特表 2023-547837 ビデオ監視デバイスを検出するための方法および電子デバイス

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-11-14

(54)【発明の名称】ビデオ監視デバイスを検出するための方法および電子デバイス

(51)【国際特許分類】

   G06N 20/00 20190101AFI20231107BHJP

   H04W 8/00 20090101ALI20231107BHJP

   H04W 84/12 20090101ALI20231107BHJP

   H04W 12/12 20210101ALI20231107BHJP

   G06N 3/08 20230101ALI20231107BHJP

   G06N 3/04 20230101ALI20231107BHJP

【ＦＩ】

G06N20/00

H04W8/00 110

H04W84/12

H04W12/12

G06N3/08

G06N3/04

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2023524203

(86)(22)【出願日】2021-09-09

(85)【翻訳文提出日】2023-05-31

(86)【国際出願番号】 CN2021117445

(87)【国際公開番号】W WO2022083345

(87)【国際公開日】2022-04-28

(31)【優先権主張番号】202011124425.5

(32)【優先日】2020-10-20

(33)【優先権主張国・地域又は機関】CN

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＢＬＵＥＴＯＯＴＨ

２．ＡＮＤＲＯＩＤ

３．ＷＣＤＭＡ

(71)【出願人】

【識別番号】503433420

【氏名又は名称】華為技術有限公司

【氏名又は名称原語表記】ＨＵＡＷＥＩ ＴＥＣＨＮＯＬＯＧＩＥＳ ＣＯ．，ＬＴＤ．

【住所又は居所原語表記】Ｈｕａｗｅｉ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ Ｂｕｉｌｄｉｎｇ， Ｂａｎｔｉａｎ， Ｌｏｎｇｇａｎｇ Ｄｉｓｔｒｉｃｔ， Ｓｈｅｎｚｈｅｎ， Ｇｕａｎｇｄｏｎｇ ５１８１２９， Ｐ．Ｒ． Ｃｈｉｎａ

(74)【代理人】

【識別番号】100110364

【弁理士】

【氏名又は名称】実広 信哉

(74)【代理人】

【識別番号】100133569

【弁理士】

【氏名又は名称】野村 進

(72)【発明者】

【氏名】黄 ▲慶▼超

(72)【発明者】

【氏名】▲龍▼ 水平

【テーマコード（参考）】

5K067

【Ｆターム（参考）】

5K067AA30

5K067EE02

5K067EE10

(57)【要約】

本出願は、ビデオ監視デバイスを検出するための方法および電子デバイスを提供する。方法において、電子デバイスは、電子デバイスの周りのアクセスポイントに関する情報に基づいて、チャネルの信号強度が予め設定された閾値以上であり、かつ／またはチャネルが、周波数帯域が2．4GHz周波数帯域であるチャネルである、ターゲット検出チャネルを決定し、チャネル上でターゲットデバイスに対応するトラフィックデータを取得し、トラフィックデータおよび検出モデルに基づいて、ターゲットデバイスがビデオ監視デバイスであるかどうかを決定する。本出願で提供される解決策は、ビデオ監視デバイス検出の包括性および正確さを向上させ、それによってユーザプライバシー侵害イベントの発生を低減し、ユーザプライバシーセキュリティを保証することができる。

【特許請求の範囲】

【請求項1】

ビデオ監視デバイスを検出するための方法であって、前記方法は電子デバイスに適用され、
前記電子デバイスの周りのアクセスポイントに関する情報に基づいて第1のターゲット検出チャネルを決定するステップであって、前記第1のターゲット検出チャネルが、信号強度が第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである、ステップと、
前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップであって、前記第1のターゲットトラフィックデータが第1のターゲットデバイスに対応する、ステップと、
前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップであって、前記検出モデルが第1の機械学習モデルまたは第1の深層学習モデルを含む、ステップと
を含む、方法。

【請求項2】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
予め設定された持続時間内に取得された前記第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値以上である場合、前記第1のターゲットデバイスが存在すると決定するステップ
をさらに含む、請求項1に記載の方法。

【請求項3】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
予め設定された持続時間内に取得された前記第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値未満である場合、前記第1のターゲットデバイスは存在しないと決定するステップと、
第2のターゲット検出チャネル上で第2のターゲットトラフィックデータを取得するステップであって、前記第2のターゲットトラフィックデータが第2のターゲットデバイスに対応し、前記第2のターゲット検出チャネルが、信号強度が前記第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである、ステップと、
前記第2のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第2のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
をさらに含む、請求項1に記載の方法。

【請求項4】

前記方法は、
決定結果が、前記第1のターゲットデバイスは前記ビデオ監視デバイスである、である場合、局所領域の光強度を変更するステップと、
第3のターゲットトラフィックデータを取得するステップであって、前記第3のターゲットトラフィックデータが、第1の光強度下での前記第1のターゲットデバイスのトラフィックデータである、ステップと、
第4のターゲットトラフィックデータを取得するステップであって、前記第4のターゲットトラフィックデータが、第2の光強度下での前記第1のターゲットデバイスのトラフィックデータである、ステップと、
前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別するステップであって、前記位置特定モデルが第2の機械学習モデルまたは第2の深層学習モデルを含む、ステップと
をさらに含む、請求項1から3のいずれか一項に記載の方法。

【請求項5】

前記第3のターゲットトラフィックデータは、前記電子デバイスの光源が予め設定された方向と整列されており、前記光源がオンタイムウィンドウ内にあるときに収集されるトラフィックデータであり、
前記第4のターゲットトラフィックデータは、前記光源が前記予め設定された方向と整列されており、前記光源がオフタイムウィンドウ内にあるときに収集されるトラフィックデータ、または前記光源が前記予め設定された方向と整列されていないときに収集されるトラフィックデータである、
請求項4に記載の方法。

【請求項6】

前記第2の機械学習モデルまたは前記第2の深層学習モデルは、収集された第1の肯定的なサンプルデータおよび第1の否定的なサンプルデータを訓練することによって取得され、
前記第1の肯定的なサンプルデータは、前記電子デバイスがオンタイムウィンドウ内にあり、前記電子デバイスの前記光源が既知のビデオ監視デバイスと整列されているときに生成されるデータであり、前記第1の否定的なサンプルデータは、前記電子デバイスがオフタイムウィンドウ内にあるか、もしくは前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成されるデータであるか、または
前記第1の肯定的なサンプルデータは、前記電子デバイスがオフタイムウィンドウ内にあるか、もしくは前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成されるデータであり、前記第1の否定的なサンプルデータは、前記電子デバイスがオンタイムウィンドウ内にあり、前記光源が前記既知のビデオ監視デバイスと整列されているときに生成されるデータである、
請求項4または5に記載の方法。

【請求項7】

前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別する前記ステップは、
前記第1のターゲットデバイスに対応しており、M個の期間の各々のオンタイムウィンドウ内およびオフタイムウィンドウ内にあるターゲットトラフィックデータを取得するために、前記第3のターゲットトラフィックデータおよび前記第4のターゲットトラフィックデータに対してサンプルセグメント化を行うステップと、
前記第1のターゲットデバイスに対応しており、前記M個の期間の各々にある前記ターゲットトラフィックデータをm1個のトラフィックデータグループおよびm2個のトラフィックデータグループに別々にセグメント化するステップであって、前記m1個のトラフィックデータグループが前記オンタイムウィンドウ内のデータであり、前記m2個のトラフィックデータグループが前記オフタイムウィンドウ内のデータであり、m1とm2が両方とも1以上の正の整数である、ステップと、
各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの信頼度を取得するために、第1のターゲット情報を前記位置特定モデルに入力するステップであって、前記第1のターゲット情報が、各期間内の前記m1個のトラフィックデータグループの固有ベクトルおよび前記m2個のトラフィックデータグループの固有ベクトルであるか、または前記第1のターゲット情報が各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループである、ステップと、
各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの前記信頼度ならびに第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別するステップと、
前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプによって形成される第1のシーケンスおよび前記電子デバイスの前記光源がオンタイムウィンドウ内またはオフタイムウィンドウ内にあるときに形成される第2のシーケンスに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別するステップと
を含む、請求項6に記載の方法。

【請求項8】

前記位置特定モデルが前記第2の機械学習モデルである場合、前記第1のターゲット情報は、各期間内の前記m1個のトラフィックデータグループの前記固有ベクトルおよび前記m2個のトラフィックデータグループの前記固有ベクトルであり、そうではなく
前記位置特定モデルが前記第2の深層学習モデルである場合、前記第1のターゲット情報は、各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループである、
請求項7に記載の方法。

【請求項9】

前記m1個のトラフィックデータグループの前記固有ベクトルまたは前記m2個のトラフィックデータグループの前記固有ベクトルは、
トラフィックレート離散フーリエ変換係数、パケット長関連の統計的特徴、持続時間関連の統計的特徴、およびデータフレーム到来時間関連の統計的特徴
の各ベクトルのうちの少なくとも1つを含む、請求項7または8に記載の方法。

【請求項10】

各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの前記信頼度ならびに第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別する前記ステップは、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別するステップ、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別するステップであって、m3が、各期間内の前記m1個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値以上であるトラフィックデータグループの数であり、m4が、各期間内の前記m1個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値未満であるトラフィックデータグループの数であり、m5が、各期間内の前記m2個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値以上であるトラフィックデータグループの数であり、m6が、各期間内の前記m2個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値未満であるトラフィックデータグループの数である、ステップ
を含む、請求項7から9のいずれか一項に記載の方法。

【請求項11】

前記第1の肯定的なサンプルデータが、前記電子デバイスが前記オンタイムウィンドウ内にあり、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されているときに生成されるデータである場合、前記第1の否定的なサンプルデータは、前記電子デバイスが前記オフタイムウィンドウ内にあるか、または前記光源が既知のビデオ監視デバイスと整列されていないときに生成される前記データであり、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
前記M個の期間内のm1個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値以上である場合、前記m1個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと、
前記M個の期間内のm2個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値未満である場合、前記m2個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと
を含むか、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
m3≧m4かつm5≦m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ、または
m3＜m4かつm5≦m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ
を含む、請求項10に記載の方法。

【請求項12】

前記第1の肯定的なサンプルデータが、前記電子デバイスが前記オフタイムウィンドウ内にあるか、または前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データである場合、前記第1の否定的なサンプルデータは、前記電子デバイスが前記オンタイムウィンドウ内にあり、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されているときに生成される前記データであり、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
前記M個の期間内のm1個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値未満である場合、前記m1個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと、
前記M個の期間内のm2個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値以上である場合、前記m2個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと
を含むか、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
m3≧m4かつm5≧m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ、または
m3＜m4かつm5≧m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ
を含む、請求項10に記載の方法。

【請求項13】

前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプによって形成される第1のシーケンスおよび前記電子デバイスがオンタイムウィンドウ内またはオフタイムウィンドウ内にあるときに形成される第2のシーケンスに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別する前記ステップは、
前記第1のシーケンスと前記第2のシーケンスとの間の相関係数が第4の予め設定された閾値以上である場合、前記第1のターゲットデバイスは、前記電子デバイスの前記光源が整列されている前記予め設定された方向に位置されること、または
前記第1のシーケンスと前記第2のシーケンスとの間の相関係数が第4の予め設定された閾値未満である場合、前記第1のターゲットデバイスは、前記電子デバイスの前記光源が整列されている前記予め設定された方向に位置されないこと、
を含む、請求項7から12のいずれか一項に記載の方法。

【請求項14】

前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別する前記ステップは、
前記電子デバイスの移動軌跡、前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および前記位置特定モデルに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別するステップであって、前記移動軌跡が、前記電子デバイスを現在の環境内の各方向と別々に順次に整列させることによって形成される軌跡である、ステップ
を含む、請求項4から13のいずれか一項に記載の方法。

【請求項15】

前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記第1のターゲットトラフィックデータをn個のトラフィックデータグループにセグメント化するステップであって、nが1以上の正の整数である、ステップと、
前記n個のトラフィックデータグループの信頼度を取得するために、第2のターゲット情報を前記検出モデルに入力するステップであって、前記第2のターゲット情報が、前記n個のトラフィックデータグループの固有ベクトルまたは前記n個のトラフィックデータグループである、ステップと、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
を含む、請求項1から14のいずれか一項に記載の方法。

【請求項16】

前記検出モデルが前記第1の機械学習モデルである場合、前記第2のターゲット情報は前記n個のトラフィックデータグループの前記固有ベクトルであり、そうではなく
前記検出モデルが前記第1の深層学習モデルである場合、前記第2のターゲット情報は前記n個のトラフィックデータグループである、
請求項15に記載の方法。

【請求項17】

前記n個のトラフィックデータグループの前記固有ベクトルは、
前記n個のトラフィックデータグループのパケット長関連の統計的特徴、前記n個のトラフィックデータグループの持続時間関連の統計的特徴、前記n個のトラフィックデータグループの到来時間関連の統計的特徴、前記n個のトラフィックデータグループの瞬間トラフィック帯域幅、前記n個のトラフィックデータグループのデータレート関連の統計的特徴、および前記n個のトラフィックデータグループのデータレートの時間周波数パターン関連のテクスチャ特徴
の各ベクトルのうちの少なくとも1つを含む、請求項15または16に記載の通信方法。

【請求項18】

前記検出モデルは、第2の肯定的なサンプルトラフィックデータおよび第2の否定的なサンプルトラフィックデータを訓練することによって取得され、
前記第2の肯定的なサンプルトラフィックデータが既知のビデオ監視デバイスを訓練することによって生成されるトラフィックデータである場合、前記第2の否定的なサンプルトラフィックデータは、非ビデオ監視デバイスを訓練することによって生成されるトラフィックデータであり、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値以上である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値未満である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではないこと、または
n1≧n2の場合、前記第1のターゲットデバイスはビデオ監視デバイスであり、そうではなく
n1＜n2の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではなく、
n1が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値以上であるトラフィックデータグループの数であり、n2が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値未満であるトラフィックデータグループの数であること
を含む、請求項15から17のいずれか一項に記載の方法。

【請求項19】

前記検出モデルは、第2の肯定的なサンプルトラフィックデータおよび第2の否定的なサンプルトラフィックデータを訓練することによって取得され、
前記第2の肯定的なサンプルトラフィックデータが非ビデオ監視デバイスを訓練することによって生成されるトラフィックデータである場合、前記第2の否定的なサンプルトラフィックデータは、既知のビデオ監視デバイスを訓練することによって生成されるトラフィックデータであり、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値未満である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値以上である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではないこと、または
n3≧n4の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
n3＜n4の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではなく、
n3が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値未満であるトラフィックデータグループの数であり、n4が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値以上であるトラフィックデータグループの数であること
を含む、請求項15から17のいずれか一項に記載の方法。

【請求項20】

前記方法は、
前記第1のターゲットトラフィックデータの第1のMAC層情報を取得するステップと、
第5のターゲットトラフィックデータおよび第6のターゲットトラフィックデータを取得するために、前記第1のMAC層情報に基づいて前記第1のターゲットトラフィックデータに対してトラフィック分割を行うステップであって、前記第5のターゲットトラフィックデータおよび前記第6のターゲットトラフィックデータが第3のターゲットデバイスおよび第4のターゲットデバイスにそれぞれ対応する、ステップと
をさらに含み、
前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記第5のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第3のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと、
前記第6のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第4のターゲットデバイスがビデオ前記監視デバイスであるかどうかを決定するステップと
を含む、請求項1から19のいずれか一項に記載の方法。

【請求項21】

ターゲット検出チャネルリストは第2のターゲット検出チャネルを含み、前記第2のターゲット検出チャネルは、信号強度が前記第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルであり、
前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
前記第2のターゲット検出チャネル上で第2のターゲットトラフィックデータを取得するステップであって、前記第2のターゲットトラフィックデータが第2のターゲットデバイスに対応する、ステップと、
前記第2のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第2のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
をさらに含む、請求項1から20のいずれか一項に記載の方法。

【請求項22】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの前に、前記方法は、
前記電子デバイスのWi－Fiチップの動作モードを監視モードに設定するステップ
をさらに含む、請求項1から21のいずれか一項に記載の方法。

【請求項23】

1つまたは複数のプロセッサと、
1つまたは複数のメモリと
を備える、電子デバイスであって、
前記1つまたは複数のメモリが1つまたは複数のコンピュータプログラムを記憶し、前記1つまたは複数のコンピュータプログラムが命令を含み、前記命令が前記1つまたは複数のプロセッサによって実行されると、前記電子デバイスが、請求項1から22のいずれか一項に記載の方法を行うことを可能にされる、
電子デバイス。

【請求項24】

チップシステムであって、前記チップシステムは少なくとも1つのプロセッサを備え、プログラム命令が前記少なくともプロセスで実行されると、請求項1から22のいずれか一項に記載の方法の機能が電子デバイス上に実装される、チップシステム。

【請求項25】

コンピュータ命令を含むコンピュータ記憶媒体であって、前記コンピュータ命令が電子デバイス上で実行されると、前記電子デバイスが、請求項1から22のいずれか一項に記載の方法を行うことを可能にされる、コンピュータ記憶媒体。

【請求項26】

コンピュータプログラム製品であって、前記コンピュータプログラム製品がコンピュータ上で動作すると、前記コンピュータが、請求項1から22のいずれか一項に記載の方法を行うことを可能にされる、コンピュータプログラム製品。

【発明の詳細な説明】

【技術分野】

【0001】

本出願は、2020年10月20日に中国国家知識産権局に出願された「METHOD FOR DETECTING VIDEO SURVEILLANCE DEVICE AND ELECTRONIC DEVICE」と題する中国特許出願第202011124425．5号の優先権を主張するものであり、同出願は参照によりその全体が本明細書に組み入れられる。

【0002】

本出願は、ビデオ監視デバイス検出技術の分野に関し、特に、ビデオ監視デバイスを検出するための方法および電子デバイスに関する。

【背景技術】

【0003】

近年、賃貸住宅やホテルなどの場所で盗撮が頻繁に発生しており、関連する記事が絶えず報道されている。電子商取引プラットフォーム上の盗撮製品の検索結果および関連する調査から、現在、ピンホールカメラの改造が日常製品に浸透しており、秘密の改造手段を使用していることが知見されうる。これは、我々のプライバシーセキュリティに大きなリスクをもたらす。JingdongおよびTaobaoでのマイクロ監視カメラの検索結果によれば、96％を超える売上上位100台のビデオ監視デバイスが、ワイヤレスフィデリティ（wireless fidelity、Wi－Fi）無線接続をサポートしている。

【0004】

前述の問題を考慮すると、1つの解決策はハードウェアベースの解決策である。特定のハードウェアデバイスが、ビデオ監視デバイス（例えば、ピンホールカメラ）を検出するためか、またはビデオ監視デバイスを検出するために、ビデオ監視デバイスの動作プロセスにおける特徴信号、例えば、ビデオ監視デバイスのレンズの反射特徴や、動作プロセスにおけるビデオ監視デバイスの発熱特徴や、ビデオ監視デバイスの動作プロセスで生成された無線電磁波信号の特徴を検出するために使用される。別の解決策は、ビデオ監視デバイスを検出するために、能動的検出技術を使用することによってターゲットデバイスの応答情報を取得し、応答情報からデバイス指紋を抽出し、サーバ内のデバイス指紋ライブラリに基づいてデバイスのタイプを識別するという技術的思想を有するソフトウェアアルゴリズムベースの解決策である。

【0005】

ハードウェアベースの解決策は以下を含む：（1）SpyFinder検出器は、6つの高輝度赤色発光ダイオード（light emitting diode、LED）によって形成されたフラッシュアレイを含む携帯型ピンホールカメラ検出装置であり、フラッシュアレイが起動された後に部屋全体がスキャンされ、ユーザは、カメラを検出し発見するために、のぞき窓を通して赤色反射スポットを観察する。（2）ビデオ監視デバイスが長時間動作した後、局所領域の温度が上昇する。部屋の空間全体をスキャンするためにサーマルイメージャが使用されることができ、疑わしい熱源が見つけられた後でビデオ監視デバイスがあるかどうかがさらにチェックされる。（3）ビデオ監視デバイスは、赤外線熱画像識別および無線電磁波信号を介して検出される。

【0006】

しかしながら、前述のハードウェアベースの解決策は追加のコストを必要とし、ハードウェアが端末デバイスに統合されることは現在困難であり、カメラの鏡面反射特徴、または監視デバイスの発熱特徴、または無線電磁波信号に基づいてビデオ監視デバイスが検出されるときに多くの干渉が発生し、誤検出率と検出漏れ率の両方が高い。これはユーザ体験を低下させる。

【0007】

ソフトウェアベースの解決策は以下を含む：検出を実行する携帯電話が無線ネットワークに接続され、現在のローカルエリアネットワーク内の稼働中デバイスのリストを取得し、既存のポートリストまたはスキャン手段を使用することによってターゲットデバイスのポートリストを取得し、ターゲットデバイスに対してポート検出を行い、ポート検出の応答情報からデバイスキーワードを抽出し、サーバ内のデバイス指紋データベースに基づいてデバイスのタイプを識別する。

【0008】

しかしながら、ソフトウェアベースの解決策の技術原理は、ネットワーク空間内のデバイスのタイプを識別することであり、検出デバイスは、ビデオ監視デバイスが位置される無線ネットワークに接続される必要がある。アクセス許可のないネットワークまたは隠れた無線ネットワークのためのデバイス検出能力はない。加えて、デバイスのタイプは、サーバ内のデバイス指紋データベースに基づいて識別され、デバイス指紋ライブラリの完全性が、デバイスタイプ識別の精度に影響を及ぼす。

【発明の概要】

【課題を解決するための手段】

【0009】

本出願は、さらなるハードウェアモジュールを追加することなく、かつビデオ監視デバイスが位置されるネットワークにアクセスすることなくビデオ監視デバイスを検出するために、ビデオ監視デバイスを検出するための方法および電子デバイスを提供する。これは、ビデオ監視デバイス検出の包括性および正確さを向上させ、それによってユーザプライバシー侵害イベントの発生を低減し、ユーザプライバシーセキュリティを保証することができる。

【0010】

第1の態様によれば、ビデオ監視デバイスを検出するための方法が提供される。方法は、電子デバイスに適用され、電子デバイスの周りのアクセスポイントに関する情報に基づいて第1のターゲット検出チャネルを決定するステップであって、第1のターゲット検出チャネルが、信号強度が第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである、ステップと、ターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップであって、第1のターゲットトラフィックデータが第1のターゲットデバイスに対応する、ステップと、第1のターゲットトラフィックデータおよび検出モデルに基づいて、第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップであって、検出モデルが第1の機械学習モデルまたは第1の深層学習モデルを含む、ステップと、を含む。

