[論文レビュー] Design, Implementation and Simulation of a Cloud Computing System for Enhancing Real-time Video Services by using VANET and Onboard Navigation Systems

Karim Hammoudi, Nabil Ajam+6 more|arXiv (Cornell University)|Nov 25, 2014

Vehicular Ad Hoc Networks (VANETs)参考文献 7被引用数 3

ひとこと要約

本稿では、VANET、搭載型ビジョンベースのナビゲーションシステム、リアルタイム動画処理を統合した新規クラウドコンピューティングアーキテクチャを提案する。車両におけるエッジ処理、RSUとの通信、クラウドベースの分析を活用することで、警察監視を目的とした車両および人物のリアルタイム検出・追跡が可能となり、1枚の画像あたり5秒未塔で顔認識およびナンバープレート認識を達成し、低遅延のデータ転送を実現する。

ABSTRACT

In this paper, we propose a design for novel and experimental cloud computing systems. The proposed system aims at enhancing computational, communicational and annalistic capabilities of road navigation services by merging several independent technologies, namely vision-based embedded navigation systems, prominent Cloud Computing Systems (CCSs) and Vehicular Ad-hoc NETwork (VANET). This work presents our initial investigations by describing the design of a global generic system. The designed system has been experimented with various scenarios of video-based road services. Moreover, the associated architecture has been implemented on a small-scale simulator of an in-vehicle embedded system. The implemented architecture has been experimented in the case of a simulated road service to aid the police agency. The goal of this service is to recognize and track searched individuals and vehicles in a real-time monitoring system remotely connected to moving cars. The presented work demonstrates the potential of our system for efficiently enhancing and diversifying real-time video services in road environments.

研究の動機と目的

• 道路環境向けのリアルタイム動画サービスを強化する汎用的でスケーラブルなクラウドコンピューティングアーキテクチャを設計すること。
• 搭載型ビジョンシステム、VANET、クラウドコンピューティングを統合し、車両間での協調的監視およびデータ共有を可能にすること。
• 法執行警察応用を想定した、車両および人物のリアルタイム検出・追跡におけるシステムの実験的妥当性を検証すること。
• 移動する道路環境における動的でジオタグ付きの動画分析に、組み込みシステムとクラウドプラットフォームを用いる実現可能性を示すこと。
• 実世界の移動車両への導入を想定した、システムの性能をテストするためのシミュレータを開発すること。

提案手法

• 車両の搭載カメラがリアルタイム動画ストリームを取得し、Emgu CVを用いてローカルで顔およびナンバープレートを抽出する。
• 抽出された特徴（顔、ナンバープレート）はVANET経由でRSUに送信され、その後クラウドコンピューティングノードに転送され、さらなる分析が行われる。
• クラウドベースの処理パイプラインが、抽出された特徴を参照データベースと照合し、捜査対象の人物または盗難車両を特定する。
• Raspberry Piデバイスにおけるエッジ処理、RSUリレーや集中型クラウドワークステーションによるデータ相関・可視化を統合したハイブリッドアーキテクチャを採用する。
• タイムスタンプおよび位置情報メタデータを含む、Googleマップベースのインターフェースでデータをリアルタイムで可視化する。
• システムは、シミュレートされた車載組み込みシステムおよび小規模なVANETシミュレータを用いてテストされ、データ転送時間および処理時間の測定が行われた。

実験結果

リサーチクエスチョン

• RQ1 クラウドベースのシステムは、VANET、搭載型ビジョンシステム、リアルタイム動画分析を効果的に統合し、道路監視サービスを向上させることができるか？
• RQ2 分散型車両-クラウドアーキテクチャにおいて、リアルタイム顔認識およびナンバープレート認識はどの程度効率的に実行可能か？
• RQ3 シミュレートされた道路環境において、VANETからクラウドへの動画データ転送および処理の遅延およびスループット特性はどのようなものか？
• RQ4 移動する車両を用いた協調的監視は、捜査対象の人物または車両の検出・追跡をどの程度向上させ得るか？
• RQ5 多数の移動ノードを含む実世界の移動シナリオにおいて、提案アーキテクチャのスケーラビリティおよび信頼性はどの程度か？

主な発見

• 2.4GHz Intel Core i5ワークステーション上での顔抽出は1.08秒、ナンバープレート抽出は3.29秒／枚であった。
• Raspberry PiからRSUへのデータ転送に1.33秒、RSUからクラウドノードへの転送に1.12秒（16.5KB、640x480解像度）を要した。
• 画像転送および処理を含む全パイプラインは1枚あたり5秒未塔で完了し、準リアルタイム監視が可能となった。
• 本システムは、警察監視応用を想定した、移動車両を分散センシングノードとして活用する実現可能性を明確に示した。
• シミュレーションおよびプロトタイプ実装による検証を通じて、実際の移動環境への展開可能性が示された。
• 本システムは、空き駐車場や危険な道路状況といった動的POI検出をサポートし、車両および関係機関間での情報共有を可能にした。