作为边缘网络服务的智能监控：从 Harr-Cascade、SVM 到轻量级 CNN
计算机视觉与模式识别
2018-10-02 v2
摘要
边缘计算有效地将信息技术的领域扩展到云计算范式所定义的边界之外。在源和目的地附近执行计算，边缘计算有望解决许多延迟敏感应用（如实时人体监控）中的挑战。利用普遍连接的摄像头和智能移动设备，它实现了边缘处的视频分析。近年来，许多智能视频监控方法被提出，利用人工智能 (AI) 和机器学习 (ML) 算法进行目标检测与跟踪。本工作探索了两种流行的人体目标检测方案（Harr-Cascade 以及 HOG 特征提取与 SVM 分类器）在边缘处的可行性，并引入一种利用深度可分离卷积以减少计算的轻量级卷积神经网络 (L-CNN) 用于人体检测。单板计算机 (SBC) 被用作边缘设备测试，算法使用真实校园监控视频流和开放数据集验证。实验结果令人鼓舞，最终算法能够以边缘设备可承受的资源消耗实时跟踪人体。
引用
@article{arxiv.1805.00331,
title = {Smart Surveillance as an Edge Network Service: from Harr-Cascade, SVM to a Lightweight CNN},
author = {Seyed Yahya Nikouei and Yu Chen and Sejun Song and Ronghua Xu and Baek-Young Choi and Timothy R. Faughnan},
journal= {arXiv preprint arXiv:1805.00331},
year = {2018}
}
备注
10-page version, accepted by the 4th IEEE International Conference on Collaboration and Internet Computing (IEEE CIC 2018), Oct 18 - 20, 2018. Philadelphia, Pennsylvania, USA