针孔摄像头屡禁不止？用你手机自带的ToF传感器对付它，检测成功率近90%

丰色 发自 凹非寺
量子位 报道 | 公众号 QbitAI

不法分子用针孔摄像头非法偷拍的事，可以说是过了一段时间就上新闻了。

结果现在很多人出门住酒店都要先用网上学的方法查一遍，才能安心躺下。

然而，手机摄像头检测方法和宝藏上的探测器主要需要时间和精力效果不一定好……

现在，新加坡国立大学的研究人员开发了一种新的方法，用手机加智能应用程序，就能实现近90%精确检测率。

真的吗？来看看。

一部手机 机器学习APP找出针孔摄像头

首先，手机不是普通手机，而是有的ToF（Time of light，飞行时间）传感器的手机。

△论文来自ACM Sensys 2021 智能传感系统会议

所谓ToF传感器是传感器发出调制的近红外光，遇到物体后反射，然后计算光发射和反射的时差或相位差，获得拍摄景物的距离，以产生深度信息。

测量范围可达数米，精度小于2cm，每秒更新频率可达300~60 fps。

可用于人脸识别、脸识别、财务支付、摄像机精确挖掘/探测景深、AR建模和体感游戏等。

现在有些手机已经配备了ToF例如，传感器iPhone 13、iPhone 12 Pro、Samsung S20 /Ultra、华为P30 Pro、OPPO RX17 Pro等。

不用担心，未来会逐渐成为一种趋势。

进入正题。

众所周知，与普通物体的散射相比，光线在镜头等物体上会形成强烈的反射，如此：

一个更生动的比喻:

而ToF传感器不仅能告诉你物体离摄像头有多远，它还可以反映图像中的每个像素有多亮。

那就好办了，比如下图最右，通过适当的距离ToF在传感器反射中，我们可以发现四个亮点，其中一个是针孔摄像头的藏身之处。

但是，问题也来了，四个亮点长得差不多，凭什么说中间那个就是呢？

另外，如果传感器和嫌疑人之间的距离太近或太远，给出的成像会粘贴，导致误报，不知道嫌疑人在哪里，如何选择理想的检测位置？

以及目前的ToF传感器空间分辨率很低，只有240x320，这导致针孔摄像头图像可能占1-2个像素；位深（bit-depth）也低，只能代表8种颜色，检测难度直线上升，误报率居高不下。

最后，嫌疑摄像头反射的光只能在20°的视场角（FoV）可见，操作不当也会导致漏报。

好家伙，问题这么多，怎么解决？

这就得靠应用程序配备了计算机视觉和机器学习来帮忙了。

首先，用手机摄像头对准一些你怀疑的对象，然后用手机摄像头对准一些你怀疑的对象APP引导您与嫌疑人保持适当的检测距离(一般为20cm)。

假设针孔摄像头直径为1-2mm。

在扫描过程中，ToF传感器的每一帧都为我们提供了激光强度图像和深度图像程序将两者结合起来，提取候选区域，然后根据物理知识和机器学习过滤掉形状和距离。

然后通过坐标从2转换过滤图像D转为3D，再通过FoV过滤器进行视角过滤。

最后给出是否有针孔摄像头的结论。

说了这么多，看看它的真本事。

88.9%的检测率

研究人员共同提供21件不含和9件含针孔摄像头测试物品。

每件物品有三种检测方法：ToF手机/LAPD APP(也就是他们的方法) 一种叫做K18市场检测仪 裸眼。

后两者需要人工标记可疑摄像头，共有379名志愿者参与。

最终，他们的方法最高获得了88.准确率9%，最低16%.7%的误报率。

比K18检测仪高了近30%。

并且，APP在实验用的Samsung S20 可连续运行2个半小时。

看到这里，网友们坐不住了，纷纷喊道：在线应用程序什么时候，戳我！

好消息是，作者回应了：

开源代码。

那你觉得这个方法怎么样？到时候你会试试吗？

论文原文：
https://dl.acm.org/doi/10.1145/3485730.3485941

参考链接：
[1]https://www.youtube.com/watch?v=t4Txdhlji4k
[2]https://news.ycombinator.com/item?id=29267168