DeepStream：面向深度学习分析的高带宽效率多摄像头视频流传输
网络与互联网体系结构
2023-06-28 v1
摘要
深度学习视频分析系统处理来自多个摄像头的实时视频流，并在边缘或云上部署计算机视觉模型。为优化这些系统（通常对应于查询精度）的效用，对竞争波动网络资源的摄像头进行高效的带宽管理至关重要。我们提出 DeepStream，一个面向深度学习视频分析的高带宽效率多摄像头视频流传输系统。DeepStream 通过提供若干定制化方案来解决有限且波动的带宽资源挑战。我们设计了一种新颖的兴趣区域检测（ROIDet）算法，可在树莓派等资源受限设备上实时运行，以消除视频帧中的空间冗余并减少待传输数据量。我们还提出了一种内容感知的带宽优化框架和一种利用视频内容间相关性的弹性传输机制。我们在树莓派和台式机上实现了 DeepStream。在真实世界数据集上的评估表明，DeepStream 的 ROIDet 算法可节省高达 54% 的带宽，且精度下降小于 1%。此外，在相同带宽条件下，DeepStream 相比基线将效用提升了高达 23%。
引用
@article{arxiv.2306.15129,
title = {DeepStream: Bandwidth Efficient Multi-Camera Video Streaming for Deep Learning Analytics},
author = {Hongpeng Guo and Beitong Tian and Zhe Yang and Bo Chen and Qian Zhou and Shengzhong Liu and Klara Nahrstedt and Claudiu Danilov},
journal= {arXiv preprint arXiv:2306.15129},
year = {2023}
}