ReXCam：大规模资源高效的跨摄像头视频分析
分布式、并行与集群计算
2019-12-05 v4 计算机视觉与模式识别
摘要
企业正日益部署大型摄像头网络用于视频分析。许多目标应用涉及一个共性问题模板：在实时视频中通过大型摄像头网络搜索并跟踪感兴趣的对象或活动（例如超速车辆、入室盗窃）。此类跨摄像头分析计算与数据密集，成本随摄像头数量和时间增长。为应对此成本挑战，我们提出 ReXCam，一种用于高效跨摄像头视频分析的新系统。ReXCam 利用真实摄像头网络动态中的空间与时间局部性，以引导其对查询身份的推理时搜索。在离线分析阶段，ReXCam 构建跨摄像头关联模型，该模型编码历史交通模式中观察到的局部性。在推理时，ReXCam 应用此模型过滤与查询身份当前位置无空间与时间相关性的帧。在偶尔漏检的情况下，ReXCam 对最近被过滤的视频帧执行快速回放搜索，实现优雅恢复。这些技术共同使 ReXCam 在 8 摄像头数据集上减少 8.3 倍计算负载，在模拟的 130 摄像头数据集上减少 23 至 38 倍。ReXCam 已在由 5 台 AWS DeepLens 摄像头组成的测试平台上实现并部署。
引用
@article{arxiv.1811.01268,
title = {ReXCam: Resource-Efficient, Cross-Camera Video Analytics at Scale},
author = {Samvit Jain and Xun Zhang and Yuhao Zhou and Ganesh Ananthanarayanan and Junchen Jiang and Yuanchao Shu and Joseph Gonzalez},
journal= {arXiv preprint arXiv:1811.01268},
year = {2019}
}
备注
15 pages