[論文レビュー] Ancilia: Scalable Intelligent Video Surveillance for the Artificial Intelligence of Things

Armin Danesh Pazho, Christopher Neff+5 more|arXiv (Cornell University)|Jan 9, 2023

Video Surveillance and Tracking Methods被引用数 5

ひとこと要約

Ancilia は、人工知能のためのもの（AIoT）向けに、エッジベースでエンド・ツー・エンドにスケーラブルなインтелリジェントビデオ監視システムであり、プライバシーを守りながら、行動認識や異常検出といったハイレベルな認知的タスクを、最先端の正確性でリアルタイムで実行する。通常の混雑度では 15 FPS バッチサイズで最大 96.88 FPS を達成し、エンド・ツー・エンドの遅延を 1 秒未満に保ち、個人を特定できる情報の保存も顔認識の使用も行わない。

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.

研究の動機と目的

• ラボベースの AI 研究と実世界の監視ニーズの間のギャップを埋めるために、リアルタイムでハイレベルな認知的タスクを実行するシステムを構築すること。
• 個人を特定できる情報の保存を排除し、顔認識のような偏りのある技術を避けることで、AI 監視の倫理的導入を確保すること。
• 既存の IoT カメラと局所的なエッジサーバーを用いて、クラウドコンピューティングへの依存を減らしながら、スケーラブルで低遅延の処理を可能にすること。
• 多様なハードウェアおよび混雑度においてシステムのパフォーマンスを評価し、複雑で高強度の状況下でもリアルタイムでの実現可能性を示すこと。
• 実際の都市やインfraストラクチャの環境において、正確性、速度、プライバシーのバランスを取ったインテリジェント監視の展開フレームワークを確立すること。

提案手法

• Ancilia はエッジで 1 台のワークステーションを用いて IoT カメラのビデオストリームを処理し、通常の混雑度では最大 4 台のカメラを 30 FPS で、15 FPS で 8 台を処理可能。
• スループットとエンド・ツー・エンドの遅延のバランスを取るためにバッチ処理を用いたマルチノードアーキテクチャを採用し、最適なパフォーマンスはバッチサイズ 15 で達成される。
• システムはアイデンティティに基づく特徴を避けるために、ポーズと位置情報データを用いてハイレベルなタスクを実行し、バイアスの低減とプライバシー保護を図る。
• エッジ処理は、アラート配信とユーザー監視のためのクラウド連携とモバイルアプリ連携によって補完される。
• パフォーマンスは、通常、高密度、極度の高密度の 3 種類の混雑度において、3 つのハードウェアプラットフォーム（ワークステーション、Server A、Server B）で評価された。
• システムはデバイスに依存しない設計となっており、任意の動画ストリームにアクセス可能なカメラからのビデオ入力を受け入れ、既存の IoT エコシステムへの統合を可能にする。

実験結果

リサーチクエスチョン

• RQ1 実世界のインテリジェントビデオ監視システムは、リアルタイムで動作しながら、行動認識と異常検出において最先端の正確性を達成できるか？
• RQ2 スループットと遅延という観点から、異なるハードウェアプラットフォームおよび混雑度におけるシステムパフォーマンスはどのようにスケーリングするか？
• RQ3 リアルタイム監視ワークロードにおいて、エンド・ツー・エンドの遅延、スループット、正確性のバランスを取る最適なバッチサイズは何か？
• RQ4 エッジベースの処理は、監視アプリケーションにおけるクラウド依存の低減、プライバシー保護、低遅延応答の向上にどの程度寄与できるか？
• RQ5 アイデンティティに基づく AI 技術を避けることで、システムは監視においてどのように公平性を保ち、バイアスを回避するか？

主な発見

• 通常の混雑度下でバッチサイズ 15 の場合、Ancilia は最大 96.88 FPS のスループットとわずか 0.87 秒のエンド・ツー・エンドの遅延を達成した。
• 極度の混雑度下では、バッチサイズ 30 で 19.52 FPS のスループットと 11.00 秒のエンド・ツー・エンドの遅延を維持し、高負荷下でのスケーラビリティを示した。
• 最先端のモデルから約 1% のずれで正確性を達成しており、競争力のあるパフォーマンスを確認した。
• Server B は 1 ～ 2 ノードで安定した 15 FPS のパフォーマンスを示したが、Server A とワークステーションはスケーリングに伴いスループットは向上したが、遅延が増加した。
• 極度の混雑度下で、ハイエンドサーバーでは 1 ノード運用時よりも 2 ノード運用時のパフォーマンスが向上するというパフォーマンスの異常が観察された。これは 1 ノード運用時における CPU リソースの未利用が原因とされた。
• バッチサイズ 15 の場合、ハイレベルタスクにおいてエンド・ツー・エンドの遅延を 1 秒未満に維持でき、実世界の監視状況でタイムリーなアラート生成を可能にした。