买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息技术研究院申请的专利一种基于多示例学习的隐蔽摄像头发现方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118741233B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410851786.1，技术领域涉及：H04N21/442；该发明授权一种基于多示例学习的隐蔽摄像头发现方法及系统是由伍京;王新刚;张婧;张景春;陆麟设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本一种基于多示例学习的隐蔽摄像头发现方法及系统在说明书摘要公布了：本发明公开一种基于多示例学习的隐蔽摄像头发现方法及系统，对环境内的所有WiFi信号进行嗅探抓取视频流量，提取视频流量特征向量，使用视频流识别模型M1，识别出环境内包含视频流的WiFi报文，获取对应的源MAC地址集合，将MAC地址标记为可能的隐蔽摄像头设备，每个MAC地址对应的实时报文作为输入，提取报文特征向量组合成多示例的特征向量序列，通过摄像头流量发现模型识别出该MAC地址的上行流量有无突发视频流量通过人为移动的方式触发突发视频流量，由摄像头流量发现模型确定当前区域有无隐蔽摄像头正在拍摄，并输出隐蔽摄像头的MAC地址集合。本发明将多示例学习模型用于隐蔽摄像头发现，通过引入人体移动导致突发视频流量包含多示例特征，提高隐蔽摄像头发现的准确性。

本发明授权一种基于多示例学习的隐蔽摄像头发现方法及系统在权利要求书中公布了：1.一种基于多示例学习的隐蔽摄像头发现方法，其特征在于，包括以下步骤： 步骤1、嗅探设备开启混淆模式，使用空口抓包方法对环境内的所有WiFi信号进行嗅探，并对2.4g频段下所有的频道进行扫描，抓取一定时间段内的流量，并从抓取到的流量报文中提取视频流特征向量； 步骤2、基于决策树构建的视频流识别模型M1，将视频流特征向量输入视频流识别模型M1，通过视频流识别模型M1识别出环境内包含视频流的WiFi报文，获取对应的源MAC地址集合CS1，并将源MAC地址集合CS1中的MAC地址标记为可能的隐蔽摄像头设备；视频流识别模型M1的构建方法为： 步骤A、构建训练集，即采集摄像头与非摄像头流量，并基于已知MAC地址及实际设备类型对其所属类别进行标记； 步骤B、训练分类模型，即将训练集导入已初始化的决策树分类模型中，并基于模型预测结果与实际结果之间的偏差计算信息增益，进而对决策树模型进行优化，最终构建最优的决策树分类模型； 步骤C、优化模型，即对步骤B所得最优的决策树分类模型进行后剪枝优化； 步骤3、将源MAC地址集合CS1中每个MAC地址对应的实时报文作为输入，使用滑动窗口方法，以5秒为一个窗口，提取报文特征向量，并组合成多示例的特征向量序列Vseq，再通过基于多示例的摄像头流量发现模型M2，识别出该MAC地址的上行流量有无突发视频流量；基于多示例的摄像头流量发现模型M2的构建方法为： 步骤A、采集训练数据，将无移动行为的摄像头流量作为负示例包数据，将存在移动行为的摄像头流量作为正示例包； 步骤B、设计模型架构 基于输入的无线流量数据构建多示例包，后续的分类网络由三个全连接层、一个池化层和一个激活层组成；全连接层提取示例级别的特征表示向量，随后基于池化层对整个示例包级别的特征表示进行学习，最终激活层基于获得的示例包级别的表示向量计算分类结果，由此实现隐蔽摄像头定位的包分类问题； 采用下述公式对模型进行描述： 1 其中，代表第层提取的特征向量，i为示例包编号，j为其内的示例编号，代表第i个示例包的分类结果，L为模型的最大层数，为模型的第层全连接层，为模型最后的计算层，包含一个MIL池化层和最终的激活层； 步骤4、用户通过人为移动的方式触发突发视频流量，系统获取用户移动的开始和结束时间，并同时对比该时间区间内摄像头流量发现模型M2的输出结果，来判断当前区域有无隐蔽摄像头正在拍摄，如果确定有隐蔽摄像头正在拍摄，则输出隐蔽摄像头数量以及每个隐蔽摄像头的MAC地址，得到隐蔽摄像头的MAC地址集合CS2。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息技术研究院，其通讯地址为：210036 江苏省南京市鼓楼区浦江路23号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。