I recenti sviluppi nella guida automatizzata e nei sistemi di assistenza alla guida hanno guidato lo sviluppo di algoritmi altamente sofisticati per il riconoscimento delle immagini e l’analisi dei dati. Molti di questi si basano su algoritmi e progettazione di intelligenza artificiale (AI). La disponibilità di database di grandi dimensioni come quelli dei veicoli, scene stradali suddivise in diverse aree semantiche, database di crash test e database di danni originariamente raccolti per obiettivi diversi, consentono di applicare algoritmi di apprendimento e derivare diversi algoritmi basati sulla conoscenza utili per la ricostruzione degli incidenti. Questo documento presenta come questi approcci possono essere utilizzati nelle applicazioni per la ricostruzione degli incidenti stradali. Lo Studio presenta, nella prima parte, i principi di base delle reti neurali e come si ottiene l’iniziale autoapprendimento in questi sistemi. Nella seconda parte vengono presentati esempi pratici di reti neurali convoluzionali (CNN), che vengono utilizzate per la segmentazione semantica di immagini e nuvole di punti, l’elaborazione delle immagini (de-sfocatura e superisoluzione), l’analisi video, l’identificazione del veicolo e la valutazione delle deformazioni (stima EES). Gli algoritmi di intelligenza artificiale sono estremamente potenti in situazioni in cui sono disponibili set di dati di riferimento per la fase di apprendimento, ma le formulazioni chiuse degli algoritmi sono molto difficili da identificare.