基于 CNN 与语义分割利用智能 CCTV 摄像头的智能路灯管理
计算机视觉与模式识别
2023-03-28 v3 人工智能
摘要
最被忽视的能源损耗来源之一是路灯，其在不需要的区域产生过多光照。能源浪费具有巨大的经济与环境影响。此外，由于传统的手动操作性质，路灯经常在白天开启、傍晚关闭，即便在二十一世纪这也令人遗憾。为解决这些问题，需要自动化的路灯控制。本研究旨在开发一种新颖的路灯控制方法，将计算机视觉技术赋能的智能交通监控系统与闭路电视（CCTV）摄像头结合，通过从 CCTV 视频流中进行语义图像分割，检测行人或车辆的存在，使发光二极管（LED）路灯以适当亮度自动点亮，并在其缺席时调暗路灯。进而，我们的模型区分日光与夜间，使得路灯“开”与“关”的自动化以节省能耗成本成为可能。根据上述方法，地理定位传感器数据可用于作出更明智的路灯管理决策。为完成任务，我们考虑以 ResNet-34 为骨干训练 U-net 模型。模型的效度由评估矩阵的使用得以保证。所提概念简明、经济、节能、持久，且比传统方案更具韧性。
引用
@article{arxiv.2209.08633,
title = {CNN based Intelligent Streetlight Management Using Smart CCTV Camera and Semantic Segmentation},
author = {Md Sakib Ullah Sourav and Huidong Wang and Mohammad Raziuddin Chowdhury and Rejwan Bin Sulaiman},
journal= {arXiv preprint arXiv:2209.08633},
year = {2023}
}