【0011】

本出願で提供されるビデオ監視デバイスを検出するための方法によれば、第1のターゲット検出チャネル上で取得された第1のターゲットトラフィックデータおよび検出モデルに基づいて、第1のターゲットトラフィックデータに対応する第1のターゲットデバイスがビデオ監視デバイスであるかどうかが決定されるので、ビデオ監視デバイスは、さらなるハードウェアモジュールを追加することなく検出されることができ、ビデオ監視デバイスは、ビデオ監視デバイスが位置されるネットワークにアクセスすることなく検出されることができる。これは、ビデオ監視デバイス検出の包括性および正確さを向上させ、それによってユーザプライバシー侵害イベントの発生を低減することができる。

【0012】

第1の態様に関連して、いくつかの可能な実装形態では、第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップの後に、方法は、予め設定された持続時間内に取得された第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値以上である場合、少なくとも1つの第1のターゲットデバイスが存在すると決定するステップ、をさらに含む。

【0013】

本出願の実施形態で提供される解決策によれば、予め設定された持続時間内に電子デバイスによって取得された第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値以上であるとき、第1のターゲットデバイスが存在すると決定され、第1のターゲットデバイスがビデオ監視デバイスであるかどうかが決定される。これは、電子デバイスによってビデオ監視デバイスを検出するための持続時間を短縮し、検出効率を向上させることができる。

【0014】

第1の態様に関連して、いくつかの可能な実装形態では、第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップの後に、方法は、予め設定された持続時間内に取得された第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値未満である場合、第1のターゲットデバイスは存在しないと決定するステップと、第2のターゲット検出チャネル上で第2のターゲットトラフィックデータを取得するステップであって、第2のターゲットトラフィックデータが第2のターゲットデバイスに対応し、第2のターゲット検出チャネルが、信号強度が第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである、ステップと、第2のターゲットトラフィックデータおよび検出モデルに基づいて、第2のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップと、をさらに含む。

【0015】

本出願の実施形態で提供される解決策によれば、予め設定された持続時間内に電子デバイスによって取得された第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値未満であるとき、第1のターゲットデバイスは存在しないと決定され、第2のターゲットデバイスに対応する第2のターゲットトラフィックデータが取得されることができ、第2のターゲットデバイスがビデオ監視デバイスであるかどうかは、第2のターゲットトラフィックデータおよび検出モデルに基づいて決定されることができる。これは、電子デバイスによってビデオ監視デバイスを検出するための持続時間を短縮し、検出効率を向上させることができる。

【0016】

第1の態様に関連して、いくつかの可能な実装形態では、方法は、第1のターゲットデバイスがビデオ監視デバイスであると決定された場合、局所領域の光強度を変更するステップと、第3のターゲットトラフィックデータを取得するステップであって、第3のターゲットトラフィックデータが、第1の光強度下での第1のターゲットデバイスのトラフィックデータである、ステップと、第4のターゲットトラフィックデータを取得するステップであって、第4のターゲットトラフィックデータが、第2の光強度下での第1のターゲットデバイスのトラフィックデータである、ステップと、第3のターゲットトラフィックデータ、第4のターゲットトラフィックデータ、および位置特定モデルに基づいて第1のターゲットデバイスの方向および位置を識別するステップであって、位置特定モデルが第2の機械学習モデルまたは第2の深層学習モデルを含む、ステップと、をさらに含む。

【0017】

本出願の実施形態で提供される解決策によれば、電子デバイスは、取得された第3のターゲットトラフィックデータ、第4のターゲットトラフィックデータ、および位置特定モデルに基づいてビデオ監視デバイスの方向および位置を識別することができる。これは、ユーザが適時にかつ正確にビデオ監視デバイスを位置特定するのに役立ち、ユーザプライバシー侵害イベントの発生を低減し、それによってユーザプライバシーを保護することができる。

【0018】

第1の態様に関連して、いくつかの可能な実装形態では、第3のターゲットトラフィックデータは、電子デバイスの光源が予め設定された方向と整列されており、光源がオンタイムウィンドウ内にあるときに収集される。第4のターゲットトラフィックデータは、光源が予め設定された方向と整列されており、光源がオフタイムウィンドウ内にあるときに収集されるか、または光源が予め設定された方向と整列されていないときに収集される。

【0019】

第1の態様に関連して、いくつかの可能な実装形態では、第2の機械学習モデルまたは第2の深層学習モデルは、収集された第1の肯定的なサンプルデータおよび第1の否定的なサンプルデータを訓練することによって取得される。第1の肯定的なサンプルデータは、電子デバイスがオンタイムウィンドウ内にあり、電子デバイスの光源が既知のビデオ監視デバイスと整列されているときに生成されるデータであり、第1の否定的なサンプルデータは、電子デバイスがオフタイムウィンドウ内にあるか、または光源が既知のビデオ監視デバイスと整列されていないときに生成されるデータである。代替的に、第1の肯定的なサンプルデータは、電子デバイスがオフタイムウィンドウ内にあるか、または光源が既知のビデオ監視デバイスと整列されていないときに生成されるデータであり、第1の否定的なサンプルデータは、電子デバイスがオンタイムウィンドウ内にあり、光源が既知のビデオ監視デバイスと整列されているときに生成されるデータである。

【0020】

第1の態様に関連して、いくつかの可能な実装形態では、第3のターゲットトラフィックデータ、第4のターゲットトラフィックデータ、および位置特定検出モデルに基づいて第1のターゲットデバイスの方向および位置を識別するステップは、第1のターゲットデバイスに対応しており、M個の期間の各々のオンタイムウィンドウ内およびオフタイムウィンドウ内にあるターゲットトラフィックデータを取得するために、第3のターゲットトラフィックデータおよび第4のターゲットトラフィックデータに対してサンプルセグメント化を行うステップと、第1のターゲットデバイスに対応しており、M個の期間の各々にあるターゲットトラフィックデータをm1個のトラフィックデータグループおよびm2個のトラフィックデータグループに別々にセグメント化するステップであって、m1個のトラフィックデータグループがオンタイムウィンドウ内のデータであり、m2個のトラフィックデータグループがオフタイムウィンドウ内のデータであり、m1およびm2が1以上の正の整数である、ステップと、各期間内のm1個のトラフィックデータグループおよびm2個のトラフィックデータグループの信頼度を取得するために、第1のターゲット情報を位置特定モデルに入力するステップであって、第1のターゲット情報が、各期間内のm1個のトラフィックデータグループの固有ベクトルおよびm2個のトラフィックデータグループの固有ベクトルであるか、または第1のターゲット情報が各期間内のm1個のトラフィックデータグループおよびm2個のトラフィックデータグループである、ステップと、各期間内のm1個のトラフィックデータグループおよびm2個のトラフィックデータグループの信頼度ならびに第3の予め設定された閾値に基づいて第1のターゲットデバイスの方向および位置を識別するステップと、を含む。

【0021】

第1の態様に関連して、いくつかの可能な実装形態では、位置特定モデルが第2の機械学習モデルである場合、第1のターゲット情報は、各期間内のm1個のトラフィックデータグループの固有ベクトルおよびm2個のトラフィックデータグループの固有ベクトルである。代替的に、位置特定モデルが第2の深層学習モデルである場合、第1のターゲット情報は各期間内のm1個のトラフィックデータグループおよびm2個のトラフィックデータグループである。

【0022】

第1の態様に関連して、いくつかの可能な実装形態では、m1個のトラフィックデータグループの固有ベクトルまたはm2個のトラフィックデータグループの固有ベクトルは、トラフィックレート離散フーリエ変換係数、パケット長関連の統計的特徴、持続時間関連の統計的特徴、およびデータフレーム到来時間関連の統計的特徴、の各ベクトルのうちの少なくとも1つを含む。

【0023】

第1の態様に関連して、いくつかの可能な実装形態では、各期間内のm1個のトラフィックデータグループおよびm2個のトラフィックデータグループの信頼度ならびに第3の予め設定された閾値に基づいて第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプを識別するステップは、各期間内のm1個のトラフィックデータグループの信頼度の平均値、各期間内のm2個のトラフィックデータグループの信頼度の平均値、および第3の予め設定された閾値に基づいて、第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプを識別するステップ、またはm3、m4、m5、およびm6に基づいて、第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプを識別するステップであって、m3が、各期間内のm1個のトラフィックデータグループ内にあり、第3の予め設定された閾値以上であるトラフィックデータグループの数であり、m4が、各期間内のm1個のトラフィックデータグループ内にあり、第3の予め設定された閾値未満であるトラフィックデータグループの数であり、m5が、各期間内のm2個のトラフィックデータグループ内にあり、第3の予め設定された閾値以上であるトラフィックデータグループの数であり、m6が、各期間内のm2個のトラフィックデータグループ内にあり、第3の予め設定された閾値未満であるトラフィックデータグループの数である、ステップ、を含む。

【0024】

本出願の実施形態で提供される解決策によれば、電子デバイスは、第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプによって形成される第1のシーケンスおよび電子デバイスの光源がオンタイムウィンドウ内またはオフタイムウィンドウ内にあるときに形成される第2のシーケンスに基づいて、第1のターゲットデバイスの方向および位置を識別することができる。これは、ユーザが適時にかつ正確にビデオ監視デバイスを位置特定するのに役立ち、ユーザプライバシー侵害イベントの発生を低減し、それによってユーザプライバシーを保護することができる。

【0025】

第1の態様に関連して、いくつかの可能な実装形態では、第1の肯定的なサンプルデータが、電子デバイスがオンタイムウィンドウ内にあり、電子デバイスの光源が既知のビデオ監視デバイスと整列されているときに生成されるデータである場合、第1の否定的なサンプルデータは、電子デバイスがオフタイムウィンドウ内にあるか、または光源が既知のビデオ監視デバイスと整列されていないときに生成されるデータであり、
各期間内のm1個のトラフィックデータグループの信頼度の平均値、各期間内のm2個のトラフィックデータグループの信頼度の平均値、および第3の予め設定された閾値に基づいて、第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプを識別するステップは、M個の期間内のm1個のトラフィックデータグループすべての信頼度の平均値が第3の予め設定された閾値以上である場合、m1個のトラフィックデータグループすべてが、電子デバイスの光源が既知のビデオ監視デバイスと整列されており、電子デバイスがオンタイムウィンドウ内にあるときに生成されるデータのタイプのものであると識別するステップと、M個の期間内のm2個のトラフィックデータグループすべての信頼度の平均値が第3の予め設定された閾値未満である場合、m2個のトラフィックデータグループすべてが、電子デバイスの光源が既知のビデオ監視デバイスと整列されていないときに生成されるデータのタイプ、もしくは電子デバイスがオフタイムウィンドウ内にあるときに生成されるデータのタイプのものであると識別するステップと、を含むか、または
m3、m4、m5、およびm6に基づいて、第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプを識別するステップは、m3≧m4かつm5≦m6の場合、ターゲットトラフィックデータのタイプが、電子デバイスの光源が既知のビデオ監視デバイスと整列されており、電子デバイスがオンタイムウィンドウ内にあるときに生成されるデータのタイプであると識別するステップ、またはm3＜m4かつm5≦m6の場合、ターゲットトラフィックデータのタイプが、電子デバイスの光源が既知のビデオ監視デバイスと整列されていないときに生成されるデータのタイプ、もしくは電子デバイスがオフタイムウィンドウ内にあるときに生成されるデータのタイプであると識別するステップ、
を含む。

【0026】

第1の態様に関連して、いくつかの可能な実装形態では、第1の肯定的なサンプルデータが、電子デバイスがオフタイムウィンドウ内にあるか、または光源が既知のビデオ監視デバイスと整列されていないときに生成されるデータである場合、第1の否定的なサンプルデータは、電子デバイスがオンタイムウィンドウ内にあり、電子デバイスの光源が既知のビデオ監視デバイスと整列されているときに生成されるデータであり、
各期間内のm1個のトラフィックデータグループの信頼度の平均値、各期間内のm2個のトラフィックデータグループの信頼度の平均値、および第3の予め設定された閾値に基づいて、第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプを識別するステップは、M個の期間内のm1個のトラフィックデータグループすべての信頼度の平均値が第3の予め設定された閾値未満である場合、m1個のトラフィックデータグループすべてが、電子デバイスの光源が既知のビデオ監視デバイスと整列されており、電子デバイスがオンタイムウィンドウ内にあるときに生成されるデータのタイプのものであると識別するステップと、M個の期間内のm2個のトラフィックデータグループすべての信頼度の平均値が第3の予め設定された閾値以上である場合、m2個のトラフィックデータグループすべてが、電子デバイスの光源が既知のビデオ監視デバイスと整列されていないときに生成されるデータのタイプ、もしくは電子デバイスがオフタイムウィンドウ内にあるときに生成されるデータのタイプのものであると識別するステップと、を含むか、または
m3、m4、m5、およびm6に基づいて、第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプを識別するステップは、m3≧m4かつm5≧m6の場合、ターゲットトラフィックデータのタイプが、電子デバイスの光源が既知のビデオ監視デバイスと整列されていないときに生成されるデータのタイプ、もしくは電子デバイスがオフタイムウィンドウ内にあるときに生成されるデータのタイプであると識別するステップ、またはm3＜m4かつm5≧m6の場合、ターゲットトラフィックデータのタイプが、電子デバイスの光源が既知のビデオ監視デバイスと整列されており、電子デバイスがオンタイムウィンドウ内にあるときに生成されるデータのタイプであると識別するステップ、
を含む。

【0027】

第1の態様に関連して、いくつかの可能な実装形態では、第1のターゲットデバイスに対応するターゲットトラフィックデータのタイプによって形成される第1のシーケンスおよび電子デバイスがオンタイムウィンドウ内またはオフタイムウィンドウ内にあるときに形成される第2のシーケンスに基づいて、第1のターゲットデバイスの方向および位置を識別するステップは、
第1のシーケンスと第2のシーケンスとの間の相関係数が第4の予め設定された閾値以上である場合、第1のターゲットデバイスは、電子デバイスの光源が整列されている予め設定された方向に位置されること、または
第1のシーケンスと第2のシーケンスとの間の相関係数が第4の予め設定された閾値未満である場合、第1のターゲットデバイスは、電子デバイスの光源が整列されている予め設定された方向に位置されないこと、
を含む。

【0028】

本出願の実施形態で提供される解決策によれば、電子デバイスは、第1のシーケンスと第2のシーケンスとの間の相関係数および第4の予め設定された閾値に基づいて、第1のターゲットデバイスの方向および位置を識別する。さらに、これは、ユーザがビデオ監視デバイスを正確に位置特定するのに役立ち、ユーザプライバシー侵害イベントの発生を低減し、それによってユーザプライバシーを保護することができる。

【0029】

第1の態様に関連して、いくつかの可能な実装形態では、第3のターゲットトラフィックデータ、第4のターゲットトラフィックデータ、および位置特定モデルに基づいて第1のターゲットデバイスの方向および位置を識別するステップは、電子デバイスの移動軌跡、第3のターゲットトラフィックデータ、第4のターゲットトラフィックデータ、および位置特定モデルに基づいて、第1のターゲットデバイスの方向および位置を識別するステップであって、移動軌跡が、電子デバイスを現在の環境内の各方向と別々に順次に整列させることによって形成される軌跡である、ステップ、を含む。

【0030】

本出願の実施形態で提供される解決策によれば、電子デバイスは、電子デバイスの移動軌跡、第3のターゲットトラフィックデータ、第4のターゲットトラフィックデータ、および位置特定モデルに基づいて、第1のターゲットデバイスの方向および位置を識別することができる。これは、ビデオ監視デバイス検出の包括性を向上させ、それによってユーザプライバシー侵害イベントの発生を低減し、ユーザプライバシーを保護することができる。

【0031】

第1の態様に関連して、いくつかの可能な実装形態では、第1のターゲットトラフィックデータおよび検出モデルに基づいて、第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップは、第1のターゲットトラフィックデータをn個のトラフィックデータグループにセグメント化するステップであって、nが1以上の正の整数である、ステップと、n個のトラフィックデータグループの信頼度を取得するために、第2のターゲット情報を検出モデルに入力するステップであって、第2のターゲット情報が、n個のトラフィックデータグループの固有ベクトルまたはn個のトラフィックデータグループである、ステップと、n個のトラフィックデータグループの信頼度および第5の予め設定された閾値に基づいて、第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップと、を含む。

【0032】

本出願の実施形態で提供される解決策によれば、電子デバイスは、第1のターゲットトラフィックデータおよび検出モデルに基づいて、第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定する。ビデオ監視デバイスは、さらなるハードウェアモジュールを追加することなく検出されることができ、ビデオ監視デバイスは、ビデオ監視デバイスが位置されるネットワークにアクセスすることなく検出されることができる。これは、ビデオ監視デバイス検出の包括性および正確さを向上させ、それによってユーザプライバシー侵害イベントの発生を低減し、ユーザプライバシーを保護することができる。

【0033】

第1の態様に関連して、いくつかの可能な実装形態では、検出モデルが第1の機械学習モデルである場合、第2のターゲット情報はn個のトラフィックデータグループの固有ベクトルであり、そうではなく検出モデルが第1の深層学習モデルである場合、第2のターゲット情報はn個のトラフィックデータグループである。

【0034】

第1の態様に関連して、いくつかの可能な実装形態では、n個のトラフィックデータグループの固有ベクトルは、n個のトラフィックデータグループのパケット長関連の統計的特徴、n個のトラフィックデータグループの持続時間関連の統計的特徴、n個のトラフィックデータグループの到来時間関連の統計的特徴、n個のトラフィックデータグループの瞬間トラフィック帯域幅、n個のトラフィックデータグループのデータレート関連の統計的特徴、およびn個のトラフィックデータグループのデータレートの時間周波数パターン関連のテクスチャ特徴、の各ベクトルのうちの少なくとも1つを含む。

【0035】

第1の態様に関連して、いくつかの可能な実装形態では、検出モデルは、第2の肯定的なサンプルトラフィックデータおよび第2の否定的なサンプルトラフィックデータを訓練することによって取得され、
第2の肯定的なサンプルトラフィックデータが既知のビデオ監視デバイスを訓練することによって生成されるトラフィックデータである場合、第2の否定的なサンプルトラフィックデータは、非ビデオ監視デバイスを訓練することによって生成されるトラフィックデータであり、n個のトラフィックデータグループの信頼度および第5の予め設定された閾値に基づいて、第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップは、n個のトラフィックデータグループの信頼度の平均値が第5の予め設定された閾値以上である場合、第1のターゲットデバイスはビデオ監視デバイスであり、そうではなくn個のトラフィックデータグループの信頼度の平均値が第5の予め設定された閾値未満である場合、第1のターゲットデバイスはビデオ監視デバイスではないこと、または
n1≧n2の場合、第1のターゲットデバイスはビデオ監視デバイスであり、そうではなくn1＜n2の場合、第1のターゲットデバイスはビデオ監視デバイスではなく、n1が、n個のトラフィックデータグループ内の、信頼度が第5の予め設定された閾値以上であるトラフィックデータグループの数であり、n2が、n個のトラフィックデータグループ内の、信頼度が第5の予め設定された閾値未満であるトラフィックデータグループの数であること、
を含む。

【0036】

第1の態様に関連して、いくつかの可能な実装形態では、検出モデルは、第2の肯定的なサンプルトラフィックデータおよび第2の否定的なサンプルトラフィックデータを訓練することによって取得され、
第2の肯定的なサンプルトラフィックデータが非ビデオ監視デバイスを訓練することによって生成されるトラフィックデータである場合、第2の否定的なサンプルトラフィックデータは、既知のビデオ監視デバイスを訓練することによって生成されるトラフィックデータであり、n個のトラフィックデータグループの信頼度および第5の予め設定された閾値に基づいて、第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップは、n個のトラフィックデータグループの信頼度の平均値が第5の予め設定された閾値未満である場合、第1のターゲットデバイスはビデオ監視デバイスであり、そうではなくn個のトラフィックデータグループの信頼度の平均値が第5の予め設定された閾値以上である場合、第1のターゲットデバイスはビデオ監視デバイスではないこと、または
n3≧n4の場合、第1のターゲットデバイスはビデオ監視デバイスであり、そうではなくn3＜n4の場合、第1のターゲットデバイスはビデオ監視デバイスではなく、n3が、n個のトラフィックデータグループ内の、信頼度が第5の予め設定された閾値未満であるトラフィックデータグループの数であり、n4が、n個のトラフィックデータグループ内の、信頼度が第5の予め設定された閾値以上であるトラフィックデータグループの数であること、
を含む。

【0037】

第1の態様に関連して、いくつかの可能な実装形態では、方法は、第1のターゲットトラフィックデータの第1のMAC層情報を取得するステップと、第5のターゲットトラフィックデータおよび第6のターゲットトラフィックデータを取得するために、第1のMAC層情報に基づいて第1のターゲットトラフィックデータに対してトラフィック分割を行うステップであって、第5のターゲットトラフィックデータおよび第6のターゲットトラフィックデータが第3のターゲットデバイスおよび第4のターゲットデバイスにそれぞれ対応する、ステップと、をさらに含み、第1のターゲットトラフィックデータおよび検出モデルに基づいて、第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップは、第5のターゲットトラフィックデータおよび検出モデルに基づいて、第3のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップと、第6のターゲットトラフィックデータおよび検出モデルに基づいて、第4のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップと、を含む。

【0038】

本出願で提供される解決策では、第1のMAC層情報に基づいて第1のターゲットトラフィックデータに対してトラフィック分割が行われた後、トラフィック分割によって取得されたトラフィックデータに対応するデバイスがビデオ監視デバイスであるかどうかがそれぞれ検出される。これは、ビデオ監視デバイス検出の正確さをさらに向上させることができる。

【0039】

第1の態様に関連して、いくつかの可能な実装形態では、ターゲット検出チャネルリストは第2のターゲット検出チャネルを含み、第2のターゲット検出チャネルは、信号強度が第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルであり、第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップの後に、方法は、第2のターゲット検出チャネル上で第2のターゲットトラフィックデータを取得するステップであって、第2のターゲットトラフィックデータが第2のターゲットデバイスに対応する、ステップと、第2のターゲットトラフィックデータおよび検出モデルに基づいて、第2のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップと、をさらに含む。

