Elixir：一种提升视频流上多种分析任务数据质量的系统
计算机视觉与模式识别
2022-12-09 v1 多智能体系统
摘要
物联网传感器，尤其是摄像机，已在全球广泛部署，用于在零售、医疗、安全安保、交通、制造等多个垂直领域执行各种计算机视觉任务。为分摊其高昂的部署投入与成本，期望对每路摄像机输出的视频流执行多种视频分析任务，我们称之为分析单元（AUs）。本文首先展示，在多 AU 场景下，改变摄像机参数对不同 AU 性能的影响并不均衡。具体而言，某一 AU 的最优参数设置可能严重降低另一 AU 的性能，且随着环境条件变化，对不同 AU 的影响各异。随后我们提出 Elixir，一种提升视频流上多种分析任务视频流质量的系统。Elixir 利用多目标强化学习（MORL），其中 RL 智能体兼顾来自不同 AU 的目标并调整摄像机参数，以同时提升所有 AU 的性能。为定义 MORL 中的多目标，我们为每个 AU 开发了专用的 AU 质量估计值。我们通过真实世界实验评估 Elixir，测试床由三台相邻部署的摄像机（俯瞰一大型企业停车场）组成，分别运行 Elixir 与两种基线方法。相较默认设置与时间片轮转方法，Elixir 分别多检测出 7.1%（22068）和 5.0%（15731）辆汽车、94%（551）和 72%（478）张人脸、670.4%（4975）和 158.6%（3507）个人；其还检测出 115 个车牌，远多于时间片轮转方法（7）与默认设置（0）。
引用
@article{arxiv.2212.04061,
title = {Elixir: A system to enhance data quality for multiple analytics on a video stream},
author = {Sibendu Paul and Kunal Rao and Giuseppe Coviello and Murugan Sankaradas and Oliver Po and Y. Charlie Hu and Srimat T. Chakradhar},
journal= {arXiv preprint arXiv:2212.04061},
year = {2022}
}