VegaEdge：面向实时高速公路物联网应用的边缘 AI 融合异常检测
计算机视觉与模式识别
2023-11-15 v1 人工智能
信号处理
摘要
车辆异常检测在高速公路安全应用中发挥着至关重要的作用，例如事故预防、快速响应、交通流优化和工作区安全。近年来随着物联网（IoT）的激增，对旨在满足 IoT 设备需求、基于人工智能（AI）的异常检测方法产生了迫切需求。迎合这一未来愿景，我们利用轨迹预测的能力，提出了一种轻量级的车辆异常检测方法。我们提出的设计可识别偏离预期路径的车辆，从真实世界高速公路数据集的不同摄像头视角指示高速公路风险。在此基础上，我们提出 VegaEdge——一种复杂的 AI 融合系统，通过配备我们异常检测方法的以边缘为中心的 IoT 嵌入式平台，为现代高速公路环境中的实时安全与监控应用而设计。跨多个平台和交通场景的广泛测试展示了 VegaEdge 的通用性和有效性。本工作还提出了 Carolinas 异常数据集（CAD），以弥补现有针对高速公路异常的数据集的不足。在真实场景中，我们的异常检测方法达到了 0.94 的 AUC-ROC，我们提出的 VegaEdge 设计在嵌入式 IoT 平台上于典型高速公路环境中每秒处理 738 条轨迹。数据集可在 https://github.com/TeCSAR-UNCC/Carolinas_Dataset#chd-anomaly-test-set 获取。
引用
@article{arxiv.2311.07880,
title = {VegaEdge: Edge AI Confluence Anomaly Detection for Real-Time Highway IoT-Applications},
author = {Vinit Katariya and Fatema-E- Jannat and Armin Danesh Pazho and Ghazal Alinezhad Noghre and Hamed Tabkhi},
journal= {arXiv preprint arXiv:2311.07880},
year = {2023}
}