[论文解读] 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 5

一句话总结

Ancilia 是一种端到端、可扩展的基于边缘的智能视频监控系统，专为人工智能物联网（AIoT）设计，能够在保护隐私的同时，以最先进水平的准确度实时执行高级认知任务（如动作识别和异常检测）。在正常人群密度下，其处理速度可达 96.88 FPS，批量大小为 15 时端到端延迟低于 1 秒，且不存储个人身份信息，也未使用人脸识别技术。

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.

研究动机与目标

• 通过构建一个能够实时执行高级认知任务的系统，弥合实验室人工智能研究与真实世界监控需求之间的差距。
• 通过消除个人身份信息的存储以及避免使用如人脸识别等存在偏见的技术，确保 AI 监控的伦理部署。
• 利用现有物联网摄像头和本地边缘服务器，实现可扩展的低延迟处理，减少对云计算的依赖。
• 在不同硬件平台和人群密度下评估系统性能，证明其在复杂、高密度场景下的实时可行性。
• 建立一个在实际城市和基础设施环境中平衡准确性、速度与隐私的智能监控部署框架。

提出的方法

• Ancilia 在边缘使用单个工作站处理来自物联网摄像头的视频流，支持在高人群密度下同时处理最多 4 台摄像头（30 FPS）或 8 台摄像头（15 FPS）。
• 采用多节点架构并结合批量处理，以平衡吞吐量与端到端延迟，最佳性能出现在批量大小为 15 时。
• 系统利用姿态和位置数据执行高级任务，避免使用基于身份的特征，从而降低偏见并保护隐私。
• 边缘处理通过云协调和移动应用集成得到补充，用于警报推送和用户监控。
• 在正常、高密度和极端人群密度下，于三种硬件平台（工作站、服务器 A、服务器 B）上评估系统性能。
• 系统设计为设备无关，可接受任何可访问视频流的摄像头输入，支持无缝集成至现有物联网生态系统。

实验结果

研究问题

• RQ1 一个真实世界的智能视频监控系统是否能够在实时运行的同时，实现动作识别与异常检测的最先进准确度？
• RQ2 系统性能（以吞吐量和延迟衡量）在不同硬件平台和人群密度下的可扩展性如何？
• RQ3 在实时监控工作负载中，平衡端到端延迟、吞吐量与准确度的最优批量大小是多少？
• RQ4 基于边缘的处理在多大程度上能够减少对云计算的依赖，并提升监控应用中的隐私保护与低延迟响应？
• RQ5 系统通过避免使用基于身份的 AI 技术，在多大程度上实现了公平性并避免了偏见？

主要发现

• 在正常人群密度下，批量大小为 15 时，Ancilia 实现最高 96.88 FPS 吞吐量，端到端延迟仅为 0.87 秒。
• 在极端人群密度下，批量大小为 30 时，Ancilia 仍保持 19.52 FPS 吞吐量，端到端延迟为 11.00 秒，证明其在高负载下的可扩展性。
• 系统在高级认知任务上的准确度与最先进模型相比仅偏差约 1%，证实其具备具有竞争力的性能表现。
• 服务器 B 在 1–2 个节点下均实现稳定的 15 FPS 性能，而服务器 A 和工作站虽吞吐量更高，但在扩展时延迟增加。
• 在极端密度下观察到性能异常现象：高配置服务器在双节点模式下的性能优于单节点模式，归因于单节点运行时 CPU 资源未被充分利用。
• 在批量大小为 15 时，系统可保持端到端延迟低于 1 秒，支持在真实监控场景中及时生成警报。