[논문 리뷰] 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 Ajam외 6명|arXiv (Cornell University)|2014. 11. 25.

Vehicular Ad Hoc Networks (VANETs)참고 문헌 7인용 수 3

한 줄 요약

이 논문은 도로 환경의 동적 모니터링을 향상시키기 위해 VANET, 차량 내 시각 기반 항법 시스템, 실시간 영상 처리를 통합한 혁신적인 클라우드 컴퓨팅 아키텍처를 제안한다. 차량의 엣지 처리, RSU 통신, 클라우드 기반 분석을 활용함으로써 경찰 감시를 위한 차량 및 인명의 실시간 감지 및 추적 기능을 제공하며, 이미지당 5초 이내로 얼굴 및 번호판 인식을 구현하고 저지연 데이터 전송을 달성한다.

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.

연구 동기 및 목표

• 도로 환경을 위한 실시간 영상 서비스를 향상시키기 위한 일반적이고 확장 가능한 클라우드 컴퓨팅 아키텍처를 설계하기 위해.
• 차량 내 시각 시스템, VANET, 클라우드 컴퓨팅을 통합하여 차량 간 협업 모니터링 및 데이터 공유를 가능하게 하기 위해.
• 경찰 감시 응용 분야를 위한 차량 및 인명의 실시간 감지 및 추적 기능을 실험적으로 검증하기 위해.
• 이식 가능한 시스템과 클라우드 플랫폼을 활용한 이동 중 도로 환경에서의 동적 지리정보 기반 영상 분석의 실현 가능성을 입증하기 위해.
• 실제 이동 차량에 대한 실전 배포 이전에 시스템 성능을 테스트하기 위한 시뮬레이터 개발하기 위해.

제안 방법

• 시스템은 차량 내 카메라를 사용해 실시간 영상 스트림을 캡처하며, 이는 Emgu CV를 활용해 현지에서 얼굴 및 번호판 추출을 위해 처리된다.
• 추출된 특징(얼굴, 번호판)은 VANET을 통해 라우트 사이드 유닛(RSU)으로 전송되고, 이후 클라우드 컴퓨팅 노드로 전달되어 추가 분석을 위해 전달된다.
• 클라우드 기반 처리 파이프라인은 참조 데이터베이스와의 매칭을 통해 검색된 개인 또는 도난당한 차량을 식별한다.
• 시스템은 라즈베리 파이 장치에서의 엣지 처리, RSU 릴레이, 데이터 상관관계 분석 및 시각화를 위한 중심화된 클라우드 워크스테이션을 결합한 하이브리드 아키텍처를 채택한다.
• 실시간으로 구글 맵 기반 인터페이스에 데이터가 시각화되며, 추적을 위한 타임스탬프 및 지리정보 메타데이터가 포함된다.
• 시스템은 시뮬레이티드 차량 내 임베디드 시스템과 소규모 VANET 시뮬레이터를 사용하여 테스트되었으며, 데이터 전송 및 처리 시간을 측정하여 성능을 평가했다.

실험 결과

연구 질문

• RQ1 클라우드 기반 시스템이 VANET, 차량 내 시각 시스템, 실시간 영상 분석을 효과적으로 통합하여 도로 모니터링 서비스를 향상시킬 수 있는가?
• RQ2 분산된 차량-클라우드 아키텍처에서 실시간 얼굴 및 번호판 인식이 얼마나 효율적으로 수행될 수 있는가?
• RQ3 시뮬레이션된 도로 환경에서 VANET에서 클라우드로의 영상 데이터 전송 및 처리의 지연 및 처리량 특성은 어떠한가?
• RQ4 이동하는 차량을 활용한 협업 모니터링이 검색된 개인 또는 차량의 감지 및 추적에 얼마나 기여하는가?
• RQ5 다수의 이동 노드를 포함하는 실제 이동 환경에 대한 배포를 고려할 때, 제안된 아키텍처의 확장성과 신뢰성은 어느 정도인가?

주요 결과

• 2.4GHz 인텔 코어 i5 워크스테이션에서 얼굴 추출은 1.08초, 번호판 추출은 3.29초(이미지당)를 기록했다.
• 라즈베리 파이에서 RSU로의 데이터 전송은 1.33초, RSU에서 클라우드 노드로의 전송은 16.5KB 이미지(640x480 해상도) 기준 1.12초가 소요되었다.
• 이미지 전송 및 처리를 포함한 전체 파이프라인은 1개 이미지당 5초 이내로 완료되어 준 실시간 모니터링이 가능했다.
• 시스템은 이동하는 차량을 분산 센서 노드로 활용하여 경찰 감시 응용 분야에서의 실현 가능성을 성공적으로 입증했다.
• 시뮬레이션 및 프로토타입 구현을 통해 아키텍처가 실제 이동 환경에 배포될 잠재력을 보였으며, 검증되었다.
• 시스템은 가용 주차 공간, 위험한 도로 조건 등의 동적 관심 지점(POI) 감지 기능을 지원하며, 차량 및 기관 간 정보 공유를 가능하게 한다.