动态误差有界有损压缩(EBLC)以降低实时基于视觉的行人安全应用的带宽需求
计算机视觉与模式识别
2020-02-11 v1
摘要
随着相机画质提升且其部署向带宽受限区域扩展,通信瓶颈会损害智能交通系统(ITS)应用(如基于视频的实时行人检测)的实时性约束。视频压缩降低了传输视频所需的带宽,但会劣化视频质量。随着视频质量等级下降,基于视觉的行人检测模型的精度相应降低。此外,环境条件(如雨和黑暗)会改变压缩比,并使维持高行人检测精度更为困难。本研究的目的是开发一种实时误差有界有损压缩(EBLC)策略,根据不同环境条件动态调整视频压缩等级,以维持高行人检测精度。我们开展案例研究,展示所提动态EBLC策略在不利环境条件下用于实时基于视觉的行人检测的有效性。我们的策略动态选择有损压缩的误差容限,从而在具有代表性的环境条件下集合上维持高检测精度。分析表明,与相同条件但不采用动态EBLC策略相比,我们的策略在不利环境条件下将行人检测精度提升高达14%,并将通信带宽降低高达14倍。我们的动态EBLC策略独立于检测模型和环境条件,可将其他检测模型和环境条件轻松纳入该策略。
引用
@article{arxiv.2002.03742,
title = {Dynamic Error-bounded Lossy Compression (EBLC) to Reduce the Bandwidth Requirement for Real-time Vision-based Pedestrian Safety Applications},
author = {Mizanur Rahman and Mhafuzul Islam and Jon C. Calhoun and Mashrur Chowdhury},
journal= {arXiv preprint arXiv:2002.03742},
year = {2020}
}
备注
10 pages, 8 figures, 2 tables