【0040】

本出願で提供される解決策によれば、第1のターゲットトラフィックデータが取得された後、第2のターゲットデバイスに対応する第2のターゲットトラフィックデータがさらに取得されることができ、第2のターゲットデバイスがビデオ監視デバイスであるかどうかは、第2のターゲットトラフィックデータおよび検出モデルに基づいて決定される。これは、ビデオ監視デバイス検出の包括性を実現し、それによってユーザプライバシー侵害イベントの発生を低減し、ユーザプライバシーを保護することができる。

【0041】

第1の態様に関連して、いくつかの可能な実装形態では、第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップの前に、方法は、電子デバイスのWi－Fiチップの動作モードを監視モードに設定するステップ、をさらに含む。

【0042】

第2の態様によれば、GUIが提供される。グラフィカルユーザインターフェースは、電子デバイスに記憶される。電子デバイスは、ディスプレイと、メモリと、1つまたは複数のプロセッサと、を含む。1つまたは複数のプロセッサは、メモリに記憶された1つまたは複数のコンピュータプログラムを実行するように構成される。グラフィカルユーザインターフェースは、ディスプレイ上に表示される第1のGUIを含み、第1のGUIは第1のアプリケーションのアイコンを含み、現在のネットワーク空間にビデオ監視デバイスが存在するかどうかを検出し、ビデオ監視デバイスが存在するときにビデオ監視デバイスを位置特定するために使用され、グラフィカルユーザインターフェースは、第1のアプリケーションに対するタッチイベントに応答してディスプレイ上に第2のGUIを表示することを含み、第2のGUIは検出コントロールを含む。

【0043】

第2の態様に関連して、いくつかの可能な実装形態では、グラフィカルユーザインターフェースは、検出コントロールに対するタッチイベントに応答してディスプレイ上に第3のGUIを表示することをさらに含み、第3のGUIは検出の進行および現在の検出チャネルに関する情報を表示するために使用される。

【0044】

第2の態様に関連して、いくつかの可能な実装形態では、グラフィカルユーザインターフェースは、ディスプレイ上に表示される第4のGUIをさらに含み、第4のGUIは第1のプロンプト情報を表示するために使用され、第1のプロンプト情報はビデオ監視デバイスが存在しないことを通知するために使用されるか、または第4のGUIは第2のプロンプト情報および位置特定コントロールを表示するために使用され、第2のプロンプト情報はビデオ監視デバイスが存在することを通知するために使用され、位置特定コントロールはビデオ監視デバイスを位置特定するために使用される。

【0045】

第2の態様に関連して、いくつかの可能な実装形態では、グラフィカルユーザインターフェースは、位置特定コントロールに対するタッチイベントに応答してディスプレイ上に第5のGUIを表示すること、をさらに含み、第5のGUIは第3のプロンプト情報および位置特定コントロールを表示するために使用され、第3のプロンプト情報は、ユーザに位置特定を行うよう促すために使用される位置特定の説明を含む。

【0046】

第2の態様に関連して、いくつかの可能な実装形態では、グラフィカルユーザインターフェースは、ディスプレイ上に表示される第6のGUIをさらに含み、第6のGUIは第4のプロンプト情報を表示するために使用され、第4のプロンプト情報は、ユーザに位置特定の案内動作を行うよう促すために使用される。

【0047】

第2の態様に関連して、いくつかの可能な実装形態では、グラフィカルユーザインターフェースは、ディスプレイ上に表示される第7のGUIをさらに含み、第7のGUIはビデオ監視デバイスの位置情報を表示するために使用される。

【0048】

第3の態様によれば、装置が提供される。装置は電子デバイスに含まれ、装置は、前述の態様および前述の態様の可能な実装形態における電子デバイスの挙動を実装する機能を有する。機能は、ハードウェアによって実装されてもよいし、ハードウェアによって対応するソフトウェアを実行することによって実装されてもよい。ハードウェアまたはソフトウェアは、前述の機能に対応する1つまたは複数のモジュールまたはユニットを含む。

【0049】

第4の態様によれば、1つまたは複数のプロセッサと、メモリと、1つまたは複数のアプリケーションプログラムと、1つまたは複数のコンピュータプログラムとを含む、電子デバイスが提供される。1つまたは複数のコンピュータプログラムはメモリに記憶されている。1つまたは複数のコンピュータプログラムは命令を含む。命令が電子デバイスによって実行されると、電子デバイスは、第1の態様の可能な実装形態のいずれか1つによるビデオ監視デバイスを検出するための方法を行うことを可能にされる。

【0050】

第5の態様によれば、少なくとも1つのプロセッサを含むチップシステムが提供される。少なくとも1つのプロセッサにおいてプログラム命令が実行されると、電子デバイス上に第1の態様の可能な実装形態のいずれか1つによるビデオ監視デバイスを検出するための方法の機能が実装される。

【0051】

第6の態様によれば、コンピュータ命令を含むコンピュータ記憶媒体が提供される。コンピュータ命令が電子デバイス上で実行されると、電子デバイスは、第1の態様の可能な実装形態のいずれか1つによるビデオ監視デバイスを検出するための方法を行うことを可能にされる。

【0052】

第7の態様によれば、コンピュータプログラム製品が提供される。コンピュータプログラム製品が電子デバイス上で動作すると、電子デバイスは、第1の態様の可能な設計のいずれか1つによるビデオ監視デバイスを検出するための方法を行うことを可能にされる。

【図面の簡単な説明】

【0053】

【図1】本出願の一実施形態による電子デバイスのハードウェア構造の概略図である。

【図2】本出願の一実施形態による電子デバイスのソフトウェア構造の概略図である。

【図3(a)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(b)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(c)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(d)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(e)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(f)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(g)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(h)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(i)】本出願の一実施形態による1グループのGUIの概略図である。

【図3(j)】本出願の一実施形態による1グループのGUIの概略図である。

【図4(a)】本出願の一実施形態による別のグループのGUIの概略図である。

【図4(b)】本出願の一実施形態による別のグループのGUIの概略図である。

【図4(c)】本出願の一実施形態による別のグループのGUIの概略図である。

【図4(d)】本出願の一実施形態による別のグループのGUIの概略図である。

【図4(e)】本出願の一実施形態による別のグループのGUIの概略図である。

【図5】本出願の一実施形態による、ビデオ監視デバイスの検出の概略フローチャートである。

【図6】本出願の一実施形態による、ビデオ監視デバイスの位置特定の概略フローチャートである。

【図7】本出願の一実施形態による、ビデオ監視デバイスの位置特定のシナリオの概略図である。

【図8(a)】本出願の一実施形態による、ビデオ監視デバイスを位置特定するプロセスにおけるビデオトラフィック変化の概略図である。

【図8(b)】本出願の一実施形態による、ビデオ監視デバイスを位置特定するプロセスにおけるビデオトラフィック変化の概略図である。

【図8(c)】本出願の一実施形態による、ビデオ監視デバイスを位置特定するプロセスにおけるビデオトラフィック変化の概略図である。

【図9】本出願の一実施形態による検出デバイスの光源の強度変化の概略図である。

【図10A】本出願の一実施形態による、ビデオ監視デバイスを検出するための方法の概略フローチャートである。

【図10B】本出願の一実施形態による、ビデオ監視デバイスを検出するための方法の概略フローチャートである。

【図11】本出願の一実施形態による別の電子デバイスの概略ブロック図である。

【図12】本出願の一実施形態によるさらに別の電子デバイスの概略ブロック図である。

【発明を実施するための形態】

【0054】

以下の実施形態で使用される用語は、単に特定の実施形態を説明するために意図されており、本出願を限定するために意図されていない。本明細書および本出願の添付の特許請求の範囲で使用される単数形の「one」、「a」、「the foregoing」、「the」、および「this」という用語は、文脈において明確に特に指定されない限り、「one or more（1つまたは複数）」などの表現も含むことが意図されている。本出願の以下の実施形態において、「at least one（少なくとも1つ）」と「one or more（1つまたは複数）」は、1つ、2つ、またはそれ以上を指すことをさらに理解されたい。「および／または」という用語は、関連付けられた対象間の関連関係を記述するために使用され、3つの関係が存在しうることを表す。例えば、Aおよび／またはBは、Aのみが存在する場合、AとBとの両方が存在する場合、およびBのみが存在する場合を表すことができ、AおよびBは各々単数または複数でありうる。記号「／」は一般に、関連付けられた対象間の「または」関係を指示する。

【0055】

本明細書における「一実施形態」、「いくつかの実施形態」などへの言及は、本出願の1つまたは複数の実施形態が、実施形態を参照して説明される特定の特徴、構造、または特性を含むことを指示する。したがって、本明細書の異なる箇所に現れる「一実施形態では」、「いくつかの実施形態では」、「いくつかの他の実施形態では」、および「他の実施形態では」などの記述は、同じ実施形態を指すことを必ずしも意味しない。代わりに、これらの記述は、別のやり方で特に強調さない限り、「すべてではないが1つまたは複数の実施形態」を意味する。「include（含む）」、「have（有する）」という用語、およびそれらの変形はいずれも、別のやり方で特に強調されない限り、「を含むがそれに限定されない」を意味する。

【0056】

以下で言及される用語「第1の」および「第2の」は、単に説明の目的を意図されており、指示された技術的特徴の相対的重要度の指示もしくは暗示、または指示された技術的特徴の数の指示として理解されてはならない。したがって、「第1の」または「第2の」によって限定される特徴は、1つまたは複数のそのような特徴を明示的または暗黙的に含みうる。

【0057】

本出願の実施形態は、ビデオ監視デバイスを検出するための方法および電子デバイスを提供する。ビデオ監視デバイスは、さらなるハードウェアモジュールを追加することなく検出されることができ、ビデオ監視デバイスは、ビデオ監視デバイスが位置されるネットワークにアクセスすることなく検出されることができる。これは、ビデオ監視デバイス検出の包括性および正確さを向上させ、それによってユーザプライバシー侵害イベントの発生を低減することができる。

【0058】

本出願の実施形態で提供されるビデオ監視デバイスを検出するための方法は、携帯電話、タブレットコンピュータ、ウェアラブル装置、車載デバイス、拡張現実（augmented reality、AR）／仮想現実（virtual reality、VR）デバイス、ノートブックコンピュータ、ウルトラモバイルパーソナルコンピュータ（ultra－mobile personal computer、UMPC）、ノートブック、またはパーソナルデジタルアシスタント（personal digital assistant、PDA）などの電子デバイスに適用されうる。電子デバイスの具体的なタイプは、本出願の実施形態では限定されない。

【0059】

例えば、図1は、電子デバイス100の構造の概略図である。電子デバイス100は、プロセッサ110、外部メモリインターフェース120、内部メモリ121、ユニバーサルシリアルバス（universal serial bus、USB）インターフェース130、充電管理モジュール140、電源管理モジュール141、バッテリ142、アンテナ1、アンテナ2、モバイル通信モジュール150、無線通信モジュール160、オーディオモジュール170、スピーカ170A、受信機170B、マイクロフォン170C、ヘッドセットジャック170D、センサモジュール180、コンパス190、モータ191、インジケータ192、カメラ193、ディスプレイ194、加入者識別モジュール（subscriber identification module、SIM）カードインターフェース195などを含んでもよい。

【0060】

本出願のこの実施形態に示される構造は、電子デバイス100に対する特定の限定を構成するものではないことが理解されよう。本出願のいくつかの他の実施形態では、電子デバイス100は、図に示されているものよりも多いかもしくは少ない構成要素を含んでもよいし、一部の構成要素が組み合わされてもよいし、一部の構成要素が分割されてもよいし、異なる構成要素の配置が使用されてもよい。図に示される構成要素は、ハードウェア、ソフトウェア、またはソフトウェアとハードウェアの組み合わせによって実装されてもよい。

【0061】

プロセッサ110は、1つまたは複数の処理ユニットを含んでもよい。例えば、プロセッサ110は、アプリケーションプロセッサ（application processor、AP）、モデムプロセッサ、グラフィックスプロセッシングユニット（graphics processing unit、GPU）、画像信号プロセッサ（image signal processor、ISP）、コントローラ、ビデオコーデック、デジタル信号プロセッサ（digital signal processor、DSP）、ベースバンドプロセッサ、ニューラルネットワーク処理ユニット（neural－network processing unit、NPU）などを含んでもよい。異なる処理ユニットは、独立した構成要素であってもよいし、1つまたは複数のプロセッサに統合されてもよい。いくつかの実施形態では、電子デバイス101は、1つまたは複数のプロセッサ110を代替的に含んでもよい。コントローラは、命令読み出しおよび命令実行の制御を完了するために、命令操作コードおよび時系列信号に基づいて操作制御信号を生成しうる。

【0062】

いくつかの他の実施形態では、メモリは、プロセッサ110にさらに配置され、命令およびデータを記憶するように構成され、例えば、位置特定アルゴリズムを記憶するように構成されうる。例えば、プロセッサ110内のメモリはキャッシュであってもよい。メモリは、プロセッサ110によって使用されたばかりの、または周期的に使用される命令もしくはデータを記憶してもよい。プロセッサ110がその命令またはデータを再度使用する必要がある場合、プロセッサは、メモリからその命令またはデータを直接呼び出しうる。これは、アクセスの繰り返しを回避し、プロセッサ110の待ち時間を短縮し、それによって、電子デバイス101によるデータ処理または命令実行の効率を向上させる。

【0063】

いくつかの実施形態では、プロセッサ110は、1つまたは複数のインターフェースを含みうる。インターフェースは、集積回路間（inter－integrated circuit、I2C）インターフェース、集積回路間サウンド（inter－integrated circuit sound、I2S）インターフェース、パルス符号変調（pulse code modulation、PCM）インターフェース、汎用非同期送受信機（universal asynchronous receiver／transmitter、UART）インターフェース、モバイルインダストリープロセッサインターフェース（mobile industry processor interface、MIPI）、汎用入出力（general－purpose input／output、GPIO）インターフェース、SIMカードインターフェース、USBインターフェースなどを含んでもよい。USBインターフェース130は、USB標準仕様に準拠したインターフェースであり、具体的には、Mini USBインターフェース、Micro USBインターフェース、USB Type Cインターフェースなどであってもよい。USBインターフェース130は、電子デバイス100を充電するために充電器に接続するように構成されてもよいし、電子デバイス100と周辺デバイスとの間でデータを送信するように構成されてもよい。USBインターフェース130は、ヘッドセットに接続し、ヘッドセットを使用することによってオーディオを再生するように、代替的に構成されてもよい。

【0064】

本出願のこの実施形態で例示されるモジュール間のインターフェース接続関係は、説明のための一例にすぎず、電子デバイス100の構造に対する限定を構成しないことが理解されよう。本出願のいくつかの他の実施形態では、電子デバイス100は、前述の実施形態とは異なるインターフェース接続方式、または複数のインターフェース接続方式の組み合わせを代替的に使用してもよい。

【0065】

充電管理モジュール140は、充電器から充電入力を受け取るように構成される。充電器は、無線充電器であっても有線充電器であってもよい。

【0066】

電源管理モジュール141は、バッテリ142および充電管理モジュール140をプロセッサ110に接続するように構成される。電源管理モジュール141は、バッテリ142および／または充電管理モジュール140からの入力を受け取り、プロセッサ110、内部メモリ121、外部メモリ、ディスプレイ194、カメラ193、無線通信モジュール160などに電力を供給する。電源管理モジュール141は、バッテリ容量、バッテリサイクル数、およびバッテリ健康状態（漏電またはインピーダンス）などのパラメータを監視するようにさらに構成されてもよい。いくつかの他の実施形態では、電源管理モジュール141は、プロセッサ110に代替的に配置されてもよい。いくつかの他の実施形態では、電源管理モジュール141および充電管理モジュール140は、同じデバイスに代替的に配置されてもよい。

【0067】

電子デバイス100の無線通信機能は、アンテナ1、アンテナ2、モバイル通信モジュール150、無線通信モジュール160、モデムプロセッサ、ベースバンドプロセッサなどを使用することによって実装されうる。

【0068】

アンテナ1とアンテナ2とは、電磁波信号を送信および受信するように構成される。電子デバイス100内の各アンテナは、1つまたは複数の通信周波数帯域をカバーするように構成されうる。アンテナ利用を改善するために、異なるアンテナがさらに多重化されてもよい。

【0069】

モバイル通信モジュール150は、電子デバイス100に適用される、2G／3G／4G／5Gなどを含む無線通信解決策を提供しうる。モバイル通信モジュール150は、少なくとも1つのフィルタ、スイッチ、電力増幅器、低雑音増幅器（low noise amplifier、LNA）などを含んでもよい。モバイル通信モジュール150は、アンテナ1を介して電磁波を受信し、受信された電磁波に対してフィルタリングや増幅などの処理を行い、処理された電磁波を復調のためにモデムプロセッサに送信しうる。モバイル通信モジュール150は、モデムプロセッサによって変調された信号をさらに増幅し、増幅された信号をアンテナ1を介して放射するために電磁波に変換しうる。いくつかの実施形態では、モバイル通信モジュール150内の少なくともいくつかの機能モジュールがプロセッサ110に配置されうる。いくつかの実施形態では、モバイル通信モジュール150内の少なくともいくつかの機能モジュールが、プロセッサ110内の少なくともいくつかのモジュールと同じデバイスに配置されうる。

【0070】

無線通信モジュール160は、電子デバイス100に適用され、無線ローカルエリアネットワーク（wireless local area networks、WLAN）（Wi－Fiネットワークなど）、Bluetooth（bluetooth、BT）、全地球航法衛星システム（global navigation satellite system、GNSS）、周波数変調（frequency modulation、FM）、近距離無線通信（near field communication、NFC）、赤外線技術（infrared、IR）などを含む、無線通信解決策を提供しうる。無線通信モジュール160は、少なくとも1つの通信プロセッサモジュールを組み込んだ1つまたは複数の構成要素であってもよい。無線通信モジュール160は、アンテナ2を介して電磁波を受信し、電磁波信号に対して周波数変調およびフィルタリング処理を行い、処理された信号をプロセッサ110に送信する。無線通信モジュール160は、プロセッサ110から送信されるべき信号をさらに受信し、信号に対して周波数変調および増幅を行い、処理された信号をアンテナ2を介して放射するために電磁波に変換しうる。ターゲットトラフィックデータを取得するために、ターゲットトラフィックデータは、電子デバイスに搭載されたWi－Fiネットワークインターフェースカードを使用することによって取得されることができる。Wi－Fiネットワークインターフェースカードは、無線通信モジュール160であってもよい。

【0071】

電子デバイス100は、GPU、ディスプレイ194、アプリケーションプロセッサなどを使用することによって表示機能を実現する。GPUは、画像処理用のマイクロプロセッサであり、ディスプレイ194およびアプリケーションプロセッサに接続される。GPUは、数学的および幾何学的計算を行い、画像をレンダリングする、ように構成される。プロセッサ110は、プログラム命令を実行して表示情報を生成または変更する1つまたは複数のGPUを含んでもよい。

【0072】

ディスプレイ194は、画像、ビデオなどを表示するように構成される。ディスプレイ194は、表示パネルを含む。表示パネルは、液晶ディスプレイ（liquid crystal display、LCD）、有機発光ダイオード（organic light－emitting diode、OLED）、アクティブマトリックス有機発光ダイオード（active－matrix organic light－emitting diode、AMOLED）、フレキシブル発光ダイオード（flex light－emitting diode、FLED）、Miniled、MicroLed、Micro－oLed、量子ドット発光ダイオード（quantum dot light emitting diodes、QLED）などであってもよい。いくつかの実施形態では、電子デバイス100は、1つまたは複数のディスプレイ194を含みうる。例えば、ビデオ監視デバイスを検出するプロセスにおいて、電子デバイスは、ビデオ監視デバイスに関する情報をディスプレイ194に表示し、位置特定段階におけるビデオ監視デバイスの位置を表示する。

【0073】

本出願のいくつかの実施形態では、表示パネルがOLEDや、AMOLEDや、FLEDなどの材料で作られている場合、図1のディスプレイ194は湾曲されうる。ここで、ディスプレイ194が湾曲されうることとは、ディスプレイが任意の部分で任意の角度まで湾曲され、その角度に維持されうることを意味する。

【0074】

電子デバイス100のディスプレイ194は、フレキシブルスクリーンであってもよい。現在、フレキシブルスクリーンは、フレキシブルスクリーンの固有の特徴および大きな可能性のため、大きな注目を集めている。従来のスクリーンと比べて、フレキシブルスクリーンは高い柔軟性および曲げ性という特徴を有し、曲げ性に基づく新しいインタラクションモードをユーザに提供することで、電子デバイスに対するユーザのより多くの要件を満たすことができる。

【0075】

電子デバイス100は、ISP、カメラ193、ビデオコーデック、GPU、ディスプレイ194、アプリケーションプロセッサなどを使用することによって写真撮影機能を実装することができる。

【0076】

ISPは、カメラ193によってフィードバックされるデータを処理するように構成される。例えば、撮影時、シャッタが押され、光がレンズを通してカメラの受光素子に伝達される。光信号は電気信号に変換され、カメラの受光素子は、電気信号を可視画像に変換するために、電気信号を処理するためにISPに送信する。ISPは、画像のノイズ、輝度、および肌色に対してアルゴリズム最適化をさらに行ってもよい。ISPは、写真撮影シナリオの露出や色温度などのパラメータをさらに最適化してもよい。いくつかの実施形態では、ISPはカメラ193内に配置されうる。

【0077】

カメラ193は、静止画像またはビデオを取り込むように構成される。物体の光学画像がレンズを通して生成され、受光素子上に投影される。受光素子は、電荷結合デバイス（charge coupled device、CCD）または相補型金属酸化膜半導体（complementary metal－oxide－semiconductor、CMOS）フォトトランジスタであってもよい。受光素子は、光信号を電気信号に変換し、次いで、電気信号をデジタル画像信号に変換するために電気信号をISPに送信する。ISPは、デジタル画像信号を処理するためにDSPに出力する。DSPは、デジタル画像信号をRGBやYUVなどの標準フォーマットの画像信号に変換する。いくつかの実施形態では、電子デバイス100は、1つまたは複数のカメラ193を含みうる。

【0078】

デジタル信号プロセッサは、デジタル信号を処理するように構成され、デジタル画像信号に加えて別のデジタル信号を処理してもよい。例えば、電子デバイス100が周波数を選択するとき、デジタル信号プロセッサは、周波数エネルギーに対してフーリエ変換を行うように構成される。

