不法分子用針孔攝像頭違法偷拍的事兒，可以說是過段時間就上個新聞。
導致現在不少人出門住個酒店都要先用網上學來的方法查個遍，才能安心躺下。
然而像什么手機攝像頭檢測法、某寶上的檢測儀等費時費力，主要效果還不一定好……
現在，來自新加坡國立大學的研究員們又開發出了一種新方法，用一部手機加一個智能應用程序，就能實現近90%的精準檢測率。
真的嗎？來看。
一部手機+機器學習APP揪出針孔攝像頭
首先，手機不是普通的手機，是帶有ToF （Time of light，飛行時間）傳感器的手機。
所謂ToF傳感器，就是傳感器發出經調制的近紅外光，遇物體后反射，然后通過計算光線發射和反射時間差或相位差，獲得被拍攝景物的距離，以產生深度信息。
其測量范圍可達數米、精度小于2cm，每秒更新頻率可達30~60 fps。
可在手機上用于人臉識別、金融支付、攝像時精準摳像/探測景深、AR建模與體感游戲等。
現在有部分手機已經配有ToF傳感器，比如iPhone 13、iPhone 12 Pro、Samsung S20+/Ultra、華為P30 Pro、OPPO RX17 Pro等。
沒有的也別著急，未來會漸漸成為一種趨勢。
進入正題。
我們都知道，相比普通物體的“散射”，光線打在鏡頭這類物體上會形成強烈的逆反射，就像這樣：
一個更形象的比喻：
而ToF傳感器正好不僅能告訴你物體離攝像頭有多遠，還能反映圖像中每個像素有多亮。
那就好辦了，就比如下圖最右，通過適當距離的ToF傳感器反射，我們可以發現四個高亮點，而其中一個就是針孔攝像頭藏身之處。
但是，問題也來了，四個亮點長得差不多，憑什么說中間那個就是呢？
另外，如果傳感器和嫌疑物的距離太近或太遠，給出的成像會“糊”就會造成誤報，那又不知道嫌疑物到底在哪，怎么選擇一個理想位置進行檢測呢？
以及目前的ToF傳感器空間分辨率都非常低，只有240x320，這就導致一個針孔攝像頭的圖像可能就占1-2個像素；位深（bit-depth）也低，只能代表8種顏色，檢測難度直線上升，誤報率居高不下。
最后，嫌疑攝像頭反射的光只能在20°的視場角（FoV）范圍內可見，操作不當也會導致漏報。
好家伙，問題這么多，怎么解決？
這就得靠搭載了計算機視覺和機器學習的應用程序來幫忙了。
首先，使用手機攝像頭對準一些你嫌疑的對象，然后APP通過計算引導你和嫌疑對象保持合適的檢測距離（一般是20厘米）。
計算依據假定針孔攝像頭的直徑為1-2mm。
在掃描過程中，ToF傳感器的每一幀都給我們提供了激光強度圖像和深度圖像，程序將兩者結合，提取候選區域，然后根據物理知識和機器學習過濾掉形狀和距離基本不可能的選項。
接著將過篩的圖像通過坐標轉換從2D轉為3D，再通過FoV過濾器進行視場角過濾。
最終給出是否有針孔攝像頭的結論。
說了這么多，看看它的真本事吧。
88.9%的檢測率
研究人員一共提供了21件不含和9件含針孔攝像頭的物品進行測試。
每件物品用三種檢測方法：ToF手機/LAPD APP（也就是他們的方法）+一種叫做K18的市面檢測儀+裸眼。
后兩者需人為進行可疑攝像頭的標注，一共379名志愿者參與。
最終，他們的方法最高獲得了88.9%的準確率，以及最低16.7%的誤報率。
比K18檢測儀高了近30%。
并且，APP在實驗用的Samsung S20+可以連續運行2個半小時。
看到這兒，網友都坐不住了，紛紛喊話：什么時候上線應用程序，戳我啊！
好消息是，作者回應了：
代碼正在開源。
那么，你覺得這個方法如何？到時發布了你會試試嗎？
