A Feasibility Study on Indoor Localization and Multi-person Tracking Using Sparsely Distributed Camera Network with Edge Computing

要約

カメラベースのアクティビティ監視システムは、コンピュータ ビジョンとエッジ コンピューティング テクノロジの進歩により、スマート ビルディング アプリケーションにとって魅力的なソリューションになりつつあります。
この論文では、広い屋内空間内のエッジ コンピューティング デバイスに実装された、カメラベースの屋内位置特定および複数人追跡システムの実現可能性調査と系統的分析を紹介します。
この目的を達成するために、私たちは複数のカメラを利用するエンドツーエンドのエッジ コンピューティング パイプラインを展開して、17 億 ^ 2 ドルにわたる大規模な治療空間内で複数の個人の位置特定、体の向きの推定、追跡を実現しました。
プライバシーの保護。
当社のパイプラインは、屋内スペースの天井に配置された Tensor Processing Unit (TPU) を備えた 39 台のエッジ コンピューティング カメラ システムで構成されています。
個人のプライバシーを確​​保するために、リアルタイムの複数人の姿勢推定アルゴリズムがコンピューティング カメラ システムの TPU 上で実行されます。
このアルゴリズムはポーズと境界ボックスを抽出し、屋内の位置特定、体の向きの推定、および複数人の追跡に利用されます。
私たちのパイプラインは、平均位置特定誤差 1.41 メートル、複数物体追跡精度スコア 88.6\%、平均絶対身体方向誤差 29\degree を実証しました。
これらの結果は、プライバシーの制約があっても、広い屋内空間における個人の位置特定と追跡が実現可能であることを示しています。

要約(オリジナル)

Camera-based activity monitoring systems are becoming an attractive solution for smart building applications with the advances in computer vision and edge computing technologies. In this paper, we present a feasibility study and systematic analysis of a camera-based indoor localization and multi-person tracking system implemented on edge computing devices within a large indoor space. To this end, we deployed an end-to-end edge computing pipeline that utilizes multiple cameras to achieve localization, body orientation estimation and tracking of multiple individuals within a large therapeutic space spanning $1700m^2$, all while maintaining a strong focus on preserving privacy. Our pipeline consists of 39 edge computing camera systems equipped with Tensor Processing Units (TPUs) placed in the indoor space’s ceiling. To ensure the privacy of individuals, a real-time multi-person pose estimation algorithm runs on the TPU of the computing camera system. This algorithm extracts poses and bounding boxes, which are utilized for indoor localization, body orientation estimation, and multi-person tracking. Our pipeline demonstrated an average localization error of 1.41 meters, a multiple-object tracking accuracy score of 88.6\%, and a mean absolute body orientation error of 29\degree. These results shows that localization and tracking of individuals in a large indoor space is feasible even with the privacy constrains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google