基于边缘计算的多摄像头视频协同分析方法

TN919.85; 为了减少智慧城市场景下多摄像头实时视频数据的处理量,提出了基于机器学习算法的边缘端视频协同分析方法.首先,针对各摄像头检测到的重要目标物体,设计了不同的关键窗口来筛选视频的感兴趣区域,缩减视频数据量并提取其特征.然后,根据提取的数据特征,对不同摄像头视频中的相同目标物体进行标注,并设计了摄像头之间关联程度值的计算策略,用于进一步缩减视频数据量.最后,提出了基于图卷积网络和重识别技术的 GC-ReID 算法,旨在实现多摄像头视频协同分析.实验结果表明,与现有的视频分析方法相比,所提方法能够有效降低系统时延和提高视频压缩率,并保证较高的准确率....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 44; no. 8; pp. 14 - 26
Main Authors 期治博, 杜磊, 霍如, 杨帆, 黄韬
Format Journal Article
LanguageChinese
Published 中国信息通信研究院工业互联网与物联网研究所,北京 100083%北京工业大学信息学部,北京 100124%北京工业大学信息学部,北京 100124 2023
网络通信与安全紫金山实验室,江苏 南京 211111%北京邮电大学网络与交换国家重点实验室,北京 100876
网络通信与安全紫金山实验室,江苏 南京 211111
北京邮电大学网络与交换国家重点实验室,北京 100876
Subjects
association between cameras
视频协同分析
机器学习
边缘计算
edge computing
多摄像头关联性
video collaborative analysis
region of interest annotation
感兴趣区域标注
machine learning
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2023150

Cover

More Information
Summary:TN919.85; 为了减少智慧城市场景下多摄像头实时视频数据的处理量,提出了基于机器学习算法的边缘端视频协同分析方法.首先,针对各摄像头检测到的重要目标物体,设计了不同的关键窗口来筛选视频的感兴趣区域,缩减视频数据量并提取其特征.然后,根据提取的数据特征,对不同摄像头视频中的相同目标物体进行标注,并设计了摄像头之间关联程度值的计算策略,用于进一步缩减视频数据量.最后,提出了基于图卷积网络和重识别技术的 GC-ReID 算法,旨在实现多摄像头视频协同分析.实验结果表明,与现有的视频分析方法相比,所提方法能够有效降低系统时延和提高视频压缩率,并保证较高的准确率.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2023150