Uirapuru：面向边缘设备上高分辨率可控摄像头的实时视频分析

高分辨率摄像头上的实时视频分析已成为交通控制和人群监控等各种智能服务的流行技术。尽管在具有时序保证的分析精度方面已开展了大量工作，但几乎所有工作都针对静态视角摄像头。在本文中，我们提出了 Uirapuru，一种用于高分辨率可控摄像头上实时、基于边缘的视频分析的新框架。这些摄像头执行的驱动给场景带来了显著的动态性，对帧平铺等现有流行方法提出了关键挑战。为了解决这个问题，Uirapuru 将对摄像头驱动的全面理解纳入系统设计，并在逐帧级别配对快速自适应平铺。我们在一个高分辨率视频数据集上评估了 Uirapuru，该数据集通过可控摄像头典型的平移-倾斜-缩放（PTZ）运动进行了增强，并在从实际 PTZ 摄像头收集的真实世界视频上进行了评估。我们的实验结果表明，与最先进的静态摄像头方法相比，Uirapuru 在遵守指定延迟预算的情况下提供了高达 1.45 倍的精度提升，或在精度相当的情况下实现了高达 4.53 倍的推理加速。