【标题】Energy-Efficient Parking Analytics System using Deep Reinforcement Learning

【作者团队】Yoones Rezaei, Stephen Lee, Daniel Mosse

【发表日期】2022.2.15

【论文链接】https://arxiv.org/pdf/2202.08973.pdf

【推荐理由】深度视觉技术的进步和智能摄像头的普及将推动下一代视频分析。然而，视频分析应用程序消耗了大量能源，因为深度学习技术和摄像头都非常耗电。本文将重点放在停车视频分析平台上，并提出基于深度强化学习的RL CamSleep技术来驱动摄像头，以减少能耗，同时保持系统的实用性。其主要见解是，许多视频分析应用程序并不总是需要运行，并可以设计策略以仅在必要时激活视频分析。此外，该研究是对现有工作的补充，这些工作侧重于提高硬件和软件效率。通过在一个城市规模的停车数据集上评估了该方法，该数据集有76条街道分布在整个城市。研究结果分析表明，街道上有各种停车模式，突出了适应性政策的重要性。该方法可以学习这样一种自适应策略，它可以将平均能耗降低76.38%，并在执行视频分析时达到98%以上的平均准确率。

内容中包含的图片若涉及版权问题，请及时与我们联系删除