論文の概要: From Lab to Field: Real-World Evaluation of an AI-Driven Smart Video Solution to Enhance Community Safety
- arxiv url: http://arxiv.org/abs/2312.02078v2
- Date: Wed, 4 Sep 2024 00:06:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-07 04:21:22.014701
- Title: From Lab to Field: Real-World Evaluation of an AI-Driven Smart Video Solution to Enhance Community Safety
- Title（参考訳）: ラボからフィールドへ:コミュニティの安全を高めるAI駆動型スマートビデオソリューションの現実的評価
- Authors: Shanle Yao, Babak Rahimi Ardabili, Armin Danesh Pazho, Ghazal Alinezhad Noghre, Christopher Neff, Lauren Bourque, Hamed Tabkhi,
- Abstract要約: 本稿では、現実世界の安全性を高めるために設計されたAI対応スマートビデオソリューション(SVS)を採用し、評価する。
このシステムは既存のインフラストラクチャカメラネットワークと統合され、AIの最近の進歩を活用して簡単に採用できる。
この記事では、AIアルゴリズムがカメラレベルでの異常な振る舞いをリアルタイムで検出した瞬間から、ステークホルダーが通知を受け取るまでのエンドツーエンドのレイテンシを評価する。
- 参考スコア（独自算出の注目度）: 1.7904189757601403
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article adopts and evaluates an AI-enabled Smart Video Solution (SVS) designed to enhance safety in the real world. The system integrates with existing infrastructure camera networks, leveraging recent advancements in AI for easy adoption. Prioritizing privacy and ethical standards, pose based data is used for downstream AI tasks such as anomaly detection. Cloud-based infrastructure and mobile app are deployed, enabling real-time alerts within communities. The SVS employs innovative data representation and visualization techniques, such as the Occupancy Indicator, Statistical Anomaly Detection, Bird's Eye View, and Heatmaps, to understand pedestrian behaviors and enhance public safety. Evaluation of the SVS demonstrates its capacity to convert complex computer vision outputs into actionable insights for stakeholders, community partners, law enforcement, urban planners, and social scientists. This article presents a comprehensive real-world deployment and evaluation of the SVS, implemented in a community college environment across 16 cameras. The system integrates AI-driven visual processing, supported by statistical analysis, database management, cloud communication, and user notifications. Additionally, the article evaluates the end-to-end latency from the moment an AI algorithm detects anomalous behavior in real-time at the camera level to the time stakeholders receive a notification. The results demonstrate the system's robustness, effectively managing 16 CCTV cameras with a consistent throughput of 16.5 frames per second (FPS) over a 21-hour period and an average end-to-end latency of 26.76 seconds between anomaly detection and alert issuance.
- Abstract（参考訳）: 本稿では、現実世界の安全性を高めるために設計されたAI対応スマートビデオソリューション(SVS)を採用し、評価する。
このシステムは既存のインフラストラクチャカメラネットワークと統合され、AIの最近の進歩を活用して簡単に採用できる。
プライバシと倫理基準を優先して、ポーズベースのデータは、異常検出などの下流AIタスクに使用される。
クラウドベースのインフラストラクチャとモバイルアプリがデプロイされ、コミュニティ内でリアルタイムのアラートが可能になる。
SVSは、歩行者の行動を理解し、公共の安全を高めるために、Occupancy Indicator、Anomaly Detection、Bird's Eye View、Heatmapsといった革新的なデータ表現と可視化技術を採用している。
SVSの評価は、複雑なコンピュータビジョンの出力をステークホルダー、コミュニティパートナー、法執行機関、都市プランナー、社会科学者の行動可能な洞察に変換する能力を示している。
本稿では,16台のカメラを用いたコミュニティ・カレッジ環境におけるSVSの総合的な実世界展開と評価について述べる。