【0079】

ビデオコーデックは、デジタルビデオを圧縮または解凍するように構成されている。電子デバイス100は、1つまたは複数のビデオコーデックをサポートしうる。このようにして、電子デバイス100は、複数のエンコーディングフォーマットで、例えば、ムービング・ピクチャ・エキスパーツ・グループ（moving picture experts group、MPEG）1、MPEG2、MPEG3、およびMPEG4でビデオを再生または録画することができる。

【0080】

NPUは、ニューラルネットワーク（neural－network、NN）コンピューティングプロセッサであり、生物の神経ネットワークの構造を参照することによって、例えば、人間の脳神経細胞間の伝達モードを参照することによって入力情報を迅速に処理し、さらに絶えず自己学習を行いうる。画像認識、顔認識、音声認識、テキスト理解などといった、電子デバイス100のインテリジェント認知などの応用が、NPUを使用することによって実現されることができる。

【0081】

外部メモリインターフェース120は、電子デバイス100の記憶能力を拡張するために、外部記憶カード、例えばMicro SDカードに接続するように構成されうる。外部記憶カードは、データ記憶機能を実装するために、外部メモリインターフェース120を介してプロセッサ110と通信する。例えば、音楽やビデオなどのファイルが外部記憶カードに記憶される。

【0082】

内部メモリ121は、1つまたは複数のコンピュータプログラムを記憶するように構成されてもよく、1つまたは複数のコンピュータプログラムは命令を含む。プロセッサ110は、電子デバイス101が本出願のいくつかの実施形態で提供される音量制御方法、様々なアプリケーション、データ処理などを行うように、内部メモリ121に記憶された前述の命令を実行してもよい。内部メモリ121は、プログラム記憶領域およびデータ記憶領域を含んでもよい。プログラム記憶領域は、オペレーティングシステムを記憶しうる。プログラム記憶領域は、1つまたは複数のアプリケーション（例えば、ギャラリーや連絡先）などをさらに記憶してもよい。データ記憶領域は、電子デバイス101の使用中に作成されたデータ（例えば、写真や連絡先）などを記憶しうる。加えて、内部メモリ121は、高速ランダムアクセスメモリを含んでもよいし、不揮発性メモリ、例えば、1つまたは複数の磁気ディスク記憶デバイス、フラッシュメモリデバイス、またはユニバーサルフラッシュメモリ（universal flash storage、UFS）をさらに含んでもよい。いくつかの実施形態では、プロセッサ110は、電子デバイス101が本出願の実施形態で提供される音量制御方法、他のアプリケーション、およびデータ処理を行うように、内部メモリ121に記憶された命令および／またはプロセッサ110内に設けられたメモリに記憶された命令を実行しうる。電子デバイス100は、オーディオモジュール170、スピーカ170A、受信機170B、マイクロフォン170C、ヘッドセットジャック170D、アプリケーションプロセッサなどを使用することによって、オーディオ機能、例えば音楽再生機能や録音機能を実装することができる。

【0083】

センサモジュール180は、圧力センサ180A、ジャイロセンサ180B、気圧センサ180C、磁気センサ180D、加速度センサ180E、距離センサ180F、光学式近接センサ180G、指紋センサ180H、温度センサ180J、タッチセンサ180K、周囲光センサ180L、骨伝導センサ180Mなどを含みうる。

【0084】

周囲光センサ180Lは、周囲光の輝度を感知するように構成される。例えば、電子デバイスは、位置特定段階において周囲光強度を感知してもよい。電子デバイス100は、感知された周囲光の輝度に基づいてディスプレイ194の輝度を適応的に調整しうる。周囲光センサ180Lはまた、撮影中にホワイトバランスを自動的に調整するようにも構成されうる。周囲光センサ180Lはまた、偶発的なタッチを回避する目的で、電子デバイス100がポケット内にあるかどうかを検出するために、光学式近接センサ180Gと協働してもよい。

【0085】

指紋センサ180Hは、指紋を採取するように構成される。電子デバイス100は、採取された指紋の特徴を使用して、指紋に基づくロック解除、アプリケーションロックアクセス、指紋に基づく写真撮影、および指紋に基づく通話応答などを実現しうる。

【0086】

温度センサ180Jは、温度を検出するように構成される。いくつかの実施形態では、電子デバイス100は、温度センサ180Jによって検出された温度に基づいて温度処理ポリシーを実行する。

【0087】

タッチセンサ180Kは、タッチパネルとも呼ばれる。タッチセンサ180Kはディスプレイ194上に配置されてもよく、タッチセンサ180Kとディスプレイ194とは、「タッチスクリーン」とも呼ばれるタッチスクリーンを構成する。タッチセンサ180Kは、タッチセンサ上またはその付近で行われたタッチ操作を検出するように構成される。タッチセンサは、タッチイベントのタイプを決定するために、検出されたタッチ操作をアプリケーションプロセッサに伝達しうる。タッチ操作に関連する視覚出力は、ディスプレイ194を介して提供されてもよい。いくつかの他の実施形態では、タッチセンサ180Kは、ディスプレイ194の位置とは異なる位置で電子デバイス100の表面に代替的に配置されうる。

【0088】

図2は、本出願の一実施形態による電子デバイス100のソフトウェア構造のブロック図である。階層化アーキテクチャでは、ソフトウェアは複数の層に分割され、各層は明確な役割およびタスクを有する。層は、ソフトウェアインターフェースを介して互いに通信する。いくつかの実施形態では、Androidシステムは、4層、上から下へ、アプリケーション層、アプリケーションフレームワーク層、Androidランタイム（Android runtime）およびシステムライブラリ、ならびにカーネル層に分割される。アプリケーション層は、一連のアプリケーションパッケージを含んでもよい。

【0089】

図2に示されるように、アプリケーションパッケージは、カメラ、ギャラリー、カレンダー、電話、地図、ナビゲーション、WLAN、Bluetooth、音楽、ビデオ、メッセージなどのアプリケーションを含んでもよい。本出願では、ビデオ監視デバイスの検出および位置特定は、WLANに基づいて実施されることができる。

【0090】

アプリケーションパッケージはまた、後述される第1のアプリケーションのアプリケーションプログラムを含んでもよい。

【0091】

アプリケーションフレームワーク層は、アプリケーション層におけるアプリケーションのためのアプリケーションプログラミングインターフェース（application programming interface、API）およびプログラミングフレームワークを提供する。アプリケーションフレームワーク層は、いくつかの予め定義された機能を含む。

【0092】

図2に示されるように、アプリケーションフレームワーク層は、ウィンドウマネージャ、コンテンツプロバイダ、ビューシステム、電話マネージャ、リソースマネージャ、通知マネージャなどを含んでもよい。

【0093】

ウィンドウマネージャは、ウィンドウプログラムを管理するために使用される。ウィンドウマネージャは、ディスプレイのサイズを取得したり、ステータスバーがあるかどうかを決定したり、スクリーンをロックしたり、スクリーンショットを撮ったりなど、しうる。

【0094】

コンテンツプロバイダは、データを記憶および取得し、データがアプリケーションによってアクセスされることを可能にするために使用される。データは、ビデオ、画像、オーディオ、発信および受信された通話、閲覧履歴、ブックマーク、アドレス帳などを含みうる。

【0095】

ビューシステムは、テキストを表示するためのコントロールや画像を表示するためのコントロールなどの視覚コントロールを含む。ビューシステムは、アプリケーションを構築するために使用されうる。表示インターフェースは、1つまたは複数のビューを含んでもよい。例えば、SMSメッセージ通知アイコンを含む表示インターフェースは、テキスト表示ビューおよび画像表示ビューを含んでもよい。

【0096】

電話マネージャは、電子デバイス100に通信機能、例えば、（応答、拒否などを含む）通話状態の管理を提供するために使用される。

【0097】

リソースマネージャは、アプリケーションに様々なリソース、ローカライズされた文字列、アイコン、画像、レイアウトファイル、ビデオファイルなどを提供する。

【0098】

通知マネージャは、アプリケーションがステータスバーに通知情報を表示することを可能にし、通知タイプのメッセージを伝達するために使用されうる。通知マネージャは、ユーザインタラクションを必要とせずに少し間をおいた後に自動的に消えてもよく、次のステップに進むためにユーザと対話してもよい。本出願では、通知マネージャは、ビデオ監視デバイス上での検出に関連するメッセージなどをユーザに通知しうる。

【0099】

通知マネージャは、代替的に、グラフまたはスクロールバーテキストの形態でシステムの最上部のステータスバーに現れる通知、例えば、バックグラウンドで実行中のアプリケーションの通知や、ダイアログウィンドウの形態でスクリーン上に現れる通知であってもよい。例えば、ステータスバーにテキスト情報が表示されたり、アナウンスが行われたり、電子デバイスが振動したり、インジケータライトが点滅したりする。

【0100】

システムライブラリは、複数の機能モジュール、例えば、サーフェスマネージャ（surface manager）、メディアライブラリ（media libraries）、3次元グラフィックス処理ライブラリ（例えば、OpenGL ES）、2Dグラフィックスエンジン（例えば、SGL）を含んでもよい。

【0101】

サーフェスマネージャは、ディスプレイサブシステムを管理し、複数のアプリケーションに2Dレイヤおよび3Dレイヤの融合を提供するために使用される。

【0102】

メディアライブラリは、複数の一般に使用されるオーディオフォーマットおよびビデオフォーマット、静止画像ファイルなどにおける再生および記録をサポートする。メディアライブラリは、複数のオーディオおよびビデオエンコーディングフォーマット、例えば、MPEG4、H．264、MP3、AAC、AMR、JPG、PNGをサポートしうる。

【0103】

3次元グラフィックス処理ライブラリは、3次元グラフィックス描画、画像レンダリング、合成、層処理などを実装するために使用される。

【0104】

2Dグラフィックスエンジンは、2D描画のための描画エンジンである。

【0105】

カーネル層はハードウェアとソフトウェアとの間の層である。カーネル層は、少なくともディスプレイドライバ、カメラドライバ、オーディオドライバ、およびセンサドライバを含む。

【0106】

理解を容易にするために、本出願の以下の実施形態では、添付の図面を参照して、本出願の実施形態で提供されるビデオ監視デバイスを検出するための方法が、一例として図1および図2に示される構造を有する携帯電話を使用することによって具体的に説明される。

【0107】

図3（a）から図3（j）は、携帯電話の1グループのGUIを示している。図3（a）から図3（j）は、携帯電話が、第1のアプリケーションにおいて、ビデオ監視デバイスがネットワーク空間に存在するかどうか、およびビデオ監視デバイスの位置を検出することができることを示している。

【0108】

図3（a）に示されるGUIに示されるように、GUIは携帯電話のホーム画面である。ユーザによるホーム画面上の第1のアプリケーションのアイコン301をタップする操作を検出した後、携帯電話は検出アプリケーションを起動し、図3（b）に示されるGUIを表示しうる。GUIは、検出インターフェースと呼ばれうる。

【0109】

図3（b）に示されるGUIに示されるように、携帯電話がユーザによる既知のアイコン302をタップする操作を検出した後、携帯電話は、ビデオ監視デバイスがネットワーク空間に存在するかどうかの検出を開始し、図3（c）に示されるGUIを表示しうる。

【0110】

図3（c）に示されるGUIに示されるように、GUIは、携帯電話がスキャンを行っているインターフェースである。図に示される2％は、携帯電話の検出の進行がこの場合には2％であることを指示している。図は、現在の検出チャネルによってカバーされるホットスポットに関する情報をさらに含んでもよい。

【0111】

検出の進行が完了された後にネットワーク空間にビデオ監視デバイスが存在しないことを携帯電話が検出した場合、携帯電話のインターフェースに「カメラは見つかりません」と表示されうる。図3（d）に示されるGUIを参照されたい。

【0112】

検出の進行が完了された後に、ネットワーク空間に2台のビデオ監視デバイスが存在することを携帯電話が検出した場合、携帯電話のインターフェースに「2台のカメラが見つかりました」と表示され、ビデオ監視デバイス（すなわち、カメラ）に接続されたホットスポットに関する情報、例えば、図3（e）に示される「TPlink＿123」および対応するMACアドレス情報「44：ee：bf：09：9d：23」、ならびに「TPlink＿000」および対応するMACアドレス情報「80：9f：9b：e1：2b：2b」、がさらに表示されうる。次いで、ユーザは、要件に基づいてビデオ監視デバイスの位置特定を開始する。図3（e）に示されるGUIを参照されたい。

【0113】

ユーザが位置特定を開始するためのアイコン303をタップした後、携帯電話はフラッシュを自動的に点灯し、携帯電話のインターフェースに「位置特定の説明」が表示されうる。例えば、「位置特定の説明」は、室内照明を消し、カーテンを閉めて周囲光を可能な限り低減する、デバイス（すなわち、携帯電話）を保持して部屋の周囲と整列させる、ゆっくりと一周回転する、インターフェースプロンプトに基づいてデバイスを位置特定する、であってもよい。「位置特定の説明」が読み取られて理解されたことが確認された後、既知のアイコン304をタップする操作が行われうる。図3（f）に示されるGUIを参照されたい。

【0114】

ユーザによる既知のアイコン304をタップする操作の後、携帯電話のインターフェースは、「一周回転する」と表示しうる。ユーザは、携帯電話を保持して携帯電話を一周回転させうる。図3（g）に示されるGUIを参照されたい。

【0115】

携帯電話が一周回転されると、携帯電話のインターフェースは「回転が完了しました」と表示し、ユーザに「位置特定結果を待つ」よう促しうる。図3（h）に示されるGUIを参照されたい。

【0116】

部屋にビデオ監視デバイスが存在する場合、位置特定結果が表示されうる。図3（i）に示されるインターフェースに示されるように、「位置特定結果」の上にカメラの位置が表示され、「位置特定結果」の下にカメラの名称とMACアドレス情報（すなわち、デバイス1：TPlink＿123 44：ee：bf：09：9d：23、デバイス2：TPlink＿000 80：9f：9b：e1：2b：2b）が表示されることが分かる。デバイス1およびデバイス2は、（ユーザが携帯電話を保持し、位置特定が真北に向けられているときに）ユーザの東側および南側にそれぞれ位置される。

【0117】

部屋にビデオ監視デバイスがない場合、位置特定結果が表示されうる。例えば、図3（j）に示されるインターフェースでは、このときの結果は、部屋にビデオ監視デバイスが位置されないことを示している。

【0118】

いくつかの実施形態では、ビデオ監視デバイスを検出するプロセスにおいて、フルスキャンおよびクイックスキャンが、異なるアイコンを使用することによって代替的に実装されてもよい。図4（a）から図4（e）は、携帯電話の別のグループのGUIを示している。図4（a）から図4（e）は、携帯電話が、第1のアプリケーションにおいて、ビデオ監視デバイスがネットワーク空間に存在するかどうかを検出することができることを示している。

【0119】

同様に、図4（a）に示されるGUIに示されるように、GUIは携帯電話のホーム画面である。ユーザによるホーム画面上の第1のアプリケーションのアイコン301をタップする操作を検出した後、携帯電話は検出アプリケーションを起動し、図4（b）に示されるGUIを表示しうる。GUIは、検出インターフェースと呼ばれうる。

【0120】

図4（b）に示されるGUIに示されるように、この場合、ユーザは、フルスキャンまたはクイックスキャンを選択しうる。ユーザがスキャンを行うためにどちらの方式を選択するかにかかわらず、図4（c）に示されるGUIが表示されうる。

【0121】

スキャン方式は、携帯電話内で選択されることもできるし、ユーザによって選択されてもよい。これは限定されない。

【0122】

一実装形態では、スキャン方式が携帯電話内で選択された場合、図4（b）に示されるGUIは表示されない。図4（a）に示されるホーム画面上の第1のアプリケーションのアイコン301をタップした後、ユーザは、図4（c）に示されるGUIに直接入る。クイックスキャンまたはフルスキャンは、設定された信号強度閾値の値、またはスキャンされた無線チャネルが5G周波数帯域のチャネルを含むかどうかに基づいて、前述の携帯電話において選択されることができる。

【0123】

例えば、携帯電話に設定された信号強度閾値がより大きい場合には、クイックスキャンが行われてもよいし、携帯電話に設定された信号強度閾値がより小さい場合には、フルスキャンが行われてもよい。スキャンされた無線チャネルが5G周波数帯域のチャネルを含む場合には、フルスキャンが行われてもよいし、スキャンされた無線チャネルが5G周波数帯域のチャネルを含まない場合には、クイックスキャンが行われてもよい。

【0124】

より大きいまたはより小さいチャネル強度閾値は相対的な概念であることを理解されたい。例えば、信号強度－75dBmは、信号強度－90dBmよりも大きく、信号強度－50dBmよりも小さい。

【0125】

例えば、周囲に10個のチャネルがあると仮定される。携帯電話内に設定された信号強度閾値がより大きい場合、携帯電話は3つのチャネルのみをスキャンしてもよい、すなわち、クイックスキャンを行ってもよい。携帯電話内に設定された信号強度閾値がより小さい場合、携帯電話は9つのチャネルをスキャンしてもよい、すなわち、フルスキャンを行ってもよい。

【0126】

同様に、周囲に10個のチャネルがあり、6つのチャネルは5GHz周波数帯域に属し、4つのチャネルは他の周波数帯域に属すると仮定される。携帯電話が5GHz周波数帯域のチャネルを除外するように設定されている場合、携帯電話は他の周波数帯域の4つのチャネルをスキャンする、すなわち、クイックスキャンを実施する。携帯電話が5GHz周波数帯域のチャネルを含めるように設定されている場合、携帯電話は10個のチャネルすべて（5GHz周波数帯域の6つのチャネルおよび他の周波数帯域の4つのチャネルを含む）をスキャンする、すなわち、フルスキャンを実施する。

【0127】

別の実装形態では、ユーザが自分でスキャン方式を選択する場合、ユーザは周囲環境に応じてスキャン方式を選択することができる。

【0128】

例えば、ユーザがホテルのロビーやショッピングモールなどの低リスクエリアに入る場合には、ユーザは、周囲環境に対して一般的な検出を行うためにクイックスキャンを選択してもよいし、ユーザがホテルの部屋などの高リスクエリアに入る場合には、ユーザは部屋の包括的な検出を行うためにフルスキャンを選択してもよい。

【0129】

ネットワーク空間にビデオ監視デバイスが存在しないことを携帯電話が検出した場合、携帯電話のインターフェースに「カメラは見つかりません」と表示されうる。図4（d）に示されるGUIを参照されたい。

【0130】

ネットワーク空間にビデオ監視デバイスが存在することを携帯電話が検出した場合、携帯電話のインターフェースに「2台のカメラが見つかりました」と表示され、ビデオ監視デバイス（カメラ）に接続されたホットスポットに関する情報、例えば、図4（e）に示される「TPlink＿123」および対応するMACアドレス情報「44：ee：bf：09：9d：23」、ならびに「TPlink＿000」および対応するMACアドレス情報「80：9f：9b：e1：2b：2b」がさらに表示されうる。加えて、位置特定を開始する操作303が開始されてもよい。図4（e）に示されるGUIを参照されたい。

【0131】

ビデオ監視デバイスが存在することが検出された後、ビデオ監視デバイスのその後の位置特定については、図3（f）から図3（j）に示されるインターフェースを参照されたい。簡潔にするため、ここでは詳細は再度説明されない。

【0132】

前述のプロセスでは、ビデオ監視デバイスの検出および位置特定は、音声形式で代替的に実装されてもよいことに留意されたい。例えば、ネットワーク空間にビデオ監視デバイスが存在することを携帯電話が検出した場合には、携帯電話は、音声再生形式で、現在のネットワーク空間にビデオ監視デバイスが存在することをユーザに通知し、音声でユーザに位置特定を開始するよう促してもよいし、ネットワーク空間にビデオ監視デバイスが存在しないことを携帯電話が検出した場合には、携帯電話は、音声再生形式で、現在のネットワーク空間にビデオ監視デバイスが存在しないことをユーザに通知してもよい。このプロセスは、図3（a）から図3（j）に示されるプロセスと基本的に同じであり、形態のみが異なる。簡潔にするため、ここでは詳細は再度説明されない。

【0133】

本出願は、ユーザプライバシー侵害イベントの発生を低減して、ユーザのプライバシーセキュリティを保証するために、ユーザが滞在するレストランやホテルなどのいくつかの場所に適用されてもよく、ユーザが位置されるネットワーク空間にビデオ監視デバイスが存在するかどうかを検出するために使用されてもよい。

【0134】

以下は、最初に、図5および図6を参照して、本出願における電子デバイスによってビデオ監視デバイスを検出および位置特定するプロセスを説明する。

【0135】

検出プロセス
以下は、図5を参照して、本出願の一実施形態における、電子デバイス（以下は一例として検出デバイスを使用する）が、ビデオ監視デバイスが存在するかどうかを決定するプロセスを説明する。

【0136】

この解決策では、スニッフィング能力を備えた検出デバイスは、ビデオ監視デバイスを検出するために、周囲環境内のWi－Fiトラフィックデータを取り込み、検出モデルに基づいてトラフィックを識別する。

【0137】

S610：検出デバイスは、周囲のアクセスポイントをスキャンし、ターゲット検出チャネルリストを選別する。

【0138】

検出コマンドを受信した後、検出デバイスは、周囲環境内のアクセスポイントに関する情報のスキャンを開始しうる。一例としてAndroidシステムが使用され、検出デバイスは、アクセスポイントに関する情報を取得するためにWi－Fi管理クラスを呼び出してもよい。取得されることができる情報は、アクセスポイント名、アクセスポイントMACアドレス、アクセスポイント信号強度、アクセスポイント搬送波周波数、帯域幅などを含んでもよい。

【0139】

検出コマンドを受信した後、検出デバイスは、周囲環境内のアクセスポイントに関する情報のスキャンを開始する。検出コマンドは、第1のアプリケーションをタップすることによってユーザによって送られるコマンドであってもよいし、ユーザが滞在するレストランやホテルなどの場所で検出デバイスがネットワークに接続した後に送られるコマンドであってもよい。これは限定されない。

【0140】

周囲のアクセスポイントをスキャンすることによって周囲環境内のアクセスポイントに関する情報を取得した後、検出デバイスは、スキャン結果（周囲環境内のアクセスポイントに関する取得された情報、すなわち、ターゲットチャネルリスト）からターゲット検出チャネルリストを選別してもよく、以下の2つの方式で選別を行ってもよい。

