CANS:面向智能工业监控的通信受限相机网络自配置
计算机视觉与模式识别
2021-09-14 v1 多媒体
摘要
通过相机网络进行的实时智能视频监控涉及计算密集的视觉检测任务与海量视频数据,对边缘赋能的工业物联网(IIoT)中的安全至关重要。多个视频流在边缘设备与相机网络间的链路上竞争有限的通信资源,导致严重的通信拥塞。这推迟了完成时间并降低了视觉检测任务的精度。因此,在通信约束与视觉任务截止时间约束下实现高精度的视觉检测任务是具有挑战性的。以往工作聚焦于单相机配置,通过设定视频质量参数来平衡检测任务精度与处理时间的权衡。本文提出一种自适应相机网络自配置方法(CANS)用于视频监控,以应对边缘赋能 IIoT 中异构服务质量(QoS)需求的多视频流。此外,它适应视频内容与网络动态。具体地,两个关键性能指标即精度与延迟之间的权衡被形式化为带延迟约束的 NP-hard 优化问题。在真实监控数据集上的仿真表明,所提 CANS 方法在网络动态下实现了低端到端延迟(平均 13 ms)与高精度(平均 92%)。结果验证了 CANS 的有效性。
引用
@article{arxiv.2109.05665,
title = {CANS: Communication Limited Camera Network Self-Configuration for Intelligent Industrial Surveillance},
author = {Jingzheng Tu and Qimin Xu and Cailian Chen},
journal= {arXiv preprint arXiv:2109.05665},
year = {2021}
}
备注
6 pages, 11 figures