بررسی ساختار نظارتی سه لایه مبتنی بر ردیابی اشیا

محاسبات یک شبکه را می توان در لبه آن انجام داد، محاسبات لبه به عنوان یک روش امیدوار کنندهبرای پرداختن به برخی چالش ها درکلاس محاسبات ابری، به ویژه برنامه های حساس به تاخیر وکاربردهای مهم مانند نظارت سریع شناخته شده است. گسترش دوربین های شبکه ای و دستگاه هایتلفن همراه هوشمند، تجزیه و تحلیل ویدیویی را در لبه شبکه امکان پذیر می کنند. با این حال، تشخیصو ردیابی اشیا هنوز در مراکز محاسبات ابری انجام می شود، زیرا ردیابی آنلاین از نظر محاسباتی گراناست. دراین مقاله، امکان پردازش سریع و بدون وقفه تصاویر نظارتی در لبه شبکه برای ردیابی اشیا متحرک بررسی شده است. شناسایی اشیا متحرک بر اساس هیستوگرام گرادیان جهت دار (HOG) و ماشین بردار پشتیبان خطی (SVM) برای استخراج ویژگی ها نشان داده می شود. یک الگوریتم ردیابی چند شییی کارآمد مبتنی بر فیلترهای همبستگی هسته (KCF) ارایه شده است. نتایج و آزمایش های موجود در Raspberry Pi ۳ 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.

Keywords:

سیستم های نظارتی , محاسبات لبه , تشخیص انسان , ردیابی اشیا , نظارت هوشمند