論文の概要: Poster: Camera Tampering Detection for Outdoor IoT Systems

• arxiv url: http://arxiv.org/abs/2602.05706v1
• Date: Thu, 05 Feb 2026 14:30:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.973039
• Title: Poster: Camera Tampering Detection for Outdoor IoT Systems
• Title（参考訳）: Poster: 屋外IoTシステムのためのカメラタンパ検出
• Authors: Shadi Attarha, Kanaga Shanmugi, Anna Förster,
• Abstract要約: 本稿では,ルールベース法とディープラーニングベース法という,改ざんされた画像を検出するための2つの手法を提案する。 本研究の目的は, 精度, 計算要求, 学習に必要なデータの観点から, それぞれの手法がどのように機能するかを評価することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, the use of smart cameras in outdoor settings has grown to improve surveillance and security. Nonetheless, these systems are susceptible to tampering, whether from deliberate vandalism or harsh environmental conditions, which can undermine their monitoring effectiveness. In this context, detecting camera tampering is more challenging when a camera is capturing still images rather than video as there is no sequence of continuous frames over time. In this study, we propose two approaches for detecting tampered images: a rule-based method and a deep-learning-based method. The aim is to evaluate how each method performs in terms of accuracy, computational demands, and the data required for training when applied to real-world scenarios. Our results show that the deep-learning model provides higher accuracy, while the rule-based method is more appropriate for scenarios where resources are limited and a prolonged calibration phase is impractical. We also offer publicly available datasets with normal, blurred, and rotated images to support the development and evaluation of camera tampering detection methods, addressing the need for such resources.
• Abstract（参考訳）: 近年、監視とセキュリティを改善するために、屋外環境におけるスマートカメラの利用が増加している。 それでもこれらのシステムは、故意の破壊行為や厳しい環境条件など、監視効果を損なう恐れがある。 この文脈では、連続したフレームのシーケンスが時間とともに存在しないため、カメラがビデオではなく静止画像をキャプチャしている場合、カメラの改ざんを検出することがより困難である。 本研究では,ルールベース法とディープラーニングベース法という,改ざんされた画像を検出するための2つの手法を提案する。 本研究の目的は,実世界のシナリオに適用した場合の精度,計算要求,学習に必要なデータの観点から,各手法がどのように機能するかを評価することである。 提案手法は,資源が制限され,キャリブレーションの長期化が不可能なシナリオに対して,ルールベースの手法の方が適切であることを示す。 また、通常の、ぼやけた、回転した画像を公開して、カメラタンパ検出手法の開発と評価を支援し、そのようなリソースの必要性に対処する。

関連論文リスト

• Homography Estimation in Complex Topological Scenes [6.023710971800605]
  監視ビデオや画像は、交通分析から犯罪検出まで、幅広い用途に使用されている。 外部カメラキャリブレーションデータは、ほとんどの分析アプリケーションにとって重要である。 本稿では,任意のカメラ設定に関する事前知識を必要としない辞書ベースのアプローチを活用した自動カメラ校正プロセスを提案する。
  論文  参考訳（メタデータ） (2023-08-02T11:31:43Z)
• Deep Learning for Camera Calibration and Beyond: A Survey [100.75060862015945]
  カメラキャリブレーションでは、キャプチャされたシーケンスから幾何学的特徴を推測するために、カメラパラメータを推定する。 近年の取り組みでは,手動キャリブレーションの繰り返し作業に代えて,学習ベースのソリューションが活用される可能性が示唆されている。
  論文  参考訳（メタデータ） (2023-03-19T04:00:05Z)
• 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
  本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。 本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
  論文  参考訳（メタデータ） (2022-07-13T16:40:02Z)
• Monitoring and Adapting the Physical State of a Camera for Autonomous Vehicles [10.490646039938252]
  本稿では,データおよび物理モデルに基づくカメラの汎用的・タスク指向型自己維持フレームワークを提案する。 このフレームワークを現実世界の地上車両に実装し、カメラが粗悪な状況に対応するためにパラメータを調整できることを実証する。 われわれのフレームワークは、カメラの健康状態を監視し維持するための実用的なソリューションを提供するだけでなく、より高度な問題に対処するための拡張の基盤としても機能する。
  論文  参考訳（メタデータ） (2021-12-10T11:14:44Z)
• C^3Net: End-to-End deep learning for efficient real-time visual active camera control [4.09920839425892]
  スマートカメラ監視、スマート環境、ドローンなどのアプリケーションにおける自動化されたリアルタイムビジュアルシステムの必要性は、視覚的アクティブな監視と制御のための方法の改善を必要とする。 本稿では,視覚情報からカメラ運動へ直接移行する深層畳み込み型カメラ制御ニューラルネットワークを提案する。 カメラをコントロールし、生のピクセル値から複数のターゲットに従うために、ボックスアノテーションをバウンドすることなく、エンドツーエンドでトレーニングされる。
  論文  参考訳（メタデータ） (2021-07-28T09:31:46Z)
• Decoupled Appearance and Motion Learning for Efficient Anomaly Detection in Surveillance Video [9.80717374118619]
  我々は、純粋に教師なしの方法で正常な振る舞いを学習する新しいニューラルネットワークアーキテクチャを提案する。 我々のモデルは、関連するアプローチの16倍から45倍のフレームを毎秒処理できる。
  論文  参考訳（メタデータ） (2020-11-10T11:40:06Z)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)
• Learning Monocular Dense Depth from Events [53.078665310545745]
  イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。 最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。 本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-16T12:36:23Z)
• Robust and efficient post-processing for video object detection [9.669942356088377]
  この研究は、従来の後処理メソッドの制限を克服する、新しい後処理パイプラインを導入している。 本手法は,特に高速移動物体に関する最先端の映像検出器の結果を改善する。 そして、YOLOのような効率的な静止画像検出器に適用することで、より計算集約的な検出器に匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2020-09-23T10:47:24Z)

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。