EagleEye：在边缘辅助的无人机上平衡延迟、精度和功耗，以实现城市人群监控

《IEEE Journal on Miniaturization for Air and Space Systems》：EagleEye: Balancing Latency, Accuracy, and Power on Edge-Assisted UAVs for Urban Crowd Surveillance

无人机边缘计算视频压缩与低延迟监控系统的设计与实验验证

　　

摘要：

配备摄像头的无人驾驶飞行器（UAV）由于其便捷的部署方式和灵活的移动性，为大规模城市人群监控提供了一种有前景的解决方案。然而，UAV受到有限的电力和计算资源的限制，这阻碍了基于UAV的高效人群监控技术的实现，即无法实现长飞行时间、高精度和低延迟。为此，我们提出了EagleEye系统，这是一种由边缘辅助UAV支持的低功耗、高精度、低延迟的人群监控系统。该系统利用UAV上的轻量级设备在边缘端独立压缩视频信息，然后传输关键视频信息而非原始的高清视频。此外，我们提出了一种基于压缩感知的时空视频特征压缩算法，以实现高效、低延迟的视频压缩。该算法能够在大幅减少视频体积的同时，尽量减少与人群监控相关的信息损失。具体来说，我们借鉴压缩感知理论，从时间和空间两个角度对视频内容进行压缩，分别考虑了帧间冗余和帧内信息的显著性。最后，我们实现了一个原型系统，并基于包含超过20,000帧的四大数据集进行了广泛的实验。实验结果表明，EagleEye系统可将传输延迟降低31.4%，同时在城市人群检测方面的准确率损失不超过4%。

引言

近年来，城市化进程的快速发展导致某些城市的人口密度显著增加，从而增加了踩踏事件和骚乱的风险，对公共安全构成了诸多威胁[2]。例如，2015年9月在沙特阿拉伯发生的米纳踩踏事件中，有超过2,000人死亡[3]。为了有效应对这些危险，人群监控在城市应急管理中发挥着至关重要的作用。人群监控系统的关键应用包括暴力检测[4]、面部识别[5]和人群计数[6]。暴力检测可以实时识别冲突和危险情况，为应急响应提供及时信息；面部识别对于犯罪调查和寻找失踪人员至关重要；人群计数可以分析人群密度和分布，有助于规划公共设施和紧急疏散路线。传统的人群监控方法通常依赖于固定摄像头[7]、安保人员巡逻[8]以及各种传感器（如毫米波雷达）[9]。然而，由于检测范围有限、需要定期维护以及依赖人力资源，这些方法往往存在覆盖不足[10]、成本高昂且适应环境变化能力较差的问题。