基于深度学习的可重构信息物理系统用于生活方式视频监控
计算机视觉与模式识别
2020-10-08 v1
摘要
对居家中人员的室内监控已成为智慧健康中的热门应用。随着机器学习与嵌入式设备硬件的进步，信息物理系统（CPSs）的新分布式方法得以实现。此外，环境变化与降本需求推动了新型可重构CPS架构。本工作中，我们提出一种使用嵌入式本地节点（Nvidia Jetson TX2）的室内监控可重构CPS。我们嵌入深度学习架构以解决人体动作识别问题。这些节点的本地处理使我们能应对一些常见问题：降低数据带宽使用并保护隐私（不传输原始图像）。由于优化节点仅计算其本地视频流，实时处理也得以便利。关于重构，远程平台监控CPS质量，质量与资源管理（QRM）工具向CPS核心发送命令以触发其重构。我们的方案是一种能量感知系统，基于电池供电节点的能耗触发重构。重构使本地节点能耗最多降低22%，延长了设备运行时间，且相对于无重构方案保持了相近准确率。
引用
@article{arxiv.2010.03497,
title = {Reconfigurable Cyber-Physical System for Lifestyle Video-Monitoring via Deep Learning},
author = {Daniel Deniz and Francisco Barranco and Juan Isern and Eduardo Ros},
journal= {arXiv preprint arXiv:2010.03497},
year = {2020}
}