【0141】

方式1：検出デバイスのターゲットチャネルリストからより弱い信号強度を有するチャネルが除去されうる。

【0142】

より弱い信号強度を有するチャネルは、一般に、検出デバイスの位置から遠く離れていることが理解されよう。たとえビデオ監視デバイスが存在していても、ビデオ監視デバイスはユーザが位置される部屋にはない可能性があり、リスクは低い。したがって、より弱い信号強度を有するチャネルは除去されることができる。

【0143】

より弱い信号強度を有するチャネルは相対的な概念のものである。いくつかの実施形態では、より弱い信号強度を有するチャネルは、信号強度が複数のチャネルのうちの最後の5つにランク付けされるチャネルとして理解されてもよい。例えば、検出デバイスは10個のチャネルを検出し、10個のチャネルは、信号強度の降順にチャネル1、チャネル2、チャネル3、…、チャネル9、およびチャネル10としてランク付けされる。この場合、より弱い信号強度を有するチャネルは、チャネル6からチャネル10でありうる。したがって、5つのチャネル、すなわち、チャネル6からチャネル10は、ターゲット検出チャネルリスト、すなわち、チャネル1、チャネル2、チャネル3、チャネル4、およびチャネル5を選別するために、除去されることができる。

【0144】

いくつかの他の実施形態では、より弱い信号強度を有するチャネルは、チャネル強度が予め設定された閾値未満であるチャネルとして理解されてもよい。例えば、予め設定された閾値が－75dBmであり、検出デバイスが10個のチャネル、すなわち、チャネル1、チャネル2、チャネル3、…、チャネル9、およびチャネル10を検出すると仮定される。チャネル2の信号強度、チャネル3の信号強度、およびチャネル8の信号強度はすべて、予め設定された閾値－75dBm未満である。この場合、3つのチャネル、すなわち、チャネル2、チャネル3、およびチャネル8は、ターゲット検出チャネルリスト、すなわち、チャネル1、チャネル4、チャネル5、チャネル6、チャネル7、チャネル9、およびチャネル10を選別するために除去されることができる。

【0145】

方式1でより弱い信号強度を有するチャネルが除去されることは、以下のように理解されてもよい。携帯電話内に設定された信号強度閾値がより大きく、スキャンプロセスでは、より強い信号強度閾値を有するチャネルはスキャンされることができ、より弱い信号強度を有するチャネルは自動的に除去される。言い換えれば、この方式は、クイックスキャンに適用されることができる。

【0146】

方式2：検出デバイスのターゲットチャネルリストから5GHz周波数帯域のチャネルが除去されうる。

【0147】

一般に、ビデオ監視デバイスは2．4GHz周波数帯域をサポートしている可能性があり、少数のビデオ監視デバイスが5GHz周波数帯域をサポートしている。したがって、5GHz周波数帯域のチャネルは除去されることができる。

【0148】

例えば、検出デバイスは、10個のチャネル、すなわち、チャネル1、チャネル2、チャネル3、…、チャネル9、およびチャネル10を検出する。チャネル2、チャネル5、チャネル6、およびチャネル8はすべて、5GHz周波数帯域をサポートしている。この場合、4つの周波数帯域、すなわち、チャネル2、チャネル5、チャネル6、およびチャネル8は、ターゲット検出チャネルリスト、すなわち、チャネル1、チャネル3、チャネル4、チャネル7、チャネル9、およびチャネル10を選別するために除去されることができる。

【0149】

同様に、方式2で5GHz周波数帯域のチャネルが除去されることは、以下のように理解されてもよい。5GHz周波数帯域のチャネルが携帯電話内に設定されている場合、クイックスキャンが行われることができる。スキャンプロセスでは、携帯電話は5GHz周波数帯域のチャネルをスキャンせず、5GHz周波数帯域のチャネルを自動的に除去し、5GHz周波数帯域のチャネル以外のチャネルをスキャンする。言い換えれば、この方式もまた、クイックスキャンに適用されることができる。

【0150】

ターゲット検出チャネルを選別するプロセスでは、前述の2つの方式が同時に使用されてもよいし、独立して使用されてもよいことに留意されたい。これは本出願では特に限定されない。

【0151】

前述の2つの方式がターゲット検出チャネルを選別するプロセスで同時に使用される場合、チャネルは以下の方式で除去されてもよい。

【0152】

（1）．2つの方式で一緒に除去される必要があるチャネルが除去されてもよい。例えば、方式1では3つのチャネル、すなわち、チャネル2、チャネル3、およびチャネル8が除去される必要があり、方式2では4つの周波数帯域、すなわち、チャネル2、チャネル5、チャネル6、およびチャネル8が除去される必要がある場合、チャネル2とチャネル8とは両方の方式で除去される必要があるため、チャネル2およびチャネル8は除去されることができる。

【0153】

（2）．2つの方式で除去される必要があるチャネルが除去されてもよい。例えば、方式1では3つのチャネル、すなわち、チャネル2、チャネル3、およびチャネル8が除去される必要があり、方式2では4つの周波数帯域、すなわち、チャネル2、チャネル5、チャネル6、およびチャネル8が除去される必要がある場合、チャネル2、チャネル3、チャネル5、チャネル6、およびチャネル8は2つの方式で除去される必要があるチャネルであるため、チャネル2、チャネル3、チャネル5、チャネル6、およびチャネル8は除去されることができる。

【0154】

S620：ターゲット検出チャネル上でトラフィックデータを取得する。

【0155】

ターゲット検出チャネル上でトラフィックデータを取得するプロセスでは、検出デバイスのネットワークインターフェースカードが最初に「監視」モードに設定される必要があり、ターゲット検出チャネル上のトラフィックデータは、スニッフィング能力を有する検出デバイスによって取り込まれる。

【0156】

通常モードでは、Wi－Fiモジュールは、Wi－Fiモジュールに送信されないデータを廃棄し、監視モードでは、検出デバイスはWi－Fiモジュールによって受信されたすべてのデータを報告することに留意されたい。これは、検出デバイスのスニッフィング能力である。

【0157】

スニッフィング能力は、アプリケーションによってコマンドコードおよびパラメータを送ることによって有効化および無効化されてもよい。例えば、アプリケーションは、図3（a）に示される第1のアプリケーションである。いくつかの実施形態では、検出デバイスの電力消費を削減するために、検出デバイスは、選別されたターゲット検出チャネルに基づいてスニッフィング能力を順次にかつ自動的に有効化および無効化することができる。

【0158】

例えば、前述のステップS610で選別されたターゲット検出チャネルは、チャネル1、チャネル2、チャネル3、チャネル4、およびチャネル5を含み、検出デバイスは、5つのチャネル上のトラフィックデータを順番に別々に取り込みうると仮定される。取り込まれたトラフィックデータは、検出デバイスのメモリにリアルタイムでキャッシュされてもよく、例えば、検出デバイスのランダムアクセスメモリ（random access memory、RAM）にキャッシュされてもよいし、取り込みが完了された後にパケットの形態で検出デバイスのパスに記憶されてもよく、例えば、検出デバイスのアプリケーションの内部ストレージパスに記憶されてもよく、例えば、読み出し専用メモリ（read－only memory、ROM）に記憶されてもよい。

【0159】

いくつかの実施形態では、チャネル（例えば、前述のチャネル1）上で検出デバイスによって取り込まれたトラフィックデータのバイト数が予め設定された閾値未満である場合、チャネル上でトラフィックデータを検出する後続の手順はスキップされることができ、次のチャネル上のトラフィックデータのバイト数が直接決定され、後続の検出手順をスキップするかどうかは、次のチャネル上で取り込まれたトラフィックデータのバイト数に基づいて決定される、すなわち、S621：チャネル検出を加速する。

【0160】

例えば、チャネル1について、5秒以内に検出デバイスによって検出されたトラフィックデータのバイト数が予め設定された閾値未満である場合、チャネル1上の後続の検出ステップS630～S670はスキップされてもよく、チャネル2上のトラフィックデータのバイト数が引き続き決定される。チャネル2上のトラフィックデータのバイト数が予め設定された閾値以上である場合には、S630が引き続き実行され、そうではなくチャネル2上のトラフィックデータのバイト数が予め設定された閾値未満である場合には、チャネル2上の後続の検出ステップS630～S670はスキップされてもよい。

【0161】

S621は任意選択であることに留意されたい。いくつかの実施形態では、ターゲット検出チャネル上でトラフィックデータを取得した後、検出デバイスは、S630を直接行ってもよい。

【0162】

検出手順が行われるターゲット検出チャネルでは、ターゲット検出チャネル上でトラフィックデータを取得した後、検出デバイスは、トラフィックデータからMAC層情報を抽出するためにトラフィックデータをパースしうる。例えば、メモリ内のキャッシュデータまたはパス内のパケットデータは、トラフィックデータからMAC層情報が抽出されることができるように、Wi－Fi伝送プロトコルに基づいてパースされることができる。

【0163】

抽出されたMAC層情報は、フレームタイプ、フレームサイズ、送信元アドレス、宛先アドレス、持続時間などを含みうるが、これらに限定されない。

【0164】

S630：トラフィックデータから固有ベクトルを抽出する。

【0165】

本出願のこの実施形態では、固有ベクトルがトラフィックデータから抽出される前に、ターゲット検出チャネル上のトラフィックデータは、解析された情報に基づいて前処理されてもよい。前処理は、無関係なデータフレームを除去すること、およびトラフィックデータに対してトラフィック分割を行うことを含んでもよい。

【0166】

無関係なデータフレームを除去することは、そのタイプがデータフレームではないフレーム、例えば、Wi－Fi管理フレーム、Wi－Fi制御フレーム、および再送フレームを除去することを意味する。IEEE802．11プロトコルでは、Wi－Fi管理フレームはWi－Fi通信リンクの確立を管理するために使用され、Wi－Fi制御フレームはデータフレームの送信を支援するために使用され、再送フレームはデータフレームの反復送信であり、データフレームは上位層アプリケーションのサービスデータを搬送することに留意されたい。ビデオ監視デバイスの後続の識別は、監視ビデオサービスデータを特徴として識別することによって主に完了される。異なるサービスについて、Wi－Fi管理フレームとWi－Fi制御フレームは同じであり、再送フレームはチャネル環境に関連され、サービスとは無関係である。しかしながら、本出願では、ビデオ監視デバイスは、異なるデータを使用することによって主に識別される。したがって、サービス識別では、無関係なデータフレームはすべて「ノイズ」であり、除去される必要がある。

【0167】

トラフィックデータに対してトラフィック分割を行うことは、複数のターゲット検出チャネルの各々で異なるデバイスのトラフィックデータを分割することとして理解されてもよい。例えば、各ターゲット検出チャネル上の異なるデバイスのトラフィックデータは、データフレームの送信元MACアドレスおよび宛先MACアドレスに基づいて分割されてもよい。

【0168】

具体的には、前述のステップS610で選別されたターゲット検出チャネルは、チャネル1、チャネル2、チャネル3、チャネル4、およびチャネル5を含み、5つのチャネル上の異なるデバイスのトラフィックデータに対して順次にトラフィック分割が行われうると仮定される。最初に、チャネル1上でトラフィック分割が行われうる。チャネル1が3つの異なるデバイスのトラフィックデータを含む場合、3つの異なるデバイスのトラフィックデータは、3つのデバイスのトラフィックデータを別々に取得するために、3つの異なるデバイスの送信元アドレスおよび宛先アドレスに基づいて分割されうる。同様に、別のチャネル上のデバイスに対してトラフィック分割を行うために、同じ方式が使用されてもよい。簡潔にするため、ここでは詳細は再度説明されない。

【0169】

特定の実装形態では、ターゲット検出チャネル上のトラフィックデータが前処理された後、前処理されたトラフィックデータから固有ベクトルを抽出されてもよく、抽出された固有ベクトルは機械学習モデルに入力され、検出されたチャネルに対応するデバイスがビデオ監視デバイスであるかどうかは、機械学習モデルを使用することによって識別される。

【0170】

例えば、固有ベクトルは、専門家の経験を使用することによって手動で設計および抽出されてもよい。抽出された固有ベクトルは、パケット長関連の統計的特徴（例えば、パケット長の最大値、最小値、平均値、分散、累積分布）、持続時間関連の統計的特徴、および瞬間トラフィック帯域幅を含むが、これらに限定されない。

【0171】

別の特定の実装形態では、ターゲット検出チャネル上のトラフィックデータが前処理された後、前処理されたトラフィックデータが深層学習モデルに入力され、検出されたチャネルに対応するデバイスがビデオ監視デバイスであるかどうかは、深層学習モデルを使用することによって識別される。

【0172】

深層学習モデルは、リカレントニューラルネットワーク（recurrent neural network、RNN）モデル、長・短期記憶（long short－term memory、LSTM）人工ニューラルネットワークモデルなどであってもよい。本出願のこの実施形態における深層学習モデルは、前述の2つのモデルを含むがこれらに限定されず、または別のモデルであってもよいことを理解されたい。これは限定されない。

【0173】

S630は任意選択のステップであることに留意されたい。いくつかの実施形態では、検出モデルが深層学習モデルを使用する場合、S650は代替的に直接行われてもよい。

【0174】

機械学習モデルまたは深層学習モデルは、収集された肯定的なサンプルトラフィックデータおよび収集された否定的なサンプルトラフィックデータを使用することによってモデル訓練を行うこと、すなわち、S640：トラフィックデータ分類モデルを訓練する、によって取得されうる。

【0175】

いくつかの実施形態では、肯定的なサンプルトラフィックデータは、異なるビデオ監視デバイスの動作プロセスで生成されたトラフィックデータであってもよい。肯定的なサンプルトラフィックデータについては、監視ビデオの画質、監視ビデオのエンコーディング方式およびデコーディング方式、ビデオ送信プロトコルなどの異なる要因によって引き起こされうるトラフィック差が考慮に入れられうる。否定的なサンプルトラフィックデータは、日常生活において、例えば、ビデオライブ放送、オンラインビデオ再生、オンラインゲーム、テキストダウンロード、システム更新などのシナリオにおいて異なる非ビデオ監視デバイスによって生成されたサービストラフィックデータであってもよい。

【0176】

いくつかの他の実施形態では、肯定的なサンプルトラフィックデータは、日常生活において、例えば、ビデオライブ放送、オンラインビデオ再生、オンラインゲーム、テキストダウンロード、システム更新などのシナリオにおいて異なる非ビデオ監視デバイスによって生成されたサービストラフィックデータであってもよい。否定的なサンプルトラフィックデータは、異なるビデオ監視デバイスの動作プロセスで生成されたトラフィックデータであってもよい。同様に、否定的なサンプルトラフィックデータについては、監視ビデオの画質、監視ビデオのエンコーディング方式およびデコーディング方式、ビデオ送信プロトコルなどの異なる要因によって引き起こされうるトラフィック差が考慮に入れられうる。

【0177】

S650：検出モデルを使用することによってトラフィックデータのタイプを決定し、トラフィックデータのタイプに基づいて、トラフィックデータに対応するデバイスがビデオ監視デバイスであるかどうかを決定する。

【0178】

本出願のこの実施形態における検出モデルは、前述の機械学習モデルまたは深層学習モデルであってもよい。

【0179】

ビデオ監視デバイスの検出プロセスでは、トラフィックデータから抽出された前述の固有ベクトルまたはトラフィックデータは、トラフィックデータのタイプを識別して、検出されたデバイスがビデオ監視デバイスであるかどうかを識別するために、対応する検出モデルに入力されうる。

【0180】

（1）モデル1
対応する検出モデルが機械学習モデルである場合、肯定的なサンプルトラフィックデータは、異なるビデオ監視デバイスの動作プロセスで生成されたトラフィックデータであってもよく、否定的なサンプルトラフィックデータは、日常生活において異なる非ビデオ監視デバイスによって生成されたサービストラフィックデータであってもよく、識別は以下の方式で行われうる。

【0181】

前処理されたトラフィックデータは、複数のトラフィックサンプルグループにセグメント化されてもよく、複数のトラフィックサンプルの信頼度を取得するために、複数のトラフィックサンプルグループから固有ベクトルがそれぞれ抽出され、機械学習モデルに入力され、デバイスがビデオ監視デバイスであるかどうかは、信頼度および予め設定された閾値を使用することによって識別される。

【0182】

（1）複数のトラフィックサンプルグループの信頼度の平均値が計算されうる。信頼度の平均値が予め設定された閾値以上である場合、トラフィックデータに対応するデバイスはビデオ監視デバイスであると決定されることができ、そうでない場合、デバイスはビデオ監視デバイスではない。

【0183】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である場合、10個のトラフィックサンプルの信頼度の平均値は0．6であり、信頼度の平均値は予め設定された閾値0．5より大きい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスである、すなわち、現在のネットワーク空間にビデオ監視デバイスが存在すると決定されることができる。

【0184】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．3、0．1、0．2、0．2、0．3、0．4、0．1、0．1、0．2、および0．1である場合、10個のトラフィックサンプルの信頼度の平均値は0．2であり、信頼度の平均値は予め設定された閾値0．5より小さい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスではない、すなわち、現在のネットワーク空間にビデオ監視デバイスは存在しないと決定されることができる。

【0185】

（2）決定は、単一のサンプルの信頼度および予め設定された閾値を参照して行われうる。信頼度が予め設定された閾値以上であるトラフィックサンプルの数が、信頼度が予め設定された閾値未満であるトラフィックサンプルの数以上である場合、トラフィックデータに対応するデバイスはビデオ監視デバイスであると決定されることができ、そうでない場合、デバイスはビデオ監視デバイスではない。

【0186】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5以上である7つのトラフィックサンプルが存在し、信頼度が予め設定された閾値0．5未満である3個のトラフィックサンプルが存在する。言い換えれば、信頼度が予め設定された閾値以上であるトラフィックサンプルの数（すなわち、7）は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数（すなわち、3）よりも大きい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスである、すなわち、現在のネットワーク空間にビデオ監視デバイスが存在すると決定されることができる。

【0187】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．3、0．1、0．2、0．2、0．3、0．4、0．1、0．1、0．2、および0．1である場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5以上である0個のトラフィックサンプルがあり、信頼度が予め設定された閾値0．5未満である10個のトラフィックサンプルがある。言い換えれば、信頼度が予め設定された閾値以上であるトラフィックサンプルの数（すなわち、0）は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数（すなわち、10）よりも小さい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスではない、すなわち、現在のネットワーク空間にビデオ監視デバイスは存在しないと決定されることができる。

【0188】

（2）モデル2
対応する検出モデルが機械学習モデルである場合、肯定的なサンプルトラフィックデータは、日常生活において異なる非ビデオ監視デバイスによって生成されたサービストラフィックデータであってもよく、否定的なサンプルトラフィックデータは、異なるビデオ監視デバイスの動作プロセスで生成されたトラフィックデータであってもよく、識別は以下の方式で行われうる。

【0189】

前処理されたトラフィックデータは、複数のトラフィックサンプルグループにセグメント化されてもよく、複数のトラフィックサンプルの信頼度を取得するために、複数のトラフィックサンプルグループから固有ベクトルがそれぞれ抽出され、機械学習モデルに入力され、デバイスがビデオ監視デバイスであるかどうかは、信頼度および予め設定された閾値を使用することによって識別される。

【0190】

（1）複数のトラフィックサンプルグループの信頼度の平均値が計算されうる。信頼度の平均値が予め設定された閾値未満である場合、トラフィックデータに対応するデバイスはビデオ監視デバイスであると決定されることができ、そうでない場合、デバイスはビデオ監視デバイスではない。

【0191】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である場合、10個のトラフィックサンプルの信頼度の平均値は0．6であり、信頼度の平均値は予め設定された閾値0．5より大きい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスではない、すなわち、現在のネットワーク空間にビデオ監視デバイスは存在しないと決定されることができる。

【0192】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．3、0．1、0．2、0．2、0．3、0．4、0．1、0．1、0．2、および0．1である場合、10個のトラフィックサンプルの信頼度の平均値は0．2であり、信頼度の平均値は予め設定された閾値0．5より小さい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスである、すなわち、現在のネットワーク空間にビデオ監視デバイスが存在すると決定されることができる。

【0193】

（2）決定は、単一のサンプルの信頼度および予め設定された閾値を参照して行われうる。信頼度が予め設定された閾値未満であるトラフィックサンプルの数が、信頼度が予め設定された閾値以上であるトラフィックサンプルの数以上である場合、トラフィックデータに対応するデバイスはビデオ監視デバイスであると決定されることができ、そうでない場合、デバイスはビデオ監視デバイスではない。

【0194】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．6、0．8、0．1、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5未満である4つのトラフィックサンプルがあり、信頼度が予め設定された閾値0．5以上である6つのトラフィックサンプルがある。言い換えれば、信頼度が予め設定された閾値未満であるトラフィックサンプルの数（すなわち、4）は、信頼度が予め設定された閾値以上であるトラフィックサンプルの数（すなわち、6）よりも小さい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスではない、すなわち、現在のネットワーク空間にビデオ監視デバイスは存在しないと決定されることができる。

【0195】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．3、0．1、0．2、0．2、0．3、0．4、0．1、0．1、0．2、および0．1である場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5未満である10個のトラフィックサンプルがあり、信頼度が予め設定された閾値0．5以上である0個のトラフィックサンプルがある。言い換えれば、信頼度が予め設定された閾値未満であるトラフィックサンプルの数（すなわち、10）は、信頼度が予め設定された閾値以上であるトラフィックサンプルの数（すなわち、0）よりも大きい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスである、すなわち、現在のネットワーク空間にビデオ監視デバイスが存在すると決定されることができる。

【0196】

（3）モデル3
対応する検出モデルが深層学習モデルである場合、肯定的なサンプルトラフィックデータは、異なるビデオ監視デバイスの動作プロセスで生成されたトラフィックデータであってもよく、否定的なサンプルトラフィックデータは、日常生活において異なる非ビデオ監視デバイスによって生成されたサービストラフィックデータであってもよい。

【0197】

検出モデルが深層学習モデルであるとき、取得されたトラフィックデータが前処理された後、前処理されたトラフィックデータは、複数のトラフィックサンプルグループにセグメント化されてもよく、複数のトラフィックサンプルグループの固有ベクトルが抽出される必要はなく、トラフィックサンプルは、複数のトラフィックサンプルグループの信頼度を取得するために深層学習モデルに直接入力されてもよく、デバイスがビデオ監視デバイスであるかどうかは、信頼度および予め設定された閾値を使用することによって識別される。

