احمد فلاح تفتی - کارشناسی ارشد مخابرات سیستم، دانشگاه یزد، ایران

محاسبات یک شبکه را میتوان در لبه آن انجام داد، محاسبات لبه به عنوان یک روش امیدوار کننده برای پرداختن به برخی چالشها درکلاس محاسبات ابری، به ویژه برنامه های حساس به تاخیر و کاربردهای مهم مانند نظارت سریع شناخته شده است. گسترش دوربین های شبکه ای و دستگاه های تلفن همراه هوشمند، تجزیه و تحلیل ویدیویی را در لبه شبکه امکان پذیر میکنند. با این حال، تشخیص و ردیابی اشیاء هنوز در مراکز محاسبات ابری انجام میشود، زیرا ردیابی آنلاین از نظر محاسباتی گران است. دراین مقاله، امکان پردازش سریع و بدون وقفه تصاویر نظارتی در لبه شبکه برای ردیابی اشیاء متحرک بررسی شده است. شناسایی اشیاء متحرک بر اساس هیستوگرام گرادیان جهت دار (HOG) و ماشین بردار پشتیبان خطی (SVM) برای استخراج ویژگیها نشان داده میشود. یک الگوریتم ردیابی چند شیئی کارآمد مبتنی بر فیلترهای همبستگی هسته (KCF) ارائه شده است. نتایج و آزمایشهای موجود در Raspberry Pi 3 بسیار دلگرم کننده است که امکان انجام روش پیشنهادی برای دستیابی به یک راه حل نظارت سریع را در لبه شبکه ها تایید کرده است.

محاسبات لبه، تشخیص انسان، ردیابی اشیاء، نظارت هوشمند.