Optimisation du stockage des données dans un système de vidéosurveillance par l'utilisation d'un algorithme prédictif de chemin par l'apprentissage

Papa Samour DIOP, Ahmath Bamba MBACKE, Claude LISHOU, Gervais MENDY

Résumé


Le nombre de systèmes de vidéosurveillance a augmenté rapidement au cours de la dernière décennie. Les systèmes de vidéosurveillance étant de grands consommateurs de volume de données de stockages, le problème de l'optimisation du stockage dans les systèmes de vidéosurveillance est d’actualité. Dans cette étude, nous analysons à l'aide de modèles mathématiques la consommation du volume de stockage d'une architecture qui met en œuvre un algorithme de prédiction de parcours par apprentissage qui prédit le parcours et la destination d'un mobile dans un réseau de vidéosurveillance afin de réduire l’utilisation de ces ressources. Cette méthode réduit considérablement le volume de données du trafic en temps réel. Un système expérimental est conçu pour évaluer la méthode et des expériences sont menées pour en démontrer la validité. Les résultats expérimentaux montrent que la méthode a non seulement amélioré de manière significative l'utilisation des ressources et réduit le volume de stockage

Mots-clés


Transmission de données ; mobile ; surveillance ; prédiction ; apprentissage distribué ville intelligente ; système de vidéosurveillance ; stockage de données

Texte intégral :

PDF

Références


Zhao C, Zhao J, Lin X, Wu C. Capacity of P2P on-demand streaming with simple, robust, and decentralized control. In: Proceedings of INFOCOM; 2013. p. 2697–705

Amani P, Bastani S, Landfeldt B. Towards optimal content replication and request routing in content delivery networks. In: Proceedings of IEEE inter-

national conference on communications; 2015. p. 5733–9.

Jia S, Xu C, Guan J, Zhang H, Muntean GM. A novel cooperative content fetching-based strategy to increase the quality of video delivery to mobile users in wireless networks. IEEE Trans Broadcast 2014;60(2):370–84.

Y. Yu, D. Doermann, Model of object-based coding for surveillance video, in: Proceedings of the IEEE International Conference on Acoustics, Speech, and Signal Process. (ICASSP), 2005, pp. 693–696.

A. Hakeem, K. Shafique, M. Shah, An object-based video coding framework for video sequences obtained from static cameras, in: Proceedings of the ACM International Conference on Multimedia, 2005..

A. Vetro, T. Haga, K. Sumi, H. Sun, Object-based coding for long-term archive of surveillance video, Technical Report TR-2003-98 MERL (2003).

Naeem Ramzan Toni Zgaljic EbroulIzquierdo School of Electronic Engineering and Computer Science, Queen Mary University of London, Mile End Road, London E1 4NS, United Kingdom

J.-H. Lee, G.-G. Lee, and W.-Y. Kim, "Automatic video summarizing tool using MPEG-7 descriptors for personal video recorder," IEEE Transactions on Consumer Electronics, vol. 49, pp. 742-749, 2003.

Z. Rasheed and M. Shah, "Detection and representation of scenes in videos," IEEE transactions on Multimedia, vol. 7, pp. 1097-1105, 2005.

ShiQiu, Y. Tang, Y. Du, S. Yang, The infrared moving target extraction and fast video reconstruction algorithm, Infrared Physics & Technology (2018), doi: https://doi.org/10.1016/j.infrared. 2018.11.025

Diop P.S., Mbacke A.B., Mendy G. (2017) Centralized and Distributed Architectures: Approximation of the Response Time in a Video Surveillance System of Road Traffic by Logarithm, Power and Linear Functions. In: Puliafito A., Bruneo D., Distefano S., Longo F. (eds) Ad-hoc, Mobile, and Wireless Networks. ADHOC-NOW 2017. Lecture Notes in Computer Science, vol 10517. Springer, Cham

Diop P.S., Mbacké A.B., Mendy G. (2016) Predictive Assessment of Response Time for Road Traffic Video Surveillance Systems: The Case of Centralized and Distributed Systems. In: Hsu CH., Wang S., Zhou A., Shawkat A. (eds) Internet of Vehicles – Technologies and Services. IOV 2016. Lecture Notes in Computer Science, vol 10036. Springer, Cham

Diop, P.S., Mbacké, A.B., Mendy, G., Gaye, I., Bilong, J.R.N. (2019). Optimisation of Energy Consumption in Traffic Video Monitoring Systems Using a Learning-Based Path Prediction Algorithm. In: Palattella, M., Scanzio, S., Coleri Ergen, S. (eds) Ad-Hoc, Mobile, and Wireless Networks. ADHOC-NOW 2019. Lecture Notes in Computer Science(), vol 11803. Springer, Cham. https://doi.org/10.1007/978-3-030-31831-4_26


Renvois

  • Il n'y a présentement aucun renvoi.