【0198】

（1）複数のトラフィックサンプルグループの信頼度の平均値が計算されうる。信頼度の平均値が予め設定された閾値以上である場合、トラフィックデータに対応するデバイスはビデオ監視デバイスであると決定されることができ、そうでない場合、デバイスはビデオ監視デバイスではない。

【0199】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である場合、10個のトラフィックサンプルの信頼度の平均値は0．6であり、信頼度の平均値は予め設定された閾値0．5より大きい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスである、すなわち、現在のネットワーク空間にビデオ監視デバイスが存在すると決定されることができる。

【0200】

（2）決定は、単一のサンプルの信頼度および予め設定された閾値を参照して行われうる。信頼度が予め設定された閾値以上であるトラフィックサンプルの数が、信頼度が予め設定された閾値未満であるトラフィックサンプルの数以上である場合、トラフィックデータに対応するデバイスはビデオ監視デバイスであると決定されることができ、そうでない場合、デバイスはビデオ監視デバイスではない。

【0201】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5以上である7つのトラフィックサンプルが存在し、信頼度が予め設定された閾値0．5未満である3個のトラフィックサンプルが存在する。言い換えれば、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも大きい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスである、すなわち、現在のネットワーク空間にビデオ監視デバイスが存在すると決定されることができる。

【0202】

（4）モデル4
対応する検出モデルが深層学習モデルである場合、肯定的なサンプルトラフィックデータは、日常生活において異なる非ビデオ監視デバイスによって生成されたサービストラフィックデータであってもよく、否定的なサンプルトラフィックデータは、異なるビデオ監視デバイスの動作プロセスで生成されたトラフィックデータであってもよい。

【0203】

同様に、検出モデルが深層学習モデルであるとき、取得されたトラフィックデータが前処理された後、前処理されたトラフィックデータは、複数のトラフィックサンプルグループにセグメント化されてもよく、複数のトラフィックサンプルグループの固有ベクトルが抽出される必要はなく、複数のトラフィックサンプルグループは、複数のトラフィックサンプルグループの信頼度を取得するために深層学習モデルに直接入力されてもよく、デバイスがビデオ監視デバイスであるかどうかは、信頼度および予め設定された閾値を使用することによって識別される。

【0204】

（1）複数のトラフィックサンプルグループの信頼度の平均値が計算されうる。信頼度の平均値が予め設定された閾値未満である場合、トラフィックデータに対応するデバイスはビデオ監視デバイスであると決定されることができ、そうでない場合、デバイスはビデオ監視デバイスではない。

【0205】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である場合、10個のトラフィックサンプルの信頼度の平均値は0．6であり、信頼度の平均値は予め設定された閾値0．5より大きい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスではない、すなわち、現在のネットワーク空間にビデオ監視デバイスは存在しないと決定されることができる。

【0206】

（2）決定は、単一のサンプルの信頼度および予め設定された閾値を参照して行われうる。信頼度が予め設定された閾値未満であるトラフィックサンプルの数が、信頼度が予め設定された閾値以上であるトラフィックサンプルの数以上である場合、トラフィックデータに対応するデバイスはビデオ監視デバイスであると決定されることができ、そうでない場合、デバイスはビデオ監視デバイスではない。

【0207】

例えば、予め設定された閾値が0．5であると仮定される。1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度が、それぞれ、0．6、0．8、0．1、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5未満である4つのトラフィックサンプルがあり、信頼度が予め設定された閾値0．5以上である6つのトラフィックサンプルがある。言い換えれば、信頼度が予め設定された閾値未満であるトラフィックサンプルの数（すなわち、4）は、信頼度が予め設定された閾値以上であるトラフィックサンプルの数（すなわち、6）よりも小さい。この場合、トラフィックデータに対応するデバイスはビデオ監視デバイスではない、すなわち、現在のネットワーク空間にビデオ監視デバイスは存在しないと決定されることができる。

【0208】

前述の数値は説明のための一例にすぎず、代替的に別の数値であってもよく、本出願に対する特定の限定として解釈されるべきではないことに留意されたい。

【0209】

前述のステップS650が行われた後、ビデオ監視デバイスが存在すると決定された場合、S660が行われ、そうではなくビデオ監視デバイスが存在しない場合、S670が行われる。

【0210】

S660：図3（e）または図4（e）に示されるインターフェースに示されるように、ネットワーク空間にビデオ監視デバイスが存在することをユーザに通知し、関連情報、例えば、ビデオ監視デバイスに接続されたWi－Fiに関する情報が提供されてもよく、デバイス位置特定アルゴリズムが有効化される。

【0211】

S670：図3（d）または図4（d）に示されるインターフェースに示されるように、ネットワーク空間にビデオ監視デバイスが存在しないことをユーザに通知する。

【0212】

位置特定プロセス
前述のステップS610からS670に従って、ネットワーク空間にビデオ監視デバイスが存在することが検出された場合、ビデオ監視デバイスを位置特定するために、デバイス位置特定アルゴリズムが開始されうる。

【0213】

具体的には、ビデオ監視デバイスを位置特定する実際のプロセスでは、検出デバイスの光源を使用することによって局所検出領域の光強度が変更されてもよく、同時に監視ビデオトラフィックデータが取り込まれる。ビデオトラフィックデータは前処理され、次いで、ビデオトラフィックのタイプを決定するために検出デバイス位置特定モデルに入力される。ビデオ監視デバイスの位置特定プロセスは、検出デバイスの光源の変化形態およびビデオトラフィックのタイプの変化形態を参照して実施される。ビデオ監視デバイスの位置特定の具体的なフローチャートが図6に示されている。

【0214】

S710：ビデオ監視デバイスに関する情報を抽出する。

【0215】

S720：局所領域の光強度を変更し、ビデオトラフィックデータを取り込む。

【0216】

局所領域の光強度が変更される前に、周囲環境の光強度が最初に低減されうる。例えば、周囲環境の光強度は周囲のすべての窓のカーテンを使用することによって低減されてもよいし、または、図3（f）に示されるインターフェースに記載されているように、照明が点灯されたときに、周囲環境の光強度を低減するために照明が消灯される。

【0217】

本出願のこの実施形態における周囲光強度は、光センサを使用することによって実装されてもよく、例えば、図1に示される電子デバイス内の周囲光センサ180Lを使用することによって感知されてもよい。周囲環境の光強度が初めて低減されたが、周囲光強度が依然としてビデオトラフィックデータを取り込むための条件を満たしていないことを周囲光センサ180Lが感知したとき、電子デバイスの通知マネージャはユーザに、周囲環境の光強度を再度低減して、ビデオトラフィックデータを取り込むための条件を満たすよう指示してもよい。

【0218】

本出願のこの実施形態では、検出デバイスのフラッシュを局所領域と整列させることによって、局所領域の光強度が変更されうる。具体的には、検出デバイスのフラッシュは周期的に点灯、消灯するように制御されてもよく、フラッシュはオンタイムウィンドウでは迅速かつ周期的に（例えば、20Hz）点滅し、フラッシュは、オフタイムウィンドウでは消灯される。

【0219】

検出デバイスのフラッシュは自動的に点灯されてもよいことに留意されたい。例えば、図3（e）に示されるGUIに示されるように、フラッシュは、現在の空間にビデオ監視デバイスが存在することを検出デバイスが検出し、ユーザが位置特定を開始するためにアイコン303をタップした後に点灯されてもよい。

【0220】

オンタイムウィンドウでは、フラッシュはずっと点灯しているのではなく、周期的に点滅することにさらに留意されたい。これは、主に、ビデオ監視デバイスのカメラのフレームレート（約20fps）と協働し、ビデオ監視デバイスによって撮影される画像を絶えず変更して、より多くのトラフィックデータを形成するためである。このようにして、オンタイムウィンドウ内のデータとオフタイムウィンドウ内のデータとの差がより大きくなる。

【0221】

検出デバイスの光源が局所環境の光強度を変更するように制御されるとき、ビデオトラフィックデータが取り込まれ、パースされ、前処理されることができる。

【0222】

図7に示される位置特定シナリオが説明のための例として使用される。図7に示される位置特定シナリオでは、携帯電話（すなわち、検出デバイス）が整列されている0°方向（領域1）にビデオ監視デバイスがあり、携帯電話が整列されている90°方向（領域2）、180°方向（領域3）、および270°方向（領域4）にビデオ監視デバイスはない。ビデオ監視デバイスの位置特定プロセスでは、検出デバイスの光源の強度変化が図9に示されている。領域1が整列されているとき、検出デバイスによって検出されるビデオトラフィックが大きく変化することが知見されうる。図8（a）に示されるように、ビデオトラフィックは異なる瞬間に大きく変動する。これは、ビデオ監視デバイスが領域1の方向の検出デバイスのフラッシュの変化に応答することを指示している。したがって、領域1の方向にビデオ監視デバイスが存在すると決定されることができる。

【0223】

しかしながら、検出デバイスが領域2または領域3と整列されているとき、検出されたビデオトラフィックは基本的に変化しないままである。図8（b）および図8（c）に示されるように、ビデオトラフィックは、基本的に、異なる時点で変化しないままである。これは、ビデオ監視デバイスが領域2または領域3の方向の検出デバイスのフラッシュの変化に応答しないことを指示している。したがって、領域2または領域3の方向にはビデオ監視デバイスが存在しないと決定されることができる。

【0224】

同様に、領域4も領域2または領域3と同じである。簡潔にするため、ここでは詳細は再度説明されない。

【0225】

特定の実装プロセスにおいて、ユーザは、検出デバイスのネットワークインターフェースカードを「監視」モードに最初に設定してもよく、ターゲットチャネル（ターゲットチャネルは前述のステップS610からS670に従って決定され、ターゲットチャネルは前述のターゲット検出チャネルの全部または一部であってもよい）上のトラフィックデータが、検出デバイスのスニッフィング能力を使用することによって取り込まれる。同様に、取り込まれたトラフィックデータは、リアルタイムでデバイスのメモリにキャッシュされてもよいし、取り込みが完了された後にパケットの形態でデバイスのパスに記憶されてもよい。

【0226】

ターゲットチャネル上のトラフィックデータを取得した後、検出デバイスは、トラフィックデータからMAC層情報を抽出するためにトラフィックデータをパースしてもよい。例えば、メモリ内のキャッシュデータまたはパス内のパケットデータは、トラフィックデータからMAC層情報が抽出されることができるように、Wi－Fi伝送プロトコルに基づいてパースされることができる。

【0227】

抽出されたMAC層情報は、フレームタイプ、フレームサイズ、送信元アドレス、宛先アドレス、持続時間などを含みうるが、これらに限定されない。

【0228】

トラフィックデータの前述の前処理プロセスは、無関係なデータフレームを除去すること、およびトラフィックデータに対してトラフィック分割を行うことを含んでもよい。

【0229】

無関係なデータフレームを除去することは、そのタイプがデータフレームではないフレーム、例えば、Wi－Fi管理フレーム、Wi－Fi制御フレーム、および再送フレームを除去することを意味する。

【0230】

トラフィックデータに対してトラフィック分割を行うことは、複数のターゲットチャネルの各々で異なるデバイスのトラフィックデータを分割することとして理解されてもよい。例えば、複数のターゲットチャネル上の異なるデバイスのトラフィックデータは、MACアドレスに基づいて分割されてもよい。

【0231】

特定の実装形態では、ターゲットチャネル上のトラフィックデータが前処理された後、前処理されたトラフィックデータから固有ベクトルを抽出されてもよく、抽出された固有ベクトルは機械学習モデルに入力され、ユーザが位置される部屋にビデオ監視デバイスがあるかどうか、ならびにビデオ監視デバイスの方向および位置が、機械学習モデルを使用することによって識別される。

【0232】

例えば、固有ベクトルは、専門家の経験を使用することによって手動で設計および抽出されてもよい。抽出された固有ベクトルは、トラフィックレート離散フーリエ変換係数、パケット長関連の統計的特徴（例えば、パケット長の最大値、最小値、平均値、分散、累積分布、勾配、カートシス）、および持続時間関連の統計的特徴を含むが、これらに限定されない。

【0233】

別の特定の実装形態では、前処理されたトラフィックデータが深層学習モデルに入力されてもよく、ユーザが位置される部屋にビデオ監視デバイスがあるかどうか、ならびにビデオ監視デバイスの方向および位置が、深層学習モデルを使用することによって識別される。

【0234】

深層学習モデルは、RNNモデル、LSTMモデルなどであってもよい。本出願のこの実施形態における深層学習モデルは、前述の2つのモデルを含むがこれらに限定されず、または別のモデルであってもよいことを理解されたい。これは限定されない。

【0235】

加えて、機械学習モデルまたは深層学習モデルは、収集された肯定的なサンプルトラフィックデータおよび収集された否定的なサンプルトラフィックデータを使用することによってモデル訓練を行うこと、すなわち、S740：トラフィックデータ分類モデルを訓練する、によって取得されうる。

【0236】

いくつかの実施形態では、肯定的なサンプルトラフィックデータは、検出デバイスの光源がオンタイムウィンドウ内にあり、検出デバイスの光源がビデオ監視デバイスと整列されているときに生成されるトラフィックデータでありうる。否定的なサンプルトラフィックデータは、検出デバイスの光源がオフタイムウィンドウ内にあるとき、または検出デバイスの光源がビデオ監視デバイスと整列されていないときに生成されるトラフィックデータでありうる。

【0237】

いくつかの他の実施形態では、肯定的なサンプルトラフィックデータは、検出デバイスの光源がオフタイムウィンドウ内にあるとき、または検出デバイスの光源がビデオ監視デバイスと整列されていないときに生成されるトラフィックデータでありうる。否定的なサンプルトラフィックデータは、検出デバイスの光源がオンタイムウィンドウ内にあり、検出デバイスの光源がビデオ監視デバイスと整列されているときに生成されるトラフィックデータでありうる。

【0238】

S730：ビデオトラフィックを分類する。

【0239】

S750：フラッシュの変化およびビデオトラフィックのタイプを参照して、フラッシュがビデオ監視デバイスと整列されているかどうかを決定する。

【0240】

S750が行われた後、フラッシュがビデオ監視デバイスと整列されている場合、S760が行われ、そうではなくフラッシュがビデオ監視デバイスと整列されていない場合、S770が行われる。

【0241】

S760：ビデオ監視デバイスの方向および位置、例えば、図3（i）に示されるインターフェースを提供する。

【0242】

S770：図3（j）に示されるインターフェースに示されるように、ユーザが位置される部屋にビデオ監視デバイスがないことを通知する。

【0243】

ビデオ監視デバイスの位置特定プロセスでは、トラフィックのタイプの変化およびデバイスの光源の変化を参照して、ユーザが位置される部屋にビデオ監視デバイスがあるかどうかを識別するように、データトラフィックのタイプを識別するために、トラフィックデータから抽出された固有ベクトルまたはトラフィックデータが対応する位置特定モデルに入力されうる。部屋にビデオ監視デバイスがある場合、部屋のビデオ監視デバイスの方向および位置が提供され、そうではなく部屋にビデオ監視デバイスがない場合、ユーザが位置される部屋にビデオ監視デバイスはない。

【0244】

代替的に、携帯電話の光源が最初に方向と整列させられてもよく、その方向のトラフィックデータが取得され、トラフィックのタイプの変化およびデバイスの光源の変化を参照して、ユーザが位置される部屋にビデオ監視デバイスがあるかどうかを識別するように、データトラフィックのタイプを識別するために、トラフィックデータから抽出された固有ベクトルまたはトラフィックデータが対応する位置特定モデルに入力される。部屋にビデオ監視デバイスがある場合、部屋のビデオ監視デバイスの方向および位置が提供され、そうではなく部屋にビデオ監視デバイスがない場合、ユーザが位置される部屋にビデオ監視デバイスはない。現在の方向が検出された後、プロセスは次の方向で続行する。

【0245】

本出願のこの実施形態における位置特定モデルは、前述の機械学習モデルまたは深層学習モデルであってもよい。

【0246】

（1）モデル1
対応する位置特定モデルが機械学習モデルである場合、肯定的なサンプルトラフィックデータは、検出デバイスの光源がオンタイムウィンドウ内にあり、検出デバイスの光源がビデオ監視デバイスと整列されているときに生成される監視ビデオトラフィックであり、否定的なサンプルトラフィックデータは、検出デバイスの光源がオフタイムウィンドウ内にあるか、または検出デバイスの光源がビデオ監視デバイスと整列されていないときに生成されるビデオトラフィックであり、識別は以下の方式で行われうる。

【0247】

オンタイムウィンドウ内およびオフタイムウィンドウ内の電子デバイスのトラフィックデータは、別々に取得され、処理されてもよく、前処理されたトラフィックデータは複数のトラフィックサンプルグループにセグメント化され、複数のトラフィックサンプルグループの信頼度を取得するために、複数のトラフィックサンプルグループの固有ベクトルがそれぞれ抽出されて、機械学習モデルに入力され、信頼度および予め設定された閾値を使用することによってデータトラフィックのタイプが識別され、検出されたビデオ監視デバイスの方向および位置が、トラフィックのタイプの変化およびデバイスの光源の変化を参照して識別される。

【0248】

（1）複数のトラフィックサンプルグループの信頼度の平均値が計算されうる。信頼度の平均値が予め設定された閾値以上である場合、データトラフィックのタイプは、肯定的なサンプルトラフィックデータタイプとして識別されることができる。信頼度の平均値が予め設定された閾値未満である場合、データトラフィックのタイプは、否定的なサンプルトラフィックデータタイプとして識別されることができる。次いで、検出されたビデオ監視デバイスの方向および位置が、トラフィックのタイプの変化およびデバイスの光源の変化を参照して識別される。

【0249】

例えば、予め設定された閾値が0．5であると仮定される。ある期間のオンタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7であり、10個のトラフィックサンプルの信頼度の平均値は0．6であり、信頼度の平均値は予め設定された閾値0．5より大きい。この場合、オンタイムウィンドウ内のトラフィックデータのデータタイプは肯定的なサンプルトラフィックデータタイプであると決定されることができる。

【0250】

ある期間のオフタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．3、0．1、0．2、0．2、0．3、0．4、0．1、0．1、0．2、および0．1であり、10個のトラフィックサンプルの信頼度の平均値は0．2であり、信頼度の平均値は、予め設定された閾値0．5未満である。この場合、オフタイムウィンドウ内のトラフィックデータのデータタイプは否定的なサンプルトラフィックデータタイプであると決定されることができる。

【0251】

同様に、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内にあり、電子デバイスによって取得されたトラフィックデータが、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のタイプを取得するために処理され、決定される。

【0252】

肯定的なサンプルトラフィックデータタイプは「1」と表記され、否定的なサンプルトラフィックデータタイプは「0」と表記されると仮定される。前述の識別方法に従って取得された、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のトラフィックデータのタイプが両方とも「1」および「0」であり、電子デバイスの光源の変化が「1」および「0」と表記される場合、検出されたビデオ監視デバイスの方向および位置は、トラフィックのタイプの変化およびデバイスの光源の変化に基づいて識別されることができる。

【0253】

検出されたビデオ監視デバイスのトラフィックデータのタイプによって形成される第1のシーケンスと、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成される第2のシーケンスとの間の相関係数が予め設定された閾値以上である場合、ビデオ監視デバイスは光源に対応する方向に位置されることが識別されることができる。相関係数が予め設定された閾値未満である場合、ビデオ監視デバイスは光源に対応する方向には位置されないことが識別されることができる。ビデオ監視デバイスが部屋のいずれの方向および場所にもない場合、ユーザが位置される部屋にビデオ監視デバイスがないことが決定される。

【0254】

本出願のこの実施形態における相関係数は、ピアソン相関係数、スピアマン相関係数、およびケンドール相関係数、を含みうるが、これらに限定されない。

【0255】

ピアソン相関係数が一例として使用され、2つの変数間の相関係数は以下のように表されうる：

【数1】

式中、ρ（X，Y）は、XとYの間の相関係数を表し、cov（X，Y）は、XとYの間の共分散を表し、σ_Xおよびσ_Yは、XおよびYの標準偏差を表し、E（X，Y）は、XおよびYの数学的期待値を表し、E（X）およびE（Y）は、XとYとの数学的期待値をそれぞれ表し、E（X²）およびとE（X²）は、X²とY²との数学的期待値をそれぞれ表す。

【0256】

例えば、携帯電話の光源が現在、真東方向に整列されていると仮定される。前述のプロセスに従って取得された、5つの期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のビデオ監視デバイスのトラフィックデータのタイプによって形成された第1のシーケンスがX＝（1，0，1，0，1，0，1，0，1，0）であり、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成された第2のシーケンスがY＝（1，0，1，0，1，0，1，0，1，0）である場合、XとYとの間の相関係数は以下の通りである：

【数2】

【0257】

XとYとの間の相関係数は1であり、予め設定された閾値0．5よりも大きいので、ビデオ監視デバイスは、携帯電話の光源が整列されている方向に位置される、すなわち、ビデオ監視デバイスは、携帯電話の光源が整列されている方向（すなわち、真東方向）に存在する、すなわち、図3（i）に示されるデバイス1であることが識別されることができる。

【0258】

例えば、携帯電話の光源が真北方向に整列されていると仮定される。前述のプロセスに従って取得された、5つの期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のビデオ監視デバイスのトラフィックデータのタイプによって形成された第1のシーケンスがX＝（0，0，0，0，1，0，0，0，0，0）であり、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成された第2のシーケンスがY＝（1，0，1，0，1，0，1，0，1，0）である場合、XとYとの間の相関係数は以下の通りである：

【数3】

【0259】

XとYとの間の相関係数は0．33であり、予め設定された閾値0．5未満であるので、ビデオ監視デバイスは、携帯電話の光源が整列されている方向に位置されない、すなわち、ビデオ監視デバイスは、携帯電話の光源が整列されている方向（すなわち、真北方向）には存在しないことが識別されることができる。図3（i）に示されるように、ビデオ監視デバイスは真北方向には検出されない。

