video, comprese riprese degradate, compresse o effettuate a lunga distanza.
Un altro aspetto riguarda l’elaborazione digitale.
Gli strumenti informatici possono migliorare la visualizzazione di un filmato, ma non possono garantire il recupero di dettagli biometrici che non sono stati effettivamente acquisiti. Alcune tecniche di intelligenza artificiale possono generare particolari visivamente plausibili, senza che questi corrispondano necessariamente alle caratteristiche reali del soggetto. Per questo, in ambito forense, è essenziale conservare il materiale originale e documentare ogni eventuale elaborazione.
Identificare uno sconosciuto: perché l’archivio fa la differenza
Il riconoscimento facciale può essere utilizzato principalmente secondo due modalità.
Il confronto 1:1 consiste nel verificare se due immagini possano appartenere alla stessa persona. È il caso, ad esempio, di una fotografia confrontata con un’immagine di riferimento associata a un’identità conosciuta.
Il confronto 1, invece, consiste nella ricerca di un volto all’interno di un archivio contenente numerose immagini.
Quest’ultima modalità è particolarmente rilevante in ambito investigativo, quando si cerca di risalire all’identità di una persona sconosciuta. Ma esiste una questione fondamentale: cosa accade se il soggetto non è presente nell’archivio?
In base alla configurazione del sistema, il software potrebbe comunque proporre i volti che presentano maggiore somiglianza con l’immagine analizzata. Nessuno di questi, tuttavia, sarebbe necessariamente corretto. Il candidato più simile non è automaticamente la persona cercata. Inoltre, per risalire a un nome occorre che l’archivio contenga un riferimento attendibile collegato all’identità del soggetto.
Un algoritmo non può ricavare autonomamente un’identità anagrafica che non sia associata ai dati legittimamente disponibili.
Falsi positivi, falsi negativi e verifica umana
I sistemi biometrici possono produrre principalmente due tipologie di errore.
Un falso positivo si verifica quando immagini appartenenti a persone differenti vengono erroneamente considerate compatibili.
Un falso negativo si verifica, invece, quando il sistema non riconosce correttamente due immagini della stessa persona.
Entrambe le situazioni possono avere conseguenze investigative importanti.
Un falso positivo rischia di indirizzare gli accertamenti verso una persona estranea ai fatti, mentre un falso negativo può impedire di individuare una corrispondenza effettivamente esistente.
Nelle valutazioni del NIST dedicate al riconoscimento 1, con risultati aggiornati al 5 ottobre 2026, viene esaminato anche l’utilizzo degli algoritmi per finalità investigative. In questa configurazione, i candidati proposti dal sistema possono essere sottoposti a riesame umano. Chi effettua la valutazione deve poter escludere tutti i risultati, qualora nessuno presenti elementi sufficienti per sostenere una corrispondenza.
Anche INTERPOL, nell’ambito del proprio sistema di riconoscimento facciale, prevede una verifica manuale dei candidati, effettuata da personale qualificato. L’esame può concludersi con l’individuazione di un possibile candidato, con l’assenza di candidati oppure con un risultato inconcludente.
Questo passaggio evidenzia un principio essenziale: un sistema investigativo attendibile deve ammettere anche la possibilità di non raggiungere un’identificazione.
Dal riconoscimento facciale alla prova investigativa
Supponiamo che una telecamera riprenda una persona con il volto coperto nei pressi del luogo in cui è stato commesso un reato.
Un algoritmo analizza le caratteristiche visibili e individua un possibile candidato. Quel risultato può rappresentare una pista investigativa, ma non costituisce, da solo, una dimostrazione dell’identità del soggetto. Prima di formulare una conclusione occorre verificare la provenienza e l’integrità del filmato, la qualità dell’immagine, le caratteristiche del sistema utilizzato e l’affidabilità della corrispondenza proposta. A queste valutazioni devono aggiungersi, quando disponibili, riscontri indipendenti, come ulteriori registrazioni, elementi documentali, riferimenti temporali o testimonianze. È inoltre necessario distinguere due questioni differenti: identificare la persona presente in un filmato e dimostrare che quella stessa persona abbia commesso un determinato fatto.
Anche un’identificazione attendibile non prova automaticamente una responsabilità.
Il riconoscimento facciale, quindi, deve essere interpretato come uno strumento di supporto all’indagine, non come un sostituto dell’accertamento investigativo.
Riconoscimento facciale in Italia: cosa prevede la normativa?
Le possibilità offerte dalla tecnologia devono essere valutate anche alla luce delle disposizioni normative.
A livello europeo, il Regolamento (UE) 2024/1689, noto come AI Act, stabilisce specifiche limitazioni per alcuni utilizzi dei sistemi di identificazione biometrica, in particolare per il riconoscimento remoto in tempo reale negli spazi accessibili al pubblico a fini di contrasto dei reati.
In Italia, il Decreto Legislativo 9 settembre 2026, n. 160, entrato in vigore il 30 settembre 2026, ha introdotto disposizioni dedicate all’impiego dell’intelligenza artificiale nelle attività di polizia. L’articolo 10 disciplina, in particolare, l’utilizzo di sistemi di videosorveglianza integrati con tecnologie di riconoscimento facciale a posteriori per il contrasto dei reati. La norma prevede condizioni e procedure specifiche, distinguendo, tra l’altro, la ricerca mirata di persone indiziate dall’identificazione iniziale successiva alla commissione di un reato. Stabilisce inoltre che nessuna decisione produttiva di effetti giuridici negativi possa basarsi esclusivamente sui risultati del riconoscimento facciale. È vietato l’utilizzo indiscriminato dei sistemi per finalità di identificazione biometrica generalizzata, senza collegamento con un reato o un procedimento penale.
Al 26 ottobre 2026, il decreto ministeriale attuativo previsto dall’articolo 10, comma 12, risulta ancora non adottato secondo il monitoraggio ufficiale della Presidenza del Consiglio.
Occorre infine precisare che le disposizioni dedicate alle autorità di polizia non attribuiscono automaticamente agli investigatori privati gli stessi poteri o l’accesso agli archivi biometrici pubblici. L’eventuale trattamento di dati biometrici da parte di soggetti privati rimane subordinato ai presupposti e ai limiti stabiliti dalla normativa applicabile.
Conclusioni: la tecnologia può individuare, il metodo deve verificare
È dunque possibile identificare una persona che indossa un passamontagna attraverso il riconoscimento facciale?
In determinate condizioni, sì. Ma non è un risultato automatico, né può essere garantito dalla semplice visibilità degli occhi. L’attendibilità dipende dalle caratteristiche biometriche disponibili, dalla qualità delle immagini, dalle prestazioni dell’algoritmo e dalle verifiche effettuate sui risultati. L’intelligenza artificiale ha ampliato significativamente le possibilità di analisi, ma non ha eliminato i margini di errore né la necessità di una valutazione critica. Una corrispondenza biometrica può offrire un’indicazione preziosa. Per trasformarla in un elemento investigativo solido occorrono però metodo, verifiche e riscontri indipendenti.
In Lumen Investigazioni, riteniamo che il valore delle tecnologie investigative non risieda soltanto nella capacità di individuare informazioni, ma soprattutto nell’attendibilità delle conclusioni che possono essere formulate a partire da esse.
Perché, in un’indagine, l’obiettivo non è ottenere una risposta a ogni costo, ma ricostruire i fatti attraverso elementi oggettivi, verificabili e legittimamente acquisiti.