В Корее представили светодиодное устройство, который позволяет найти скрытые камеры с точностью 94% за 5 секунд, но стоит лишь 7 долл.
- 6 часов назад
- 4 мин. чтения
Корреспондент Гу Бон Хёк
- KAIST, NUS и SMU разработали технологию «SweepLED» на основе искусственного интеллекта
- С помощью светодиодного устройства стоимостью около 10 000 вон (7,26 долл. США) можно обнаружить скрытые камеры с точностью 94 %
Прототип аппаратного обеспечения SweepLED и демонстрация его работы. Были изготовлены недорогой светодиодный массив на основе печатной платы и модульный чехол, устанавливаемый на смартфон, что позволило осуществлять сбор видеоматериалов в реальных условиях [Предоставлено KAIST]
«Достаточно просто прикрепить к смартфону светодиодное устройство стоимостью около 10 000 вон (7,26 долл. США), чтобы за 5 секунд обнаружить скрытую камеру».
30 августа Корейский институт передовых технологии (KAIST) сообщил, что исследовательская группа под руководством профессора Хан Чжуна из факультета информатики совместно с Национальным университетом Сингапура (NUS) и Сингапурской школой менеджмента (SMU) разработала технологию «SweepLED», позволяющую обнаруживать скрытые камеры с помощью светодиодного чехла, устанавливаемого на смартфон.
Незаконные камеры становятся всё меньше размером и изощрённее, что позволяет скрывать их повсюду в повседневных местах, таких как отели, объекты совместного проживания и туалеты. Однако при использовании существующих портативных детекторов пользователю приходится собственными глазами искать яркую точку, отражающуюся от объектива камеры. Из-за этого существовала вероятность того, что свет, отраженный от металла, стекла или глянцевого пластика, мог быть ошибочно принят за объектив камеры.
Технология SweepLED отличается от существующих методов, основанных на простом поиске «сверкающей точки». Камера смартфона фиксируется в одном положении, а искусственный интеллект анализирует изменения отражения света на поверхности объекта при изменении направления светодиодного освещения.
Точки отражения от обычных глянцевых объектов меняют своё положение или исчезают в зависимости от направления освещения. В то же время объектив камеры из-за своей специфической конструкции, включающей внутренние линзы, диафрагму и датчик изображения, при изменении направления освещения демонстрирует уникальный паттерн отражения, отличающийся от обычных предметов.
Исследовательская группа обучила систему глубокого обучения ИИ распознавать изменения движения и формы отражения во времени при освещении из разных направлений. Вместо того чтобы человек вручную искал и определял яркие точки, ИИ комплексно анализирует узоры отражения и выявляет, действительно ли тот или иной объект является объективом камеры.
В частности, эту технологию можно использовать для обнаружения сверхминиатюрных камер, спрятанных в таких предметах, как зарядные устройства, настольные часы, пульты дистанционного управления и декоративные элементы, которые часто встречаются в гостиницах и домах.
Эффективность технологии также была подтверждена. Эксперименты, проведённые исследовательской группой на 30 объектах, встречающихся в реальных условиях, показали точность обнаружения около 94%. Время, необходимое для проверки одного объекта, не превышало 5 секунд.
Рисунок 1: Общий вид системы SweepLED. Смартфон в недорогом чехле со встроенными светодиодами выполняет управляемые циклы освещения. Регистрируя отражения под меняющимися углами, пока пользователь держит телефон неподвижно, система SweepLED извлекает оптические признаки, характерные для линз, чтобы отличить скрытые камеры от обычных отражающих объектов.
Рисунок 2: Сравнение зеркального и ретрорефлекторного отражения. Глянцевые объекты создают зеркальные блики, тогда как линзы камер образуют ретрорефлекторные пятна при освещении ручным детектором. Визуально они могут выглядеть одинаково, что приводит к ложным срабатываниям.
Рисунок 3: Поведение отражений при изменении углов освещения. На левой стороне показаны блики на гладких, блестящих поверхностях, которые смещают своё положение при изменении направления света, сохраняя при этом схожий внешний вид. На правой стороне показаны отражения от объектива камеры, которые заметно деформируются при изменении освещения, демонстрируя изменения формы.