【0260】

（2）決定は、単一のサンプルの信頼度および予め設定された閾値を参照して行われうる。信頼度がオンタイムウィンドウ内の予め設定された閾値以上であるトラフィックサンプルの数が、信頼度がオンタイムウィンドウ内の予め設定された閾値未満であるトラフィックサンプルの数以上であり、信頼度がオフタイムウィンドウ内の予め設定された閾値以上であるトラフィックサンプルの数が、信頼度がオフタイムウィンドウ内の予め設定された閾値未満であるトラフィックサンプルの数以下である場合、データトラフィックのタイプは、肯定的なサンプルトラフィックデータタイプとして識別されることができる。信頼度がオンタイムウィンドウ内の予め設定された閾値以上であるトラフィックサンプルの数が、信頼度が予め設定された閾値未満であるトラフィックサンプルの数未満であり、信頼度がオフタイムウィンドウ内の予め設定された閾値以上であるトラフィックサンプルの数が、信頼度がオフタイムウィンドウ内の予め設定された閾値未満であるトラフィックサンプルの数以下である場合、データトラフィックのタイプは、否定的なサンプルトラフィックデータタイプとして識別されることができる。

【0261】

例えば、予め設定された閾値が0．5であると仮定される。ある期間のオンタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である。この場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5以上である7つのトラフィックサンプルがあり、信頼度が予め設定された閾値0．5未満である3つのトラフィックサンプルがある。言い換えれば、オンタイムウィンドウ内では、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも大きい。加えて、その期間のオフタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．3、0．1、0．2、0．2、0．3、0．4、0．1、0．1、0．2、および0．1である。この場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5未満である10個のトラフィックサンプルがある。言い換えれば、オフタイムウィンドウ内では、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも小さい。この場合、オンタイムウィンドウ内のトラフィックデータのデータタイプは肯定的なサンプルトラフィックデータタイプであると決定されることができる。

【0262】

例えば、別の期間のオンタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．1、0．8、0．1、0．2、0．8、0．4、0．3、0．8、0．3、および0．7である。この場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5未満である6つのトラフィックサンプルがあり、信頼度が予め設定された閾値0．5以上である4つのトラフィックサンプルがある。言い換えれば、オンタイムウィンドウ内では、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも小さい。加えて、その期間のオフタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．3、0．1、0．2、0．2、0．3、0．4、0．1、0．1、0．2、および0．1である。この場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5未満である10個のトラフィックサンプルがある。言い換えれば、オフタイムウィンドウ内では、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも小さい。この場合、オフタイムウィンドウ内のトラフィックデータのデータタイプは否定的なサンプルトラフィックデータタイプであると決定されることができる。

【0263】

同様に、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内にあり、電子デバイスによって取得されたトラフィックデータが、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のタイプを取得するために処理され、決定される。

【0264】

肯定的なサンプルトラフィックデータタイプは「1」と表記され、否定的なサンプルトラフィックデータタイプは「0」と表記されると仮定される。前述の識別方法に従って取得された、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のトラフィックデータのタイプが両方とも「1」および「0」であり、電子デバイスの光源の変化が「1」および「0」と表記される場合、検出されたビデオ監視デバイスの方向および位置は、トラフィックのタイプの変化およびデバイスの光源の変化に基づいて識別されることができる。

【0265】

検出されたビデオ監視デバイスのトラフィックデータのタイプによって形成される第1のシーケンスと、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成される第2のシーケンスとの間の相関係数が予め設定された閾値以上である場合、ビデオ監視デバイスは光源が整列されている方向に位置されることが識別されることができる。相関係数が予め設定された閾値未満である場合、ビデオ監視デバイスは光源が整列されている方向に位置されないことが識別されることができる。ビデオ監視デバイスが部屋のいずれの方向および場所にもない場合、ユーザが位置される部屋にビデオ監視デバイスがないことが決定される。

【0266】

例えば、携帯電話の光源が真南方向に整列されていると仮定される。前述のプロセスに従って取得された、5つの期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のビデオ監視デバイスのトラフィックデータのタイプによって形成された第1のシーケンスがX＝（1，0，1，0，1，0，1，0，1，0）であり、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成された第2のシーケンスがY＝（1，0，1，0，1，0，1，0，1，0）である場合、XとYとの間の相関係数は以下の通りである：

【数4】

【0267】

XとYとの間の相関係数は1であり、予め設定された閾値0．5よりも大きいので、ビデオ監視デバイスは、携帯電話の光源が整列されている方向に位置される、すなわち、ビデオ監視デバイスは、携帯電話の光源が整列されている方向（すなわち、真南方向）に存在する、すなわち、図3（i）に示されるデバイス2であることが識別されることができる。

【0268】

例えば、携帯電話の光源が真西方向に整列されていると仮定される。前述のプロセスに従って取得された、5つの期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のビデオ監視デバイスのトラフィックデータのタイプによって形成された第1のシーケンスがX＝（0，0，0，0，1，0，0，0，0，0）であり、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成された第2のシーケンスがY＝（1，0，1，0，1，0，1，0，1，0）である場合、XとYとの間の相関係数は以下の通りである：

【数5】

【0269】

XとYとの間の相関係数は0．33であり、予め設定された閾値0．5未満であるので、ビデオ監視デバイスは、携帯電話の光源が整列されている方向に位置されない、すなわち、ビデオ監視デバイスは、携帯電話の光源が整列されている方向（すなわち、真西方向）には存在しないことが識別されることができる。図3（i）に示されるように、ビデオ監視デバイスは真西方向には検出されない。

【0270】

（2）モデル2
対応する検出モデルが機械学習モデルである場合、肯定的なサンプルトラフィックデータは、検出デバイスの光源がオフタイムウィンドウ内にあるか、または検出デバイスの光源がビデオ監視デバイスと整列されていないときに生成される監視ビデオトラフィックであり、否定的なサンプルトラフィックデータは、検出デバイスの光源がオンタイムウィンドウ内にあり、検出デバイスの光源がビデオ監視デバイスと整列されているときに生成される監視ビデオトラフィックでありうる。

【0271】

オンタイムウィンドウ内およびオフタイムウィンドウ内の電子デバイスのトラフィックデータは、別々に取得され、処理されてもよく、前処理されたトラフィックデータは複数のトラフィックサンプルグループにセグメント化され、複数のトラフィックサンプルグループの信頼度を取得するために、複数のトラフィックサンプルグループの固有ベクトルがそれぞれ抽出されて、機械学習モデルに入力され、信頼度および予め設定された閾値を使用することによってデータトラフィックのタイプが識別され、検出されたビデオ監視デバイスの方向および位置が、トラフィックのタイプの変化およびデバイスの光源の変化を参照して識別される。

【0272】

（1）複数のトラフィックサンプルグループの信頼度の平均値が計算されうる。信頼度の平均値が予め設定された閾値未満である場合、データトラフィックのタイプは、肯定的なサンプルトラフィックデータタイプとして識別されることができる。信頼度の平均値が予め設定された閾値以上である場合、データトラフィックのタイプは、否定的なサンプルトラフィックデータタイプとして識別されることができる。次いで、検出されたビデオ監視デバイスの方向および位置が、トラフィックのタイプの変化およびデバイスの光源の変化を参照して識別される。

【0273】

例えば、予め設定された閾値が0．5であると仮定される。ある期間のオンタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．6、0．8、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7であり、10個のトラフィックサンプルの信頼度の平均値は0．6であり、信頼度の平均値は予め設定された閾値0．5より大きい。この場合、オンタイムウィンドウ内のトラフィックデータのデータタイプは否定的なサンプルトラフィックデータであると決定されることができる。

【0274】

ある期間のオフタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．3、0．1、0．2、0．2、0．3、0．4、0．1、0．1、0．2、および0．1であり、10個のトラフィックサンプルの信頼度の平均値は0．2であり、信頼度の平均値は、予め設定された閾値0．5未満である。この場合、オフタイムウィンドウ内のトラフィックデータのデータタイプは肯定的なサンプルトラフィックデータタイプであると決定されることができる。

【0275】

同様に、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内にあり、電子デバイスによって取得されたトラフィックデータが、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のタイプを取得するために処理され、決定される。

【0276】

肯定的なサンプルトラフィックデータタイプは「1」と表記され、否定的なサンプルトラフィックデータタイプは「0」と表記されると仮定される。前述の識別方法に従って取得された、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のトラフィックデータのタイプが両方とも「1」および「0」であり、電子デバイスの光源の変化が「1」および「0」と表記される場合、検出されたビデオ監視デバイスの方向および位置は、トラフィックのタイプの変化およびデバイスの光源の変化に基づいて識別されることができる。

【0277】

検出されたビデオ監視デバイスのトラフィックデータのタイプによって形成される第1のシーケンスと、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成される第2のシーケンスとの間の相関係数が予め設定された閾値以上である場合、ビデオ監視デバイスは光源に対応する方向に位置されることが識別されることができる。相関係数が予め設定された閾値未満である場合、ビデオ監視デバイスは光源に対応する方向には位置されないことが識別されることができる。ビデオ監視デバイスが部屋のいずれの方向および場所にもない場合、ユーザが位置される部屋にビデオ監視デバイスがないことが決定される。

【0278】

例えば、携帯電話の光源が現在、真東方向に整列されていると仮定される。前述のプロセスに従って取得された、5つの期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のビデオ監視デバイスのトラフィックデータのタイプによって形成された第1のシーケンスがX＝（1，0，1，0，1，0，1，0，1，0）であり、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成された第2のシーケンスがY＝（1，0，1，0，1，0，1，0，1，0）である場合、XとYとの間の相関係数は以下の通りである：

【数6】

【0279】

XとYとの間の相関係数は1であり、予め設定された閾値0．5よりも大きいので、ビデオ監視デバイスは、携帯電話の光源が整列されている方向に位置される、すなわち、ビデオ監視デバイスは、携帯電話の光源が整列されている方向（すなわち、真東方向）に存在する、すなわち、図3（i）に示されるデバイス1であることが識別されることができる。

【0280】

（2）決定は、単一のサンプルの信頼度および予め設定された閾値を参照して行われうる。信頼度がオンタイムウィンドウ内の予め設定された閾値以上であるトラフィックサンプルの数が、信頼度が予め設定された閾値未満であるトラフィックサンプルの数以上であり、信頼度がオフタイムウィンドウ内の予め設定された閾値以上であるトラフィックサンプルの数が、信頼度がオフタイムウィンドウ内の予め設定された閾値未満であるトラフィックサンプルの数以上である場合、データトラフィックのタイプは、肯定的なサンプルトラフィックデータタイプとして識別されることができる。信頼度がオンタイムウィンドウ内の予め設定された閾値以上であるトラフィックサンプルの数が、信頼度が予め設定された閾値未満であるトラフィックサンプルの数未満であり、信頼度がオフタイムウィンドウ内の予め設定された閾値以上であるトラフィックサンプルの数が、信頼度がオフタイムウィンドウ内の予め設定された閾値未満であるトラフィックサンプルの数以上である場合、データトラフィックのタイプは、否定的なサンプルトラフィックデータタイプとして識別されることができる。

【0281】

例えば、予め設定された閾値が0．5であると仮定される。ある期間のオンタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．6、0．8、0．1、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である。この場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5未満である4つのトラフィックサンプルがあり、信頼度が予め設定された閾値0．5以上である6つのトラフィックサンプルがある。言い換えれば、オンタイムウィンドウ内では、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも大きい。加えて、その期間のオフタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．3、0．5、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である。この場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5以上である6つのトラフィックサンプルがあり、信頼度が予め設定された閾値0．5未満である4つのトラフィックサンプルがある。言い換えれば、オフタイムウィンドウ内では、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも大きい。この場合、オンタイムウィンドウ内のトラフィックデータのデータタイプは肯定的なサンプルトラフィックデータタイプであると決定されることができる。

【0282】

例えば、別の期間のオンタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．6、0．1、0．3、0．2、0．4、0．4、0．3、0．8、0．2、および0．7である。この場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5未満である7つのトラフィックサンプルがあり、信頼度が予め設定された閾値0．5以上である3つのトラフィックサンプルがある。言い換えれば、オンタイムウィンドウ内では、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも小さい。加えて、その期間のオフタイムウィンドウ内に電子デバイスによって取得された1つのトラフィックデータが10個のトラフィックサンプルにセグメント化され、10個のトラフィックサンプルの信頼度は、それぞれ、0．3、0．5、0．5、0．2、0．8、0．4、0．3、0．8、0．9、および0．7である。この場合、10個のトラフィックサンプルについて、信頼度が予め設定された閾値0．5以上である6つのトラフィックサンプルがあり、信頼度が予め設定された閾値0．5未満である4つのトラフィックサンプルがある。言い換えれば、オフタイムウィンドウ内では、信頼度が予め設定された閾値以上であるトラフィックサンプルの数は、信頼度が予め設定された閾値未満であるトラフィックサンプルの数よりも大きい。この場合、オフタイムウィンドウ内のトラフィックデータのデータタイプは否定的なサンプルトラフィックデータタイプであると決定されることができる。

【0283】

同様に、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内にあり、電子デバイスによって取得されたトラフィックデータが、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のタイプを取得するために処理され、決定される。

【0284】

肯定的なサンプルトラフィックデータタイプは「1」と表記され、否定的なサンプルトラフィックデータタイプは「0」と表記されると仮定される。前述の識別方法に従って取得された、複数の期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のトラフィックデータのタイプが両方とも「1」および「0」であり、電子デバイスの光源の変化が「1」および「0」と表記される場合、検出されたビデオ監視デバイスの方向および位置は、トラフィックのタイプの変化およびデバイスの光源の変化に基づいて識別されることができる。

【0285】

検出されたビデオ監視デバイスのトラフィックデータのタイプによって形成される第1のシーケンスと、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成される第2のシーケンスとの間の相関係数が予め設定された閾値以上である場合、ビデオ監視デバイスは光源が整列されている方向に位置されることが識別されることができる。相関係数が予め設定された閾値未満である場合、ビデオ監視デバイスは光源が整列されている方向に位置されないことが識別されることができる。ビデオ監視デバイスが部屋のいずれの方向および場所にもない場合、ユーザが位置される部屋にビデオ監視デバイスがないことが決定される。

【0286】

例えば、携帯電話の光源が真北方向に整列されていると仮定される。前述のプロセスに従って取得された、5つの期間のオンタイムウィンドウ内およびオフタイムウィンドウ内のビデオ監視デバイスのトラフィックデータのタイプによって形成された第1のシーケンスがX＝（0，0，0，0，1，0，0，0，0，0）であり、電子デバイスの光源がオンタイムウィンドウ内およびオフタイムウィンドウ内にあるときに形成された第2のシーケンスがY＝（1，0，1，0，1，0，1，0，1，0）である場合、XとYとの間の相関係数は以下の通りである：

【数7】

【0287】

XとYとの間の相関係数は0．33であり、予め設定された閾値0．5未満であるので、ビデオ監視デバイスは、携帯電話の光源が整列されている方向に位置されない、すなわち、ビデオ監視デバイスは、携帯電話の光源が整列されている方向（すなわち、真北方向）には存在しないことが識別されることができる。図3（i）に示されるように、ビデオ監視デバイスは真北方向には検出されない。

【0288】

（3）モデル3
対応する検出モデルが深層学習モデルである場合、肯定的なサンプルトラフィックデータは、検出デバイスの光源がオンタイムウィンドウ内にあり、検出デバイスの光源がビデオ監視デバイスと整列されているときに生成される監視ビデオトラフィックであり、否定的なサンプルトラフィックデータは、検出デバイスの光源がオフタイムウィンドウ内にあるか、または検出デバイスの光源がビデオ監視デバイスと整列されていないときに生成されるビデオトラフィックでありうる。

【0289】

前処理されたトラフィックデータは固定サイズのトラフィックサンプルにセグメント化されてもよく、トラフィックサンプルのデータは、トラフィックサンプルの信頼度を取得するために深層学習モデルに直接入力され、信頼度および予め設定された閾値を使用することによってデータトラフィックのタイプが識別され、検出されたビデオ監視デバイスの方向および位置が、トラフィックのタイプの変化およびデバイスの光源の変化を参照して識別される。

【0290】

具体的な決定プロセスはモデル1の決定プロセスと同様である。簡潔にするため、ここでは詳細は再度説明されない。

【0291】

（4）モデル4
対応する検出モデルが深層学習モデルである場合、肯定的なサンプルトラフィックデータは、検出デバイスの光源がオフタイムウィンドウ内にあるか、または検出デバイスの光源がビデオ監視デバイスと整列されていないときに生成される監視ビデオトラフィックであり、否定的なサンプルトラフィックデータは、検出デバイスの光源がオンタイムウィンドウ内にあり、検出デバイスの光源がビデオ監視デバイスと整列されているときに生成される監視ビデオトラフィックでありうる。

【0292】

前処理されたトラフィックデータは固定サイズのトラフィックサンプルにセグメント化されてもよく、トラフィックサンプルのデータは、トラフィックサンプルの信頼度を取得するために深層学習モデルに直接入力され、信頼度および予め設定された閾値を使用することによってデータトラフィックのタイプが識別され、検出されたビデオ監視デバイスの方向および位置が、トラフィックのタイプの変化およびデバイスの光源の変化を参照して識別される。

【0293】

具体的な決定プロセスは、モデル2の決定プロセスと同様である。簡潔にするため、ここでは詳細は再度説明されない。

【0294】

以下は、本出願で提供されるビデオ監視デバイスを検出するための方法の手順を説明する。

【0295】

図10Aおよび図10Bは、ビデオ監視デバイスを検出するための方法1000の概略フローチャートである。方法のフローチャートにおけるデバイスは、電子デバイス100およびビデオ監視デバイスを含む。ビデオ監視デバイスは、図3（e）または図4（e）に示されるカメラであってもよい。

【0296】

図10Aおよび図10Bに示されるように、方法1000は以下のステップを含みうる。

【0297】

S1012：電子デバイスの周りのアクセスポイントに関する情報に基づいて第1のターゲット検出チャネルを決定し、第1のターゲット検出チャネルは、信号強度が第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである。

【0298】

本出願のこの実施形態における第1のターゲット検出チャネルは、S610のターゲット検出チャネルリスト内のチャネルであってもよい。S610に記載されるように、ターゲット検出チャネルリスト内のチャネルは、2つの方式で取得されうる。例えば、第1のターゲット検出チャネルを決定するために、信号強度が弱いチャネルがターゲットチャネルリストから除去されてもよい。第1の予め設定された閾値は、S610の予め設定された閾値であってもよい。例えば、第1のターゲット検出チャネルを決定するために、5GHzなどの別の周波数帯域のチャネルが検出デバイスのターゲットチャネルリストから除去されてもよく、2．4GHz周波数帯域のチャネルのみが確保される。

【0299】

S1014：ターゲット検出チャネル上で第1のターゲットトラフィックデータを取得し、第1のターゲットトラフィックデータは第1のターゲットデバイスに対応する。

【0300】

本出願のこの実施形態における第1のターゲットトラフィックデータは、S620のトラフィックデータであってもよい。具体的な内容については、S620の説明を参照されたい。簡潔にするため、ここでは詳細は再度説明されない。

【0301】

任意選択で、いくつかの実施形態では、図10Aに示されるように、S1014でターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップの後、方法1000は、S1016からS1021をさらに含んでもよい。

【0302】

S1016：予め設定された持続時間内に取得された第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値未満である場合、第1のターゲットデバイスは存在しないと決定する。

【0303】

本出願のこの実施形態では、予め設定された持続時間内に取得された第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値未満である場合、第1のターゲットデバイスは存在しないと決定するステップは、予め設定された持続時間内に取得された第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値未満である場合、第1のターゲットトラフィックデータは、デバイスによって消費されたトラフィックデータではなく、サービスを管理するかまたはサービスを制御するプロセスにおいて管理フレーム、制御フレームなどによって消費されたトラフィックデータでありうる、こととして理解されてもよい。したがって、第1のターゲットデバイスは存在しないと決定されることができる。S621で言及されたチャネル検出の加速が例として使用される。チャネル1について、5秒以内に検出デバイスによって検出されたトラフィックデータのバイト数が予め設定された閾値未満である場合、第1のターゲットデバイスは存在しないと決定されることができ、チャネル1上の後続の検出ステップS630からS670はスキップされることができ、チャネル2上のトラフィックデータのバイト数が引き続き決定される。予め設定された持続時間は、S621に例として記載された5秒であってもよく、第2の予め設定された閾値は、S621の予め設定された閾値であってもよい。

【0304】

第1のターゲットデバイスは存在しないと決定された場合、以下のステップS1018およびS1020が引き続き行われる。

【0305】

S1018：ターゲット検出チャネル上で第2のターゲットトラフィックデータを取得し、第2のターゲットトラフィックデータは第2のターゲットデバイスに対応し、第2のターゲット検出チャネルは、信号強度が第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである。

【0306】

このステップにおけるトラフィックデータの取得については、S620の説明を参照されたい。

【0307】

S1020：第2のターゲットトラフィックデータおよび検出モデルに基づいて、第2のターゲットデバイスがビデオ監視デバイスであるかどうかを決定する。

【0308】

S1021：予め設定された持続時間内に取得された第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値以上である場合、第1のターゲットデバイスが存在すると決定する。

【0309】

S1022：第1のターゲットトラフィックデータおよび検出モデルに基づいて、第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定し、検出モデルは第1の機械学習モデルまたは第1の深層学習モデルを含む。

【0310】

S1022の内容については、S650の説明を参照されたい。こでは詳細は再度説明されない。

【0311】

本出願で提供されるビデオ監視デバイスを検出するための方法によれば、第1のターゲット検出チャネル上で取得された第1のターゲットトラフィックデータおよび検出モデルに基づいて、第1のターゲットトラフィックデータに対応する第1のターゲットデバイスがビデオ監視デバイスであるかどうかが決定されるので、ビデオ監視デバイスは、さらなるハードウェアモジュールを追加することなく検出されることができ、ビデオ監視デバイスは、ビデオ監視デバイスが位置されるネットワークにアクセスすることなく検出されることができる。これは、ビデオ監視デバイス検出の包括性および正確さを向上させ、それによってユーザプライバシー侵害イベントの発生を低減することができる。

【0312】

第1のターゲットデバイスがビデオ監視デバイスであると決定された場合、以下のステップS1024からS1030が引き続き行われる。

【0313】

S1024：第1のターゲットデバイスがビデオ監視デバイスであると決定された場合、局所領域の光強度を変更する。

【0314】

例えば、図3（f）に示されるインターフェース内の記述を参照されたい。周囲環境の光強度が最初に低減されてもよい。例えば、周囲光を可能な限り低減するために室内照明が消灯され、カーテンが閉められる。

【0315】

S1026：第3のターゲットトラフィックデータを取得し、第3のターゲットトラフィックデータは、第1の光強度下での第1のターゲットデバイスのトラフィックデータである。

