[论文解读] A Gun Detection Dataset and Searching for Embedded Device Solutions.

Delong Qi, Weijun Tan+3 more|arXiv (Cornell University)|May 3, 2021

Advanced Optical Sensing Technologies参考文献 16被引用 1

一句话总结

本文引入了一个大规模、公开可用的数据集，包含51,000张标注的枪支图像和51,000张裁剪后的枪支图像块，用于枪支检测与分类，支持计算机视觉模型的基准测试。此外，本文提出了一种边缘-云架构框架，在嵌入式设备上实现枪支检测的实时推理，并在云服务器上完成分类任务，从而实现实际应用场景中的可部署性。

ABSTRACT

Gun violence is a severe problem in the world, particularly in the United States. Computer vision methods have been studied to detect guns in surveillance video cameras or smart IP cameras and to send a real-time alert to safety personals. However, due to no public datasets, it is hard to benchmark how well such methods work in real applications. In this paper we publish a dataset with 51K annotated gun images for gun detection and other 51K cropped gun chip images for gun classification we collect from a few different sources. To our knowledge, this is the largest dataset for the study of gun detection. This dataset can be downloaded at www.linksprite.com/gun-detection-datasets. We also study to search for solutions for gun detection in embedded edge device (camera) and a gun/non-gun classification on a cloud server. This edge/cloud framework makes possible the deployment of gun detection in the real world.

研究动机与目标

• 解决现实应用中枪支检测基准测试缺乏公开数据集的问题。
• 通过计算机视觉技术实现在监控系统中准确且高效的枪支检测。
• 为资源受限的嵌入式边缘设备开发可部署的实时枪支检测解决方案。
• 构建一个可扩展的基于云的分类系统，以补充边缘端的检测功能。
• 通过集成的边缘-云架构，促进枪支检测系统的实际部署。

提出的方法

• 从多样化来源收集并标注了51,000张枪支图像，构建了一个全面的枪支检测数据集。
• 额外生成了51,000张裁剪后的枪支图像块，用于细粒度分类任务。
• 设计了一种边缘-云框架，由嵌入式设备执行枪支检测的实时推理。
• 在云服务器上独立部署了一个枪支/非枪支分类模型，以支持边缘设备。
• 利用该数据集在现实世界约束条件下训练并评估检测与分类模型。
• 通过优化的推理流水线，实现在资源受限嵌入式设备上的模型部署。

实验结果

研究问题

• RQ1 所提出的数据集在支持枪支检测模型基准测试方面效果如何？
• RQ2 能否在低功耗嵌入式边缘设备上高效实现实时枪支检测？
• RQ3 当与边缘设备集成时，基于云的枪支/非枪支分类模型的性能如何？
• RQ4 边缘-云架构在现实世界监控系统中如何提升可扩展性与响应速度？
• RQ5 该数据集在支持不同枪支类型和成像条件下的泛化能力方面达到何种程度？

主要发现

• 本文提供了目前公开可用的最大规模枪支检测数据集，包含51,000张标注图像和51,000张裁剪后的枪支图像块。
• 该数据集可公开获取，网址为 www.linksprite.com/gun-detection-datasets，供研究与基准测试使用。
• 所提出的边缘-云框架可在嵌入式设备上实现低延迟的实时枪支检测。
• 当与边缘设备协同使用时，基于云的分类模型能够实现准确且可扩展的威胁检测。
• 边缘与云组件的集成使得在真实世界监控环境中实现实用且可部署的枪支检测系统成为可能。
• 本研究证明了利用计算机视觉技术实现实时公共安全威胁检测的可行性。