[논문 리뷰] Ancilia: Scalable Intelligent Video Surveillance for the Artificial Intelligence of Things

Armin Danesh Pazho, Christopher Neff외 5명|arXiv (Cornell University)|2023. 01. 09.

Video Surveillance and Tracking Methods인용 수 5

한 줄 요약

Ancilia는 인공지능의 사물(AIoT)을 위한 엣지 기반 실시간 스케일러블 종단 간 지능형 비디오 감시 시스템으로, 개인 정보를 저장하지 않으며 얼굴 인식 기술을 사용하지 않으면서도 최첨단 정확도로 실시간 고수준 인지 작업—예를 들어 행동 인식 및 이질성 탐지—를 수행한다. 일반 밀도 조건에서 15 FPS 배치 크기로 최대 96.88 FPS를 달성하며 종단 간 지연 시간이 1초 이내를 유지한다.

ABSTRACT

With the advancement of vision-based artificial intelligence, the proliferation of the Internet of Things connected cameras, and the increasing societal need for rapid and equitable security, the demand for accurate real-time intelligent surveillance has never been higher. This article presents Ancilia, an end-to-end scalable, intelligent video surveillance system for the Artificial Intelligence of Things. Ancilia brings state-of-the-art artificial intelligence to real-world surveillance applications while respecting ethical concerns and performing high-level cognitive tasks in real-time. Ancilia aims to revolutionize the surveillance landscape, to bring more effective, intelligent, and equitable security to the field, resulting in safer and more secure communities without requiring people to compromise their right to privacy.

연구 동기 및 목표

• 실험실 기반 AI 연구와 실제 감시 요구사항 사이의 격차를 해소하기 위해 실시간으로 고수준 인지 작업을 수행하는 시스템을 구축하는 것.
• 개인 식별 정보를 저장하지 않고 얼굴 인식과 같은 편향된 기법을 회피함으로써 AI 감시의 윤리적 배포를 보장하는 것.
• 기존 IoT 카메라와 국지적 엣지 서버를 활용하여 확장 가능하고 저지연 시간 처리를 가능하게 하는 것.
• 다양한 하드웨어 및 인파 밀도에서 시스템 성능을 평가하여 복잡하고 고강도 상황에서도 실시간 구현 가능성을 입증하는 것.
• 정확도, 속도, 개인정보 보호를 균형 잡는 실용적인 도시 및 인프라 환경에서 지능형 감시를 구현하기 위한 프레임워크를 수립하는 것.

제안 방법

• Ancilia는 엣지에서 단일 워크스테이션을 사용해 IoT 카메라의 영상 스트림을 처리하며, 일반 밀도 조건에서 최대 4대의 카메라를 30 FPS로, 8대를 15 FPS로 처리할 수 있다.
• 배치 처리를 통해 처리량과 종단 간 지연 시간을 균형 잡는 다중 노드 아키텍처를 채택하였으며, 최적의 성능은 배치 크기 15에서 달성된다.
• 신원 기반 특징을 회피하기 위해 자세 및 위치 데이터를 사용하여 편향을 줄이고 개인정보 보호를 강화한다.
• 엣지 처리는 클라우드 기반 조율 및 모바일 앱 통합을 통해 경고 전송 및 사용자 모니터링을 보완한다.
• 성능 평가는 일반, 고밀도, 극한 밀도 조건에서 세 가지 하드웨어 플랫폼—워크스테이션, 서버 A, 서버 B—에서 평가되었다.
• 시스템은 기기 무관 설계로, 접근 가능한 영상 스트림을 제공하는 모든 카메라에서 입력을 수용할 수 있어 기존 IoT 생태계에 쉽게 통합될 수 있다.

실험 결과

연구 질문

• RQ1 실제 환경에서 지능형 비디오 감시 시스템이 실시간으로 행동 인식 및 이질성 탐지에서 최첨단 정확도를 달성할 수 있는가?
• RQ2 처리량과 지연 시간을 측정했을 때, 시스템 성능는 다양한 하드웨어 플랫폼과 인파 밀도에서 어떻게 스케일링되는가?
• RQ3 실시간 감시 워크로드에서 종단 간 지연 시간, 처리량, 정확도를 균형 잡는 데 최적의 배치 크기는 무엇인가?
• RQ4 엣지 기반 처리가 클라우드 컴퓨팅 의존도를 얼마나 줄이고, 개인정보 보호 및 저지연 응답을 향상시킬 수 있는가?
• RQ5 신원 기반 AI 기법을 회피함으로써 시스템은 감시에서 공정성과 편향을 어떻게 유지하는가?

주요 결과

• 일반 밀도 조건에서 배치 크기 15일 때 Ancilia는 최대 96.88 FPS 처리량과 0.87초 이내 종단 간 지연 시간을 달성한다.
• 극한 밀도 조건에서는 배치 크기 30일 때도 19.52 FPS 처리량과 11.00초의 종단 간 지연 시간을 유지하여 고부하 상황에서도 확장성을 입증한다.
• 최첨단 모델과 약 1% 이내의 정확도 편차로 고수준 인지 작업을 수행하여 경쟁력 있는 성능를 확인한다.
• 서버 B는 1~2개 노드에서 안정적인 15 FPS 성능를 기록했으며, 서버 A와 워크스테이션은 확장 시 더 높은 처리량을 보였지만 지연 시간이 증가했다.
• 극한 밀도 조건에서 고성능 서버에서 단일 노드 운영 시 활용되지 않은 CPU 자원으로 인해 이중 노드 운영 시 성능이 더 뛰어난 이상 현상이 관찰되었다.
• 배치 크기 15일 때 고수준 작업에 대해 종단 간 지연 시간이 1초 이내를 유지하여 실생활 감시 상황에서 시의적절한 경고 생성이 가능하다.