基于边缘计算的私有5G发热筛查系统
信号处理
2022-02-09 v1 计算机视觉与模式识别
图像与视频处理
摘要
边缘计算与5G使得在更靠近数据源处进行分析并实现超低延迟响应成为可能，这是集中式云部署无法做到的。在本文中，我们提出了一种新颖的发热筛查系统，其利用边缘机器学习技术并借助私有5G实时准确地识别与筛查发热个体。特别地，我们提出了基于深度学习的新技术，用于在边缘对跨光谱视觉与热成像数据流进行融合与对齐。我们的新颖跨光谱生成对抗网络(CS-GAN)合成具有关键的、代表性对象级特征的视觉图像，这些特征是将视觉与热谱中对象唯一关联所必需的。CS-GAN的两个关键特征是一种新颖的、保特征损失函数（其产生高质量对应跨光谱对象配对），以及带跳跃连接的双瓶颈残差层（一种新网络增强），不仅加速实时推理，也加快边缘模型训练时的收敛。据我们所知，这是首个利用5G网络与有限边缘资源实现视觉与热流中对象实时特征级关联的技术（在Intel Core i7-8650四核1.9GHz移动处理器上每全高清帧30毫秒）。据我们所知，这也是首个实现实时运行的系统，其已用于场馆、主题公园、机场及其他关键设施中员工与访客的发热筛查。通过利用边缘计算与5G，我们的发热筛查系统能够达到98.5%的准确率，并且与集中式云部署相比可多处理约5倍的人流。
引用
@article{arxiv.2202.03917,
title = {Edge-based fever screening system over private 5G},
author = {Murugan Sankaradas and Kunal Rao and Ravi Rajendran and Amit Redkar and Srimat Chakradhar},
journal= {arXiv preprint arXiv:2202.03917},
year = {2022}
}