FEVA: 네트워크 스마트 카메라를 위한 연합 비디오 분석 아키텍처

네트워크 스마트 카메라를 이용한 비디오 분석은 감시, 객체 탐지, AR/VR 등 많은 애플리케이션의 핵심 기능이 되었습니다. 최근 몇 년 동안 클라우드 및 엣지 카메라의 컴퓨팅 및 네트워킹 자원을 조직하여 분석 작업(예: 3D 재구성, 다중 뷰 재식별)을 집단적으로 완료하기 위한 여러 아키텍처가 제안되었습니다. 불행히도 많은 애플리케이션에서 이미지 공유는 개인정보 보호 문제를 초래할 수 있습니다. 한 예로 자율주행을 위한 고해상도 지도(HD 지도)가 있습니다. HD 지도는 실시간 객체의 매우 동적인 레이어를 가지고 있습니다. 차량은 자사 탑재 카메라의 비디오를 집단적으로 기여하여 이러한 레이어를 구성할 수 있지만, 비디오 이미지에는 개인 정보(예: 앞차의 번호판)가 포함될 수 있습니다. 본 기사에서는 FEVA라는 새로운 연합 비디오 분석 아키텍처를 제안합니다. 본질적으로 FEVA는 비디오 이미지 데이터를 엣지에 로컬로 유지하고, 분석 결과를 클라우드로 전송하여 집계합니다. FEVA는 비디오 분석 컴퓨팅 작업을 개인정보 보호를 유지하면서 엣지 장치의 컴퓨팅 및 통신 자원의 제약 하에서 전체 분석 정확도를 극대화하는 방식으로 분할합니다. 우리는 FEVA를 다중 뷰 차량의 3D 재구성을 지원하는 비디오 분석 애플리케이션에 적용하는 사례 연구를 통해 FEVA의 실제 사용 방법을 보여줍니다. 우리는 Google의 오픈 소스 플랫폼인 TensorFlow Federated를 확장하여 FEVA를 구현합니다. 우리의 사례를 네 개의 Amazon DeepLens 카메라가 있는 환경에 배포합니다. 우리의 평가 결과는 FEVA가 개인 정보를 보호하면서 비디오 분석 애플리케이션의 정확성을 효과적으로 증가시킬 수 있음을 보여줍니다.