論文の概要: Physics-Based Adversarial Attack on Near-Infrared Human Detector for Nighttime Surveillance Camera Systems

• arxiv url: http://arxiv.org/abs/2412.13709v1
• Date: Wed, 18 Dec 2024 10:51:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 16:48:08.277244
• Title: Physics-Based Adversarial Attack on Near-Infrared Human Detector for Nighttime Surveillance Camera Systems
• Title（参考訳）: 夜間監視カメラシステムのための近赤外人検知器の物理による敵攻撃
• Authors: Muyao Niu, Zhuoxiao Li, Yifan Zhan, Huy H. Nguyen, Isao Echizen, Yinqiang Zheng,
• Abstract要約: 監視カメラは、照度レベルに基づいて昼間と夜間のモードを切り替える。 本稿では,色とテクスチャの喪失に起因するNIR画像理解の根本的な脆弱性を同定する。 反射・絶縁プラスチックテープがNIR画像の強度分布を制御できることを実証する。
• 参考スコア（独自算出の注目度）: 30.011272358611688
• License:
• Abstract: Many surveillance cameras switch between daytime and nighttime modes based on illuminance levels. During the day, the camera records ordinary RGB images through an enabled IR-cut filter. At night, the filter is disabled to capture near-infrared (NIR) light emitted from NIR LEDs typically mounted around the lens. While RGB-based AI algorithm vulnerabilities have been widely reported, the vulnerabilities of NIR-based AI have rarely been investigated. In this paper, we identify fundamental vulnerabilities in NIR-based image understanding caused by color and texture loss due to the intrinsic characteristics of clothes' reflectance and cameras' spectral sensitivity in the NIR range. We further show that the nearly co-located configuration of illuminants and cameras in existing surveillance systems facilitates concealing and fully passive attacks in the physical world. Specifically, we demonstrate how retro-reflective and insulation plastic tapes can manipulate the intensity distribution of NIR images. We showcase an attack on the YOLO-based human detector using binary patterns designed in the digital space (via black-box query and searching) and then physically realized using tapes pasted onto clothes. Our attack highlights significant reliability concerns for nighttime surveillance systems, which are intended to enhance security. Codes Available: https://github.com/MyNiuuu/AdvNIR
• Abstract（参考訳）: 多くの監視カメラは、照度レベルに基づいて昼間と夜間のモードを切り替える。 日中は、赤外線カットフィルタを通じて通常のRGB画像を記録する。 夜間、このフィルターは、通常レンズの周りに取り付けられたNIRLEDから放射される近赤外線(NIR)を捕捉することができない。 RGBベースのAIアルゴリズムの脆弱性は広く報告されているが、NIRベースのAIの脆弱性は滅多に調査されていない。 本稿では,NIR領域における衣服の反射特性とカメラのスペクトル感度に起因して,色やテクスチャの喪失によるNIR画像理解の根本的な脆弱性を明らかにする。 さらに、既存の監視システムにおける照度とカメラのほぼ同位置の配置が、物理的な世界で隠れ、完全にパッシブな攻撃を促進することを示す。 具体的には、レトロ反射・絶縁プラスチックテープが、NIR画像の強度分布をどう操作するかを実証する。 我々は、デジタル空間で設計されたバイナリパターン(ブラックボックスクエリと検索)を用いて、YOLOベースの人体検知器を攻撃し、その後、衣服に貼り付けたテープを用いて物理的に実現した。 当社の攻撃は、セキュリティ強化を目的とした夜間監視システムに対する重要な信頼性上の懸念を浮き彫りにしている。 コードは利用可能: https://github.com/MyNiuu/AdvNIR

関連論文リスト

• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• IRSAM: Advancing Segment Anything Model for Infrared Small Target Detection [55.554484379021524]
  Infrared Small Target Detection (IRSTD) タスクは、自然画像と赤外線画像の間に顕著な領域ギャップがあるため、満足度の高い性能を達成するには不十分である。 IRSTDのためのIRSAMモデルを提案する。これはSAMのエンコーダデコーダアーキテクチャを改善し、赤外線小物体の特徴表現をより良く学習する。
  論文  参考訳（メタデータ） (2024-07-10T10:17:57Z)
• Towards Real-Time Fast Unmanned Aerial Vehicle Detection Using Dynamic Vision Sensors [6.03212980984729]
  無人航空機(UAV)は民間や軍事用途で人気を集めている。 UAVの予防と検出は、機密性と安全性を保証するために重要である。 本稿では,F-UAV-D(Fast Unmanned Aerial Vehicle Detector)を提案する。
  論文  参考訳（メタデータ） (2024-03-18T15:27:58Z)
• Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
  従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。 我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T08:29:19Z)
• 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)
• Drone Object Detection Using RGB/IR Fusion [1.5469452301122175]
  本研究では,AIRSimシミュレーションエンジンとCycleGANを用いて合成赤外線画像を作成する手法を開発した。 我々は、地上での物体検出のためにRGBとIR画像の融合に照明対応の融合フレームワークを利用する。 我々のソリューションは、実際のドローン上で動作するNVIDIA Jetson Xavier上に実装されており、RGB/IRイメージペアあたり28ミリ秒の処理が必要になります。
  論文  参考訳（メタデータ） (2022-01-11T05:15:59Z)
• All-Weather Object Recognition Using Radar and Infrared Sensing [1.7513645771137178]
  この論文は、物体を認識するために、長波偏光赤外線(IR)画像とイメージングレーダに基づく新しいセンシング開発を探求する。 まず、偏光赤外データを用いたストークスパラメータに基づく手法を開発し、深層ニューラルネットワークを用いた車両の認識を行った。 第2に、低THzレーダセンサで捉えたパワースペクトルのみを用いて、制御されたシナリオで物体認識を行う可能性について検討した。 最後に、悪天候下で車両を検出するレーダーロバスト性を示す多くの異なる気象シナリオを備えた、"ワイルド"に新しい大規模なデータセットを作成しました。
  論文  参考訳（メタデータ） (2020-10-30T14:16:39Z)
• Deep Learning-based Human Detection for UAVs with Optical and Infrared Cameras: System and Experiments [35.342730238802886]
  本稿では,光学(RGB)と長波赤外線(LWIR)カメラを用いた深層学習に基づく人体検知システムを提案する。 それぞれのスペクトルにおいて、ResNetバックボーンを備えたカスタマイズされたRetinaNetネットワークは、人間の検出を提供する。 境界ボックスアンカーを最適化し,画像解像度を向上することにより,高高度からの欠落検出数を20%以上削減できることを示す。
  論文  参考訳（メタデータ） (2020-08-10T15:30:42Z)
• Image Enhancement and Object Recognition for Night Vision Surveillance [0.0]
  従来のカメラを用いた夜間監視システムの性能は夜間に比べて非常に優れている。 夜間の監視の主な問題は、従来のカメラが捉えた物体が背景に対して低いコントラストを持つことである。 本稿では,異なる拡張アルゴリズムの実装後の分類精度を比較した。
  論文  参考訳（メタデータ） (2020-06-10T11:57:56Z)
• An Integrated Enhancement Solution for 24-hour Colorful Imaging [51.782600936647235]
  24時間屋外イメージングの現在の業界慣行は、近赤外線(NIR)照明を付加したシリコンカメラを使用することである。 その結果、昼間はコントラストが低く、夜間は色覚が欠如する。 そこで本研究では,日光の日中や夜間の夜間に鮮明な色画像を生成する,新規で統合された拡張ソリューションを提案する。
  論文  参考訳（メタデータ） (2020-05-10T05:11:34Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。