要約
本稿では、教育・レクリエーションエリアや中小企業などのコミュニティスペースの安全性を高めるために設計された、AI対応のスマートビデオ監視（SVS）を紹介する。提案するシステムは、既存のCCTVや有線カメラネットワークと革新的に統合し、最近のAIの進歩を活用するために、様々なコミュニティ事例への導入を簡素化する。我々のSVSシステムは、プライバシーを重視し、活動認識のためにピクセルデータの代わりにメタデータを使用し、倫理基準に沿っている。クラウドベースのインフラとモバイルアプリを備え、コミュニティにおけるプライバシーに配慮したリアルタイムのアラートを提供する。 この論文は、AI主導の視覚処理、統計分析、データベース管理、クラウド通信、ユーザー通知などを網羅した、SVSシステムの包括的な実世界評価の先駆けである。また、潜在的な公共安全インシデントを特定するために不可欠な、エンドツーエンドの異常検知システムのパフォーマンスを評価した最初のものでもある。 我々の評価では、提案されたシステムの能力を例証する理想的なモデルとして、コミュニティ・カレッジにシステムを実装した。この環境で得られた知見は、16台のCCTVカメラを効果的に管理するスループット、待ち時間、スケーラビリティによって、システムの堅牢性を実証しています。システムは、21時間の運用で一貫した16.5フレーム/秒（FPS）を維持した。行動異常の検出とユーザーへの警告の平均エンド・ツー・エンド遅延は26.76秒でした。
要約(オリジナル)
This article presents an AI-enabled Smart Video Surveillance (SVS) designed to enhance safety in community spaces such as educational and recreational areas, and small businesses. The proposed system innovatively integrates with existing CCTV and wired camera networks, simplifying its adoption across various community cases to leverage recent AI advancements. Our SVS system, focusing on privacy, uses metadata instead of pixel data for activity recognition, aligning with ethical standards. It features cloud-based infrastructure and a mobile app for real-time, privacy-conscious alerts in communities. This article notably pioneers a comprehensive real-world evaluation of the SVS system, covering AI-driven visual processing, statistical analysis, database management, cloud communication, and user notifications. It’s also the first to assess an end-to-end anomaly detection system’s performance, vital for identifying potential public safety incidents. For our evaluation, we implemented the system in a community college, serving as an ideal model to exemplify the proposed system’s capabilities. Our findings in this setting demonstrate the system’s robustness, with throughput, latency, and scalability effectively managing 16 CCTV cameras. The system maintained a consistent 16.5 frames per second (FPS) over a 21-hour operation. The average end-to-end latency for detecting behavioral anomalies and alerting users was 26.76 seconds.
arxiv情報
| 著者 | Shanle Yao,Babak Rahimi Ardabili,Armin Danesh Pazho,Ghazal Alinezhad Noghre,Christopher Neff,Hamed Tabkhi |
| 発行日 | 2023-12-04 17:41:52+00:00 |
| arxivサイト | arxiv_id(pdf) |