Рисунок 4: На рисунке представлено исследование осуществимости SweepLED.
(a) даёт перекрывающиеся вложения между отражениями от линз и отражениями от других объектов. (b) даёт более плотную кластеризацию и чёткое разделение, повышая различимость.
Рисунок 5: Обзор конвейера обработки SweepLED, который принимает в качестве входных данных короткое видео сцены, освещённой последовательностью светодиодных импульсов. Предварительная обработка (§3.2) выделяет отражения от светодиодной развертки в кадрах разности с подавлением шума. Обнаружение потенциальных областей (§3.3) локализует потенциальные цели, которые фильтруются с помощью межкадрового уточнения обнаружения (§3.4) для сохранения только устойчиво отражающих областей. Классификация линз (§3.5) выполняет детализированный анализ отражений для выявления скрытых камер. Улучшение на основе нескольких ракурсов (§3.6) объединяет несколько точек обзора для повышения качества изображения.
Рисунок 6: Обнаружение потенциальных отражений (§3.3) использует разностные кадры для модели обнаружения, обученной находить небольшие круглые «похожие на линзы» отражения, выдавая ограничительные прямоугольники потенциальных областей. Уточнение обнаружения между кадрами (§3.4) отслеживает отражения в нескольких кадрах путём объединения данных во времени: если ограничительные прямоугольники пересекаются (IoU > пороговое значение), то объединяются кадры, в которых появляется отражение. Сохраняются только постоянно отражающие области (т. е. появляющиеся в # кадрах).
Рисунок 7: (a) иллюстрирует архитектуру классификатора (§3.5.1), включающую пространственное внимание, слияние оптического потока RGB и пространственно-временной базовый блок для извлечения мелкозернистых отражающих паттернов, необходимых для классификации «линза»/«не линза». (b) иллюстрирует стратегию обучения (§3.5.2), в которой расширение данных, фокальные и тройные функции потерь совместно повышают устойчивость.
Рисунок 9: На рисунке показана схема наших экспериментов. (a) 30 объектов, использованных в нашей оценке, включая 12 объектов со скрытыми камерами и 18 без них. Мы характеризуем каждый объект по двум параметрам поверхности: отражательной способности и геометрии. Мы присваиваем метки на основе области скрытой камеры и близлежащих оптических ловушек; для объектов без скрытых камер мы учитываем доминирующие характеристики поверхности и область ловушки, наиболее похожую на камеру. (b) Наша экспериментальная установка с использованием прототипного оборудования SweepLED для сканирования нескольких объектов. (c) Наша комплексная оценка в различных экспериментальных условиях.
Юн Чон Хёк (слева направо), аспирант KAIST; Шон Тан Луи Сян, исследователь из Национального университета Сингапура; Хан Чжун, профессор KAIST [Фото предоставлено KAIST]
Еще одним преимуществом является доступная цена. Стоимость ключевых компонентов светодиодного чехла, устанавливаемого на смартфон, составляет всего 7 долларов США, что в пересчете на корейскую валюту составляет примерно 10 000 вон. Исследовательская группа рассчитывает, что в будущем это устройство можно будет использовать в качестве доступного детектора скрытых камер в виде аксессуара для смартфона или в качестве средств безопасности для широкого круга потребителей.
«Это устройство можно использовать для самостоятельной проверки предметов в помещениях, где существует риск незаконной съемки, таких как отели, объекты совместного проживания и раздевалки», - отметил профессор Хан Чжун, добавив: «Особенно важно то, что оно может быть реализовано в виде компактного аксессуара, устанавливаемого на смартфон, и специального приложения, благодаря чему обычный пользователь может легко воспользоваться им в случае необходимости, не нося с собой отдельного профессионального оборудования для обнаружения».
Результаты данного исследования, в котором аспирант KAIST Юн Чжон Хёк участвовал в качестве первого автора, представлены 20 июня на международной научной конференции по мобильным вычислениям «ACM MobiSys 2026».
Комментарии