【0316】

S1028：第4のターゲットトラフィックデータを取得し、第4のターゲットトラフィックデータは、第2の光強度下での第1のターゲットデバイスのトラフィックデータである。

【0317】

可能な一実装形態では、第1の光強度は、電子デバイスのフラッシュがオン状態にあるときの光強度であってもよく、第2の光強度は、電子デバイスのフラッシュがオフ状態にあるときの光強度である。これに対応して、第3のターゲットトラフィックデータは、電子デバイスのフラッシュがオン状態にあり、フラッシュがビデオ監視デバイスと整列されているときに生成されるトラフィックデータであってもよく、第4のターゲットトラフィックデータは、電子デバイスのフラッシュがオフ状態にあるか、またはフラッシュがビデオ監視デバイスと整列されていないときに生成されるトラフィックデータである。

【0318】

別の可能な実装形態では、第1の光強度は、電子デバイスのフラッシュがオフ状態にあるときの光強度であってもよく、第2の光強度は、電子デバイスのフラッシュがオン状態にあるときの光強度である。これに対応して、第3のターゲットトラフィックデータは、電子デバイスのフラッシュがオフ状態にあるか、またはフラッシュがビデオ監視デバイスと整列されていないときに生成されるトラフィックデータであってもよく、第4のターゲットトラフィックデータは、電子デバイスのフラッシュがオン状態にあり、フラッシュがビデオ監視デバイスと整列されているときに生成されるトラフィックデータである。

【0319】

具体的な内容については、S720の説明を参照されたい。こでは詳細は再度説明されない。

【0320】

S1030：第3のターゲットトラフィックデータ、第4のターゲットトラフィックデータ、および位置特定モデルに基づいて第1のターゲットデバイスの方向および位置を識別し、位置特定モデルは第2の機械学習モデルまたは第2の深層学習モデルを含む。

【0321】

本出願における位置特定モデルは、S770で言及された位置特定モデルであってもよい。電子デバイスの周りの周囲環境光を低減している間に、ユーザは電子デバイスのフラッシュを点灯することができ、電子デバイスの光源は、（第3のターゲットトラフィックデータおよび第4のターゲットトラフィックデータを含む）ビデオトラフィックデータを取り込み、パースし、前処理するために、予め設定された方向と整列されることができる。さらに、電子デバイスは、位置特定モデルを使用することによって、トラフィックデータに対応する第1のターゲットデバイスの方向および位置を識別してもよい。具体的なプロセスについては、図7から図9の説明を参照されたい。こでは詳細は再度説明されない。

【0322】

本出願のこの実施形態で提供される解決策によれば、電子デバイスは、取得された第3のターゲットトラフィックデータ、第4のターゲットトラフィックデータ、および位置特定モデルに基づいてビデオ監視デバイスの方向および位置を識別することができる。これは、ユーザが適時にかつ正確にビデオ監視デバイスを位置特定するのに役立ち、ユーザプライバシー侵害イベントの発生を低減し、それによってユーザプライバシーを保護することができる。

【0323】

本出願はGUIをさらに提供する。GUIは、電子デバイスに記憶されている。電子デバイスは、ディスプレイと、メモリと、1つまたは複数のプロセッサと、を含む。1つまたは複数のプロセッサは、メモリに記憶された1つまたは複数のコンピュータプログラムを実行するように構成される。グラフィカルユーザインターフェースは、
ディスプレイ上に表示される第1のGUIを含み、第1のGUIは第1のアプリケーションのアイコンを含み、現在のネットワーク空間にビデオ監視デバイスが存在するかどうかを検出し、ビデオ監視デバイスが存在するときにビデオ監視デバイスを位置特定するために使用され、グラフィカルユーザインターフェースは、第1のアプリケーションに対するタッチイベントに応答してディスプレイ上に第2のGUIを表示することを含み、第2のGUIは検出コントロールを含む。

【0324】

図3（a）～図3（j）が一例として使用される。図3（a）に示されるように、第1のアプリケーションのアイコンは、図3（a）の第1のアプリケーションのアイコン301であってもよい。

【0325】

本出願のこの実施形態では、第1のアプリケーションに対するタッチイベントに応答してディスプレイに第2のGUIを表示することは、ユーザによる第1のアプリケーションのアイコンをタップする操作、および図3（b）に示されるGUIを表示することとして理解されてもよい。

【0326】

第2のGUIに含まれる検出コントロールは、図3（b）に示されるGUIの既知のアイコンであってもよい。

【0327】

本出願のこの実施形態におけるタッチイベントは、電子デバイス内のタッチセンサを使用することによって実装されてもよい。例えば、図1に示されるタッチセンサ180Kを使用することによって、タッチスクリーン上のタッチ操作（ユーザによる第1のアプリケーションのアイコンをタップする操作）が検出されてもよく、検出されたタッチ操作は、タッチイベントのタイプを決定するために、アプリケーションプロセッサに転送される。加えて、ディスプレイ194は、タッチ操作に関連する視覚出力（ディスプレイ上に第2のGUIを表示すること）を提供する。

【0328】

任意選択で、いくつかの実施形態では、グラフィカルユーザインターフェースは、検出コントロールに対するタッチイベントに応答してディスプレイ上に第3のGUIを表示すること、をさらに含み、第3のGUIは、検出の進行および現在の検出チャネルに関する情報を表示するために使用される。

【0329】

例えば、本出願のこの実施形態では、検出コントロールに対するタッチイベントに応答してディスプレイに第3のGUIを表示することは、ユーザによる既知のアイコン302をタップする操作、および図3（c）に示されるGUIを表示することとして理解されてもよい。

【0330】

図3（c）に示されるGUIに示されるように、GUIは、携帯電話がスキャンを行っているインターフェースである。図に示される2％は、携帯電話の検出の進行がこの場合には2％であることを指示している。図は、現在の検出チャネルによってカバーされるホットスポットに関する情報をさらに含んでもよい。

【0331】

同様に、本出願のこの実施形態におけるタッチイベントは、電子デバイス内のタッチセンサを使用することによって実装されてもよい。例えば、図1に示されるタッチセンサ180Kを使用することによって、タッチスクリーン上のタッチ操作（ユーザによる検出コントロールのアイコンをタップする操作）が検出されてもよく、検出されたタッチ操作は、タッチイベントのタイプを決定するために、アプリケーションプロセッサに転送される。加えて、ディスプレイ194は、タッチ操作に関連する視覚出力（ディスプレイ上に第3のGUIを表示すること）を提供する。

【0332】

任意選択で、いくつかの実施形態では、グラフィカルユーザインターフェースは、ディスプレイ上に表示される第4のGUIをさらに含み、第4のGUIは第1のプロンプト情報を表示するために使用され、第1のプロンプト情報はビデオ監視デバイスが存在しないことを通知するために使用されるか、または
第4のGUIは第2のプロンプト情報および位置特定コントロールを表示するために使用され、第2のプロンプト情報はビデオ監視デバイスが存在することを通知するために使用され、位置特定コントロールはビデオ監視デバイスを位置特定するために使用される。

【0333】

例えば、本出願のこの実施形態における第4のGUIは、図3（d）または図3（e）に示されるGUIであってもよい。

【0334】

第4のGUIがビデオ監視デバイスがないことを表示するために使用される場合、第4のGUIは、図3（d）に示されるGUIであってもよい。

【0335】

第4のGUIが、ビデオ監視デバイスが存在すること、およびビデオ監視デバイスを位置特定するために使用される位置特定コントロールを表示するために使用される場合、第4のGUIは、図3（e）に示されるGUIであってもよい。

【0336】

任意選択で、いくつかの実施形態では、グラフィカルユーザインターフェースは、位置特定コントロールに対するタッチイベントに応答してディスプレイ上に第5のGUIを表示すること、をさらに含み、第5のGUIは第3のプロンプト情報および位置特定コントロールを表示するために使用され、第3のプロンプト情報は、ユーザに位置特定を行うよう促すために使用される位置特定の説明を含む。

【0337】

例えば、本出願のこの実施形態では、位置特定コントロールに対するタッチイベントに応答してディスプレイに第5のGUIを表示することは、ユーザによる既知のアイコン303をタップする操作、および図3（f）に示されるGUIを表示することとして理解されてもよい。

【0338】

位置特定の説明は、図3（f）に示されるGUIに以下のように表示されうる：室内照明を消し、カーテンを閉めて周囲光を可能な限り低減する、デバイス（すなわち、携帯電話）を保持して部屋の周囲と整列させる、ゆっくりと一周回転する、インターフェースプロンプトに基づいてデバイスを位置特定する。

【0339】

位置特定コントロールは、図3（f）に示されるGUIに表示された既知のアイコン304として理解されてもよい。

【0340】

同様に、本出願のこの実施形態におけるタッチイベントもまた、電子デバイス内のタッチセンサを使用することによって実装されてもよい。例えば、図1に示されるタッチセンサ180Kを使用することによって、タッチスクリーン上のタッチ操作（ユーザによる位置特定コントロールのアイコンをタップする操作）が検出されてもよく、検出されたタッチ操作は、タッチイベントのタイプを決定するために、アプリケーションプロセッサに転送される。加えて、ディスプレイ194は、タッチ操作に関連する視覚出力（ディスプレイ上に第5のGUIを表示すること）を提供する。

【0341】

任意選択で、いくつかの実施形態では、グラフィカルユーザインターフェースは、ディスプレイ上に表示される第6のGUIをさらに含み、第6のGUIは第4のプロンプト情報を表示するために使用され、第4のプロンプト情報は、ユーザに位置特定の案内動作を行うよう促すために使用される。

【0342】

例えば、本出願のこの実施形態における第6のGUIは、図3（g）に示されるGUIであってもよく、案内動作、すなわち、一周回転する、は、図3（g）に示されるGUIに表示されうる。

【0343】

任意選択で、いくつかの実施形態では、グラフィカルユーザインターフェースは、ディスプレイ上に表示される第7のGUIをさらに含み、第7のGUIはビデオ監視デバイスの位置情報を表示するために使用される。

【0344】

例えば、本出願のこの実施形態における第7のGUIは、図3（i）に示されるGUIであってもよい。図3（i）に示されるGUIに示されるように、この表示の結果は、部屋に2台のビデオ監視デバイス、デバイス1およびデバイス2があり、これらはユーザの東側と南側とにそれぞれ位置されるというものである。

【0345】

前述の機能を実装するために、電子デバイスは、機能を行うための対応するハードウェアおよび／またはソフトウェアモジュールを含むことが理解されよう。本明細書で開示された実施形態に記載される例のアルゴリズムステップに関して、本出願は、ハードウェアまたはハードウェアとコンピュータソフトウェアとの組み合わせの形態で実装されてもよい。機能がハードウェアによって実装されるか、それともコンピュータソフトウェアによって駆動されるハードウェアによって実装されるかは、技術的解決策の特定の用途および設計上の制約に依存する。当業者は、実施形態を参照して特定の用途ごとに記載の機能を実装するために異なる方法を使用しうるが、その実装形態は本出願の範囲を超えるとみなされるべきではない。

【0346】

実施形態において、電子デバイスは、前述の方法例に基づいて機能モジュールに分割されてもよい。例えば、各機能モジュールは、対応する各機能に基づく分割によって得られてもよいし、2つ以上の機能が1つの処理モジュールに統合されてもよい。前述の統合モジュールはハードウェアの形態で実装されてもよい。実施形態において、モジュール分割は一例であり、論理的な機能分割にすぎず、実際の実装時には別の分割であってもよいことに留意されたい。

【0347】

各機能モジュールが対応する各機能に基づく分割によって得られる場合、図11は、前述の実施形態における電子デバイス1100の可能な概略的構成図である。図11に示されるように、電子デバイス1100は、決定ユニット1110と、取得ユニット1120と、判断ユニット1130とを含んでもよい。

【0348】

決定ユニット1110は、電子デバイス1100が、前述のステップS1012、S1016、S1021など、および／または本明細書に記載される技術の別のプロセスを行うのをサポートするように構成されてもよい。

【0349】

取得ユニット1120は、電子デバイス1100が、前述のステップS1014、S1018、S1026、S1028など、および／または本明細書に記載される技術の別のプロセスを行うのをサポートするように構成されてもよい。

【0350】

判断ユニット1130は、電子デバイス1100が、前述のステップS1020、S1022など、および／または本明細書に記載される技術の別のプロセスを行うのをサポートするように構成されてもよい。

【0351】

前述の方法実施形態におけるステップのすべての関連する内容は、対応する機能モジュールの機能説明において引用されうることに留意されたい。こでは詳細は再度説明されない。

【0352】

この実施形態で提供される電子デバイスは、ビデオ監視デバイスを検出するための前述の方法を行うように構成され、したがって、前述の実装方法と同じ効果を達成することができる。

【0353】

統合ユニットが使用されるとき、電子デバイスは、処理モジュールと、記憶モジュールと、通信モジュールとを含んでもよい。処理モジュールは、電子デバイスの動作を制御および管理するように構成されてもよく、例えば、電子デバイスが、前述のユニットによって行われステップを行うのをサポートするように構成されてもよい。記憶モジュールは、電子デバイスが、プログラムコード、データなどを記憶するのをサポートするように構成されてもよい。通信モジュールは、電子デバイスと別のデバイスとの通信をサポートするように構成されてもよい。

【0354】

処理モジュールはプロセッサまたはコントローラであってもよい。処理モジュールは、本出願に開示された内容を参照して説明された様々な例示的な論理ブロック、モジュール、および回路を実装または実行しうる。プロセッサは、代替的に、コンピューティング機能を実装するための組み合わせ、例えば、1つまたは複数のマイクロプロセッサを含む組み合わせや、デジタル信号プロセッサ（digital signal processing、DSP）とマイクロプロセッサとの組み合わせであってもよい。記憶モジュールはメモリであってもよい。通信モジュールは、具体的には、別の電子デバイス、例えば、無線周波数回路や、Bluetoothチップや、Wi－Fiチップと対話するデバイスであってもよい。

【0355】

一実施形態では、処理モジュールがプロセッサであり、記憶モジュールがメモリである場合、この実施形態の電子デバイスは、図1に示される構造を有するデバイスであってもよい。

【0356】

図12は、前述の実施形態における電子デバイス1200の別の可能な概略構成図である。図12に示されるように、電子デバイス1200は、通信ユニット1210と、入力ユニット1220と、処理ユニット1230と、出力ユニット1240と、周辺インターフェース1250と、記憶ユニット1260と、電源1270とを含んでもよい。

【0357】

通信ユニット1210は、電子デバイス1200が通信チャネルを介してリモートサーバに接続し、リモートサーバからメディアデータをダウンロードするために、通信チャネルを確立するように構成される。通信ユニット1210は、WLANモジュール、Bluetoothモジュール、NFCモジュール、ベースバンドモジュールなどの通信モジュールと、通信モジュールに対応する無線周波数（Radio Frequency、略称RF）回路とを含んでもよく、無線ローカルエリアネットワーク通信、Bluetooth通信、NFC通信、赤外線通信、および／またはセルラー通信システム通信、例えば、広帯域符号分割多元接続（wideband code division multiple access、W－CDMA）および／または高速ダウンリンクパケットアクセス（high speed downlink packet access、HSDPA）を行うように構成される。通信モジュール1210は、電子デバイス内の各構成要素の通信を制御するように構成され、直接メモリアクセスをサポートしうる。

【0358】

前述の実施形態では、ターゲット検出チャネルでトラフィックデータを取得するS620、および局所領域の光強度を変更し、ビデオトラフィックデータを取り込むS720は、通信ユニット1210を使用することによって実装されうる。

【0359】

入力ユニット1220は、ユーザと電子デバイスとの間のインタラクションおよび／または電子機器への情報入力を実装するように構成されうる。本発明の特定の実装形態では、入力ユニットはタッチパネルであってもよいし、物理入力キーやマイクロフォンなどの別のヒューマンマシンインタラクションインターフェースであってもよいし、カメラなどの別の外部情報取り込み装置であってもよい。

【0360】

前述の実施形態では、検出コマンドを受信した後、入力ユニット1220はS610を行ってもよい。

【0361】

処理ユニット1230は、電子デバイスの制御センタであり、様々なインターフェースおよび回線を介して電子デバイス全体の様々な部分に接続し、記憶ユニットに記憶されたソフトウェアプログラムおよび／またはモジュールを動作させ、または実行し、記憶ユニットに記憶されたデータを呼び出すことによって、電子デバイスの様々な機能を実行し、かつ／またはデータを処理しうる。

【0362】

出力ユニット1240は、画像出力ユニットおよび音声出力ユニットを含むが、これらに限定されない。画像出力ユニットは、文字、写真、および／またはビデオを出力するように構成される。本発明の特定の実装形態では、入力ユニット1220によって使用されるタッチパネルはまた、出力ユニット1240の表示パネルとして使用されてもよい。例えば、タッチパネルにタッチまたは接近するジェスチャ操作を検出した後、タッチパネルは、タッチイベントのタイプを決定するためにそのジェスチャ操作を処理ユニットに送信し、続いて、処理ユニットは、タッチイベントのタイプに基づいて表示パネルに対応する視覚出力を提供する。図12では、入力ユニット1220と出力ユニット1240とは、電子デバイスの入力機能と出力機能と実装するための2つの独立した構成要素として使用される。しかしながら、いくつかの実施形態では、タッチパネルと表示パネルとは、電子デバイスの入力機能と出力機能と実装するために一体化されてもよい。例えば、画像出力ユニットは、ユーザがタッチ方式で操作を行うように、ウィンドウ、スクロールバー、アイコン、およびクリップボードを含むがこれらに限定されない、様々なグラフィカルユーザインターフェースを仮想コントロール構成要素として表示してもよい。

【0363】

前述の実施形態では、ネットワーク空間にビデオ監視デバイスがあることをユーザに通知するS660、ネットワーク空間にビデオ監視デバイスがないことをユーザに通知するS670、ビデオ監視デバイスの方向および位置を提供するS760、およびユーザが位置される部屋にビデオ監視デバイスがないことを通知するS770は、出力ユニット1240を使用することによって実装されうる。

【0364】

記憶ユニット1260は、ソフトウェアプログラムおよびモジュールを記憶するように構成されてもよい。記憶ユニットに記憶されたソフトウェアプログラムおよびモジュールを動作させることにより、処理ユニットは、電子デバイスの様々な機能アプリケーションを実行し、データ処理を実施する。

【0365】

一実施形態は、コンピュータ記憶媒体をさらに提供する。コンピュータ記憶媒体は、コンピュータ命令を記憶している。コンピュータ命令が電子デバイス上で実行されると、電子デバイスは、前述の実施形態におけるビデオ監視デバイスを検出するための方法を実施するために、前述の関連する方法ステップを行うことを可能にされる。

【0366】

一実施形態は、コンピュータプログラム製品をさらに提供する。コンピュータプログラム製品がコンピュータ上で動作すると、コンピュータは、前述の実施形態におけるビデオ監視デバイスを検出するための方法を実施するために、前述の関連するステップを行うことを可能にされる。

【0367】

加えて、本出願の一実施形態は、装置をさらに提供する。装置は、具体的には、チップ、コンポーネント、またはモジュールであってもよい。装置は、互いに接続されたプロセッサおよびメモリを含んでもよい。メモリは、コンピュータ実行可能命令を記憶するように構成されている。装置が動作すると、プロセッサは、メモリに記憶されたコンピュータ実行可能命令を実行して、チップが、前述の方法実施形態におけるビデオ監視デバイスを検出するための方法を行うことを可能にする。

【0368】

実施形態で提供される電子デバイス、コンピュータ記憶媒体、コンピュータプログラム製品、またはチップは、上記で提供された対応する方法を行うように構成される。したがって、達成されることができる有益な効果については、上記で提供された対応する方法の有益な効果を参照されたい。こでは詳細は再度説明されない。

【0369】

前述の実装形態の説明に基づいて、説明を容易かつ簡潔にするために、前述の機能モジュールへの分割は単に説明のための例として使用されているにすぎないことが当業者には理解されよう。実際の適用時には、前述の機能は、要件に基づく実装のために異なる機能モジュールに割り当てられてもよく、すなわち、装置の内部構造は、上述された機能の全部または一部を実装するために、異なる機能モジュールに分割される。

【0370】

本出願で提供されるいくつかの実施形態では、開示の装置および方法は別の方式でも実装されてもよいことを理解されたい。例えば、記載の装置実施形態は一例にすぎない。例えば、モジュールまたはユニットへの分割は、論理的な機能分割にすぎず、実際の実装時には他の分割であってもよい。例えば、複数のユニットまたは構成要素が、別の装置に結合または統合されてもよいし、一部の特徴が無視されるかまたは実行されなくてもよい。加えて、表示または考察された相互結合または直接結合または通信接続は、いくつかのインターフェースを介して実装されてもよい。装置間またはユニット間の間接的な結合または通信接続は、電気的形態で実装されても、機械的形態で実装されても、別の形態で実装されてもよい。

【0371】

分離した部分として説明されたユニットは、物理的に分離していても分離していなくてもよく、ユニットとして表示された部分は、1つまたは複数の物理的ユニットであってもよいし、1つの場所に配置されてもよいし、複数の異なる場所に分散されてもよい。ユニットの一部または全部が、実施形態における解決策の目的を達成するために実際の要件に基づいて選択されてもよい。

【0372】

加えて、本出願の実施形態における機能ユニットは、1つの処理ユニットに組み込まれてもよいし、ユニットの各々が物理的に単独で存在してもよいし、2つ以上のユニットが1つのユニットに組み込まれてもよい。前述の統合ユニットは、ハードウェアの形態で実装されてもよいし、ソフトウェア機能ユニットの形態で実装されてもよい。

【0373】

統合ユニットがソフトウェア機能ユニットの形態で実装され、独立した製品として販売または使用される場合、統合ユニットが可読記憶媒体に記憶されてもよい。そのような理解に基づいて、本出願の実施形態における技術的解決策が本質的に、または従来技術に寄与する部分が、または技術的解決策の全部もしくは一部が、ソフトウェア製品の形態で実装されてもよい。ソフトウェア製品は、記憶媒体に記憶されており、デバイス（シングルチップマイクロコンピュータ、チップなどであってもよい）またはプロセッサ（processor）に、本出願の実施形態における方法のステップの全部または一部を行うよう命令するための複数の命令を含む。前述の記憶媒体は、USBフラッシュドライブ、リムーバブルハードディスク、ROM、RAM、磁気ディスク、光ディスクなどの、プログラムコードを記憶することができる任意の媒