論文の概要: CamLoPA: A Hidden Wireless Camera Localization Framework via Signal Propagation Path Analysis

• arxiv url: http://arxiv.org/abs/2409.15169v1
• Date: Mon, 23 Sep 2024 16:23:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 14:13:28.236951
• Title: CamLoPA: A Hidden Wireless Camera Localization Framework via Signal Propagation Path Analysis
• Title（参考訳）: CamLoPA:信号伝達経路解析による隠れ無線カメラローカライゼーションフレームワーク
• Authors: Xiang Zhang, Jie Zhang, Zehua Ma, Jinyang Huang, Meng Li, Huan Yan, Peng Zhao, Zijian Zhang, Qing Guo, Tianwei Zhang, Bin Liu, Nenghai Yu,
• Abstract要約: CamLoPAは、トレーニング不要の無線カメラ検出およびローカライゼーションフレームワークである。 低コストの商用オフ・ザ・シェルフ(COTS)デバイスを使用して、最小限の活動空間制約で運用する。 95.37%のスヌーピングカメラ検出精度と17.23の平均位置誤差を達成する。
• 参考スコア（独自算出の注目度）: 59.86280992504629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hidden wireless cameras pose significant privacy threats, necessitating effective detection and localization methods. However, existing solutions often require spacious activity areas, expensive specialized devices, or pre-collected training data, limiting their practical deployment. To address these limitations, we introduce CamLoPA, a training-free wireless camera detection and localization framework that operates with minimal activity space constraints using low-cost commercial-off-the-shelf (COTS) devices. CamLoPA can achieve detection and localization in just 45 seconds of user activities with a Raspberry Pi board. During this short period, it analyzes the causal relationship between the wireless traffic and user movement to detect the presence of a snooping camera. Upon detection, CamLoPA employs a novel azimuth location model based on wireless signal propagation path analysis. Specifically, this model leverages the time ratio of user paths crossing the First Fresnel Zone (FFZ) to determine the azimuth angle of the camera. Then CamLoPA refines the localization by identifying the camera's quadrant. We evaluate CamLoPA across various devices and environments, demonstrating that it achieves 95.37% snooping camera detection accuracy and an average localization error of 17.23, under the significantly reduced activity space requirements. Our demo are available at https://www.youtube.com/watch?v=GKam04FzeM4.
• Abstract（参考訳）: 隠れた無線カメラは、重要なプライバシー上の脅威を生じさせ、効果的な検出とローカライゼーション方法を必要とする。 しかし、既存のソリューションは、広範囲な活動領域、高価な特殊なデバイス、あるいは事前に収集したトレーニングデータを必要とし、実践的なデプロイメントを制限します。 これらの制約に対処するため、トレーニング不要な無線カメラ検出およびローカライズフレームワークであるCamLoPAを導入し、低コストの商用オフ・ザ・シェルフ(COTS)デバイスを用いて最小限の活動空間制約で運用する。 CamLoPAはRaspberry Piボードでわずか45秒のユーザアクティビティで検出とローカライゼーションを実現することができる。 この短い期間に、スヌーピングカメラの存在を検出するために、無線トラフィックとユーザの動きの因果関係を分析する。 検出時に、CamLoPAは無線信号伝搬経路解析に基づく新しい方位位置モデルを用いる。 具体的には、第1フレネルゾーン(FFZ)を横断するユーザパスの時間比を利用して、カメラの方位角を決定する。 次にCamLoPAは、カメラのクアドラントを識別することで、ローカライゼーションを洗練する。 我々はCamLoPAを様々なデバイスや環境にまたがって評価し、95.37%のスヌーピングカメラ検出精度と17.23の平均ローカライゼーション誤差を達成した。 私たちのデモはhttps://www.youtube.com/watch? v=GKam04FzeM4。

関連論文リスト

• PathFinder: Attention-Driven Dynamic Non-Line-of-Sight Tracking with a Mobile Robot [3.387892563308912]
  注目型ニューラルネットワークを用いてLOS(Line-of-sight)ビデオにおける動的逐次フレームのシーケンスを処理する新しい手法を提案する。 我々は,映像撮影のためのドローンによる現場撮影のアプローチを検証し,ダイナミックキャプチャ環境での低コストなNLOSイメージングを実証した。
  論文  参考訳（メタデータ） (2024-04-07T17:31:53Z)
• A deep learning approach to predict the number of k-barriers for intrusion detection over a circular region using wireless sensor networks [3.6748639131154315]
  無線センサネットワーク(WSN)は、国境地帯における侵入検知と監視の問題に対して実現可能な解決策である。 本稿では,高速な侵入検知・防止のためのkバリア数の正確な予測を行うために,完全接続型フィードフォワードニューラルネットワーク(ANN)に基づくディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-08-25T06:39:29Z)
• Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
  本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。 われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。 シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
  論文  参考訳（メタデータ） (2022-08-08T07:25:03Z)
• Drone Detection and Tracking in Real-Time by Fusion of Different Sensing Modalities [66.4525391417921]
  マルチセンサ・ドローン検知システムの設計と評価を行う。 われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。 このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
  論文  参考訳（メタデータ） (2022-07-05T10:00:58Z)
• RADNet: A Deep Neural Network Model for Robust Perception in Moving Autonomous Systems [8.706086688708014]
  我々は,グローバルカメラの動きの度合いに基づいて,映像のランク付けを行う新しいランキング手法を開発した。 上位のカメラビデオでは、アクション検出の精度が低下している。 本稿では,カメラの動作効果に頑健な動作検出パイプラインを提案し,それを実証的に検証する。
  論文  参考訳（メタデータ） (2022-04-30T23:14:08Z)
• Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
  既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。 本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。 本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
  論文  参考訳（メタデータ） (2022-04-27T13:10:48Z)
• Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
  本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。 短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
  論文  参考訳（メタデータ） (2022-03-14T17:55:41Z)
• Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes [70.30052164401178]
  人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。 ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。 カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法 グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
  論文  参考訳（メタデータ） (2021-07-29T11:27:50Z)
• Holistic Grid Fusion Based Stop Line Estimation [5.5476621209686225]
  交差点で前もって停止する場所を知ることは、車両の長手速度を制御する上で必須のパラメータである。 文献における既存の手法のほとんどは、カメラのみを使用して停止線を検出するが、通常は検出範囲の点で不十分である。 本稿では,ステレオカメラやライダーなどの融合多感データを入力として活用し,ニューラルネットワークアーキテクチャを慎重に設計し,停止線を検出する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-18T21:29:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。