論文の概要: Concealed Handgun Detection using WiFi Signals

• arxiv url: http://arxiv.org/abs/2610.18736v1
• Date: Tue, 13 Oct 2026 17:08:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:55:07.50694
• Title: Concealed Handgun Detection using WiFi Signals
• Title（参考訳）: WiFi信号を用いた着信手銃検出
• Abstract要約: WiFi信号から推定したチャネル状態情報を用いて隠れた拳銃を検出する。 本稿では,WiFire データセットと呼ぶ WiFi 信号と RGB 画像のデータセットを収集する。 また、WiFireNetと呼ばれる深層学習モデルを提案し、視覚に基づく監視信号を用いてWiFi信号の隠蔽拳銃を検出する。
• 参考スコア（独自算出の注目度）: 1.2744523252873352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While conventional camera-based surveillance systems and metal detectors can provide a sufficient level of security when used appropriately, they have fundamental limitations that reduce their applicability. Camera-based systems are unable to detect occluded or concealed threats and metal detectors require each person to enter through a narrow opening one at a time, leading to congestion issues and limited use in large crowds. A WiFi-based security system has the potential to be a complementary modality that is able to handle occlusions or concealment and is not hindered by strict spatial configurations. In this paper, we propose use Channel State Information estimated from WiFi-signals to detect concealed handguns. To this end we collect a dataset of aligned WiFi signals and RGB images that we call the WiFire dataset. We also propose a deep learning model called WiFireNet tailored to detect concealed handguns in WiFi signals using vision-based supervision signals. Our results show that concealed handgun detection is possible in WiFi and has promise as a complementary modality to surveillance cameras and metal detectors. We release the dataset, model and code to facilitate the further research into WiFi-based handgun detection.
• Abstract（参考訳）: 従来のカメラベースの監視システムや金属探知機は、適切に使用すると十分なレベルのセキュリティを提供することができるが、それらの適用性を減らすための基本的な制限がある。 カメラベースのシステムは、隠されたまたは隠された脅威を検出することができず、金属探知機は、各人が同時に狭い開口部に入る必要がある。 WiFiベースのセキュリティシステムは、オクルージョンや隠蔽を扱うことができ、厳密な空間構成によって妨げられるような相補的なモダリティを持つ可能性がある。 本稿では,WiFi信号から推定されるチャネル状態情報を用いて,隠蔽拳銃を検出することを提案する。 この目的のために、WiFireデータセットと呼ばれるWi-Fi信号とRGBイメージのデータセットを収集します。 また、WiFireNetと呼ばれる深層学習モデルを提案し、視覚に基づく監視信号を用いてWiFi信号の隠蔽拳銃を検出する。 この結果から,WiFiでは隠蔽拳銃検出が可能であり,監視カメラや金属探知機と相補的な手段として期待できることがわかった。 WiFiによる拳銃検出のさらなる研究を容易にするため、データセット、モデル、コードをリリースする。

関連論文リスト

• Stealth and Evasion in Rogue AP Attacks: An Analysis of Modern Detection and Bypass Techniques [0.0]
  このプロジェクトの目的は、ステルス対応のRogue APを設計し、オープンソースのNIDS/IPSであるSuricataに対する検出性を評価することである。 Wifipumpkin3を使って、研究チームは、接続されたデバイスからユーザーの認証情報を収集するキャプチャーポータルをうまく展開した。 本報告では,攻撃の実施,回避手法,および局所無線脅威検出における現在のNIDSソリューションの限界について述べる。
  論文  参考訳（メタデータ） (2025-12-11T09:45:48Z)
• Deciphering GunType Hierarchy through Acoustic Analysis of Gunshot Recordings [72.55205022155394]
  銃乱射事件や銃乱射事件は公共の安全にとって重大な脅威である。 現在の商用の銃弾検出システムは有効だが、しばしば禁止費用がかかる。 本研究は, ショット記録の音響解析を活用することで, 費用対効果について検討する。
  論文  参考訳（メタデータ） (2025-06-25T17:00:21Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
  銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。 実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。 我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
  論文  参考訳（メタデータ） (2023-03-19T16:17:35Z)
• mmSense: Detecting Concealed Weapons with a Miniature Radar Sensor [2.963928676363629]
  mmSenseは、人体に隠された金属物の存在を正確に検知できる、エンドツーエンドのポータブルなリアルタイムシステムだ。 mmSenseは、データ取得のためにGoogleのSoliセンサーによって提供されるミリ波レーダー技術と、19ミリ秒で単一のレーダーデータフレームを処理できるリアルタイムニューラルネットワークであるTransDopeを備えています。
  論文  参考訳（メタデータ） (2023-02-28T15:06:03Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• Forgery Attack Detection in Surveillance Video Streams Using Wi-Fi Channel State Information [20.815889839515087]
  サイバーセキュリティ違反は 監視ビデオストリームを 偽造攻撃に暴露する 従来のビデオ法医学のアプローチは、比較的長いビデオクリップの空間時間解析を用いてトレースをローカライズすることができる。 監視とWi-Fiインフラの広汎な共存を生かしたSecure-Poseを提案する。 Secure-Poseは98.7%の高い検出精度を達成し、再生および改ざん攻撃中の異常物体を局所化する。
  論文  参考訳（メタデータ） (2022-01-24T06:51:03Z)
• Learning to Detect Open Carry and Concealed Object with 77GHz Radar [7.608789301874509]
  本稿では,搬送物体検出問題に対して,77GHzmm波レーダを用いた比較的未探索領域に着目した。 提案システムでは, ノートパソコン, 電話, ナイフの3種類の物体を, 空き荷物や隠蔽ケースでリアルタイムに検出できる。 このシステムは77GHzレーダーによる搬送物体の検出を目的とした、他の将来の研究のための最初のベースラインとなる。
  論文  参考訳（メタデータ） (2021-10-31T17:33:28Z)
• A Gun Detection Dataset and Searching for Embedded Device Solutions [1.2149550080095914]
  我々は,51Kのアノテートガン画像と,51Kのトリミングガンチップ画像を用いた銃分類データセットを公表した。 我々の知る限り、これは銃検出研究の最大のデータセットである。 また,組込みエッジデバイス(カメラ)における銃検出ソリューションの探索や,クラウドサーバ上での銃・銃の分類についても検討した。
  論文  参考訳（メタデータ） (2021-05-03T17:58:45Z)

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。