Implementare il Filtraggio Dinamico Avanzato con Metadata EXIF: il Tier 3 nel Contesto Editoriale Italiano

**Fase 1: Estrazione batch dei metadata EXIF**
Utilizzando la libreria piexif in Python, è possibile scansionare file RAW (CR2, NEF) e convertire i dati EXIF in JSON strutturato con timestamp normalizzati (UTC → Italia Time) e coordinate decimali.
Esempio di codice base:

import piexif
import osgeo.gps
import pandas as pd
from datetime import datetime, timezone

def estrai_metadata(path_foto):
exif = piexif.load(path_foto)
datascatto = exif.get(piexif.ImageIFD.get(piexif.ImageIFD.DATETIME, b»))
se datascatto:
# Conversione in ISO 8601 con fuso orario italiano (UTC+2)
dt = datetime.fromisoformat(«{}-{}-{} {}:{:02}».format(*datascatto.items()[:6]))
datascatto_us := dt.astimezone(timezone.utc).astimezone(timezone.FixedOffset(7200)) # +2 ore
coord_gps = [float(x) for x in datascatto.get(piexif.ImageIFD.GPSInfo, [0,0,0,0])]
return {
«data_scatto_us»: datascatto_us.isoformat(),
«lat»: coord_gps[1],
«lon»: coord_gps[0],
«modello»: exif.get(piexif.ImageIFD.MODEL, «Sconosciuto»),
«iso»: exif.get(piexif.ImageIFD.EXIF, {}).get(piexif.ExifIFD.ImageQuality, 0),
«diaframma»: exif.get(piexif.ImageIFD.EXIF, {}).get(piexif.ExifIFD.PictureProfile, 0),
«tempo_scatto»: exif.get(piexif.ImageIFD.EXIF, {}).get(piexif.ExifIFD.TimeStamp, None)
}
else:
# Fallback su dati legacy o incomplete
return {«errore»: «metadata incomplete o non riconosciuto»}

Questa routine alimenta un dataframe Pandas per filtrare immagini tra 1° e 31 agosto 2024, localizzate in Toscana, con Canon EOS R5 e ISO ≥ 400.

1. Applicare normalizzazione coerente del tempo (UTC+2) per evitare errori cronologici in timeline editoriali.
2. Validare coordinate mediante conversione WGS84 (EPSG:4326) per abbinamenti con mappe geospaziali italiane (OpenStreetMap Italia, ISTAT).
3. Integrare i risultati in un database PostgreSQL/TimeScaleDB con schema: immagini (path, data_us, lat, lon, modello, iso, ecc.) per query in tempo reale.

Pipeline di selezione multi-strato per il Tier 3

La selezione avanzata richiede cross-check gerarchici:

Fase 1: Filtro base

Fase 2: Cross-check geospaziale
Con OSM Italia e database ISTAT territorio, verificare se la posizione GPS rientra in aree d’arte o cultura riconosciute (es. Firenze, Roma, Amalfi Coast).

Fase 3: Scoring qualitativo

Analisi EXIF + preview: valutare esposizione (ISO, diaframma), stabilità dell’immagine (tramite stabilità ISO e tempo scatto), e coerenza del dispositivo (qualità Canon/Ricoh).

  
  
import piexif  
import pandas as pd  
from datetime import datetime, timezone  
from osgeo import gpsv1  
import json  

def filtra_immagini_tier3(path_archivio, data_inizio, data_fine, aree_autorizzate):  
    metadati = []  
    for root, _, files in os.walk(path_archivio):  
        for file in files:  
            if file.endswith(".cr2") or file.endswith(".nef"):  
                path = os.path.join(root, file)  
                datascatto = estrai_metadata(path)  
                if "data_scatto_us" in datascatto:  
                    data = datetime.strptime(datascatto["data_scatto_us"], "%Y-%m-%d %H:%M:%S").replace(tzinfo=timezone.utc).astimezone(timezone.FixedOffset(7200))  
                    if data_inizio <= data <= data_fine and datascatto["lat"] is not None and datascatto["lon"] is not None and datascatto["modello"] != "Sconosciuto":  
                        condizioni = all([  
                            aree_autorizzate.count(coord) > 0 for coord in [(datascatto["lat"], datascatto["lon"])]  
                        ])  
                        if condizioni:  
                            metadati.append({  
                                "path": path,  
                                "data_scatto_us": datascatto["data_scatto_us"],  
                                "lat": datascatto["lat"],  
                                "lon": datascatto["lon"],  
                                "modello": datascatto["modello"],  
                                "iso": datascatto["iso"],  
                                "tempo_scatto": datascatto["tempo_scatto"]  
                            })  
    # Output JSON strutturato  
    return json.dumps(metadati, indent=2)