2021-CCNC-Congestion-Aware Suspicious Object Detection

摘要——致命疾病和恐怖袭击严重威胁着人类安全，对全球安全构成挑战。为了解决这个问题，城市监控系统正在以成熟但效率低下的解决方案在大规模网络中快速应用。当监控网络正在管理从多个边缘节点生成的数据时，由于数据流量集中和数据传输机制效率低下，很容易造成拥塞。同时，5G技术应对爆发式移动数据流量增长和海量设备连接，可以实现真正的“万物互联”，构建社会经济数字化转型。在本文中，在 5G 技术的背景下，我们基于下一代网络概念设计的可疑对象网络系统 (SONS) 提出了一个以信息为中心的网络 (ICN) 监视系统。在该解决方案中，网络中的边缘节点分发计算和数据存储需求。我们首先描述当前的监控问题和我们提出的系统架构。然后我们使用仿真来验证和评估传统的全通集中监控系统和基于 ICN 的分散监控系统之间的系统性能。

1）我们设计了一个基于内容的监控系统命名数据网络架构。
2）我们在监控系统中引入了内容名称数据传递机制。
3)实现了模拟评估比较传输传统集中式网络之间的容量要求和一个去中心化的网络。

可疑对象网络系统本着“保证足够的安全级别而不阻止人流”的原则，我们设计了一个可疑对象检测系统（SONS）来识别人类隐藏的可疑对象[15]。图2显示了SONS的整体结构。在网络中产生和传输数据之前，有两个筛选程序，初级筛选和二级筛选。在初步筛查中，我们结合使用传感器、多个可见光摄像头和 W 波段有源雷达成像仪，在最远 15 米的范围内识别和识别一个人是否有可疑物体（金属等）。在一个区域内，有一套可见光相机和一个成像仪。相机可检测到 6m 15m 内的人，成像器可分别检测 1m 5m 内的人。当相机检测到一个人并确认该人正在进入成像仪检测区域时，成像仪开始扫描此人。如果成像器检测到粗略归类为金属的可疑物体，则在第一次筛选过程中将此人确定为可疑人员。如果识别出可疑人员，我们的系统会将该人员的信息提供给安全人员。该信息包括传感器图像和其他数据。然后保安可以找到并引导可疑人员到二次筛查地点进行更详细的检查。在二次筛查中，混合成像仪用于进一步识别物体形状和材料，以识别可疑人员携带的可疑物体。在两阶段筛查过程中，我们的系统会记录和跟踪每个可疑人员的面部和其他信息并进行缓存。