このシステムは、統計分析、データベース管理、クラウド通信、ユーザ通知などをサポートする、AI駆動の視覚処理を統合している。
さらに、記事は、AIアルゴリズムがカメラレベルでの異常な振る舞いをリアルタイムで検出した瞬間から、ステークホルダーが通知を受け取るまでのエンドツーエンドのレイテンシを評価する。
その結果、システムの堅牢性を示し、21時間にわたって16.5フレーム/秒(FPS)のスループットと、異常検出と警告発行の間に平均26.76秒のレイテンシを持つ16台のCCTVカメラを効果的に管理した。
関連論文リスト
- YOLORe-IDNet: An Efficient Multi-Camera System for Person-Tracking [2.5761958263376745]
本稿では、相関フィルタとIOU(Intersection Over Union)の制約を併用して、ロバストなトラッキングを行う人物追跡システムを提案する。
提案システムは,複数のカメラでリアルタイムで容疑者を特定し,追跡する。
計算効率が高く、79%のF1スコア、既存の最先端アルゴリズムに匹敵する59%のIOUを実現している。
論文 参考訳（メタデータ） (2023-09-23T14:11:13Z) - When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。
我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。
コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
論文 参考訳（メタデータ） (2023-06-09T14:33:26Z) - Real-World Community-in-the-Loop Smart Video Surveillance -- A Case
Study at a Community College [2.4956060473718407]
本稿では,コミュニティカレッジにおける実世界テストベッドに基づくスマートビデオ監視システムを設計・展開するためのケーススタディを提案する。
我々は、疑わしい/異常な活動を識別し、ステークホルダーや住民に即座に警告できるスマートカメラベースのシステムに注力する。
このシステムは、32.41フレーム・パー・秒(FPS)レートで同時に8台のカメラを走らせることができる。
論文 参考訳（メタデータ） (2023-03-22T22:16:17Z) - CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。
実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。
我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
論文 参考訳（メタデータ） (2023-03-19T16:17:35Z) - Understanding Policy and Technical Aspects of AI-Enabled Smart Video
Surveillance to Address Public Safety [2.2427353485837545]
本稿では、AI対応スマートビデオ監視の設計において、対処に必要なプライバシー上の懸念と要件を明らかにする。
我々は、コンピュータビジョン分析、統計データ分析、クラウドネイティブサービス、エンドユーザーアプリケーションを組み合わせた、初のエンドツーエンドのAI対応プライバシ保護スマートビデオ監視システムを提案する。
論文 参考訳（メタデータ） (2023-02-08T19:54:35Z) - Understanding Ethics, Privacy, and Regulations in Smart Video
Surveillance for Public Safety [2.4956060473718407]
本稿では,スマートビデオサーベイランス(SVS)システムにおける倫理的・プライバシー的課題を考慮した設計の役割に焦点を当てる。
我々は、オブジェクト検出、シングルカメラとマルチカメラの再識別、アクション認識、異常検出など、いくつかの人工知能アルゴリズムを使用して、基本的な機能システムを提供する。
論文 参考訳（メタデータ） (2022-12-25T17:14:18Z) - E^2TAD: An Energy-Efficient Tracking-based Action Detector [78.90585878925545]
本稿では,事前定義されたキーアクションを高精度かつ効率的にローカライズするためのトラッキングベースソリューションを提案する。
UAV-Video Track of 2021 Low-Power Computer Vision Challenge (LPCVC)で優勝した。
論文 参考訳（メタデータ） (2022-04-09T07:52:11Z) - Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。
オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
論文 参考訳（メタデータ） (2021-02-01T09:17:18Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z) - DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment
in COVID-19 Pandemic [1.027974860479791]
世界保健機関(WHO)は、公衆の場での新型コロナウイルスの感染拡大を最小限に抑えるため、ソーシャルディスタンシング(Social Distancing)を推奨している。
コンピュータビジョンとYOLOv4ベースのDeep Neural Networkモデルを開発した。
開発されたモデルは汎用的で正確な人物検出・追跡ソリューションであり、他の多くの分野に適用できる。
論文 参考訳（メタデータ） (2020-08-26T16:56:57Z) - Identity-Aware Attribute Recognition via Real-Time Distributed Inference
in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。
本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。
そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文 参考訳（メタデータ） (2020-08-12T12:03:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。