CNN based Intelligent Streetlight Management Using Smart CCTV Camera and Semantic Segmentation

要約

最も軽視されているエネルギー損失の原因の 1 つは、必要のない場所に過剰な光を生成する街灯です。
エネルギーの浪費は、経済と環境に多大な影響を与えます。
また、従来の手動操作の性質上、昼間は点灯し、夜間は消灯する街灯が頻繁に見られ、21世紀になっても残念です。
これらの問題を解決するには、街灯の自動制御が必要です。
この研究では、コンピューター ビジョン技術を利用したスマート交通監視システムと、発光ダイオード (LED) 街灯を適切な明るさで自動的に点灯させる閉回路テレビ (CCTV) カメラを組み合わせて、新しい街路灯制御方法を開発することを目的としています。
歩行者や車両の存在を検出し、CCTV ビデオ ストリーミングからのセマンティック イメージ セグメンテーションを使用して街灯を暗くします。
その結果、私たちのモデルは昼と夜を区別し、街灯を「オン」と「オフ」にするプロセスを自動化して、エネルギー消費コストを節約することが可能になりました。
前述のアプローチによれば、ジオロケーションセンサーデータを利用して、より多くの情報に基づいた街灯管理の決定を下すことができます。
タスクを完了するために、ResNet-34 をバックボーンとして U-net モデルをトレーニングすることを検討します。
モデルの妥当性は、評価マトリックスを使用して保証されます。
提案されたコンセプトは、単純で、経済的で、エネルギー効率が高く、長持ちし、従来の代替品よりも回復力があります。

要約(オリジナル)

One of the most neglected sources of energy loss is streetlights which generate too much light in areas where it is not required. Energy waste has enormous economic and environmental effects. In addition, due to the conventional manual nature of the operation, streetlights are frequently seen being turned ON during the day and OFF in the evening, which is regrettable even in the twenty-first century. These issues require automated streetlight control in order to be resolved. This study aims to develop a novel streetlight controlling method by combining a smart transport monitoring system powered by computer vision technology with a closed circuit television (CCTV) camera that allows the light-emitting diode (LED) streetlight to automatically light up with the appropriate brightness by detecting the presence of pedestrians or vehicles and dimming the streetlight in their absence using semantic image segmentation from the CCTV video streaming. Consequently, our model distinguishes daylight and nighttime, which made it feasible to automate the process of turning the streetlight ‘ON’ and ‘OFF’ to save energy consumption costs. According to the aforementioned approach, geolocation sensor data could be utilized to make more informed streetlight management decisions. To complete the tasks, we consider training the U-net model with ResNet-34 as its backbone. The validity of the models is guaranteed with the use of assessment matrices. The suggested concept is straightforward, economical, energy-efficient, long-lasting, and more resilient than conventional alternatives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google