CrossRoI：面向大规模高效实时视频分析的交叉摄像头感兴趣区域优化
分布式、并行与集群计算
2021-05-17 v1 计算机视觉与模式识别
多媒体
网络与互联网体系结构
摘要
视频摄像头在城市尺度被广泛部署以服务公共利益或社区安全（如交通监控或嫌疑人员追踪）。然而，实时分析大规模视频流是数据密集型的，对当今网络与计算系统提出严峻挑战。我们提出 CrossRoI，一种资源高效系统，通过利用摄像头群间视频内容关联与冗余实现大规模实时视频分析。CrossRoI 利用交叉摄像头视场的内在物理相关性大幅降低通信与计算成本。CrossRoI 在不损害场景全面覆盖的前提下，去除同一物体在多摄像头中的重复出现。CrossRoI 分两阶段运行——离线阶段建立交叉摄像头相关性，以及高效在线阶段进行实时视频推理。真实世界视频流实验表明，相较基线方法，CrossRoI 在实时视频分析应用中实现网络开销降低 42%–65%、响应延迟降低 25%–34%，查询精度超 99%。若与 SotA 帧过滤系统集成，CrossRoI 性能增益达 50%–80%（网络开销）与 33%–61%（端到端延迟）。
引用
@article{arxiv.2105.06524,
title = {CrossRoI: Cross-camera Region of Interest Optimization for Efficient Real Time Video Analytics at Scale},
author = {Hongpeng Guo and Shuochao Yao and Zhe Yang and Qian Zhou and Klara Nahrstedt},
journal= {arXiv preprint arXiv:2105.06524},
year = {2021}
}
备注
accepted in 12th ACM Multimedia Systems Conference (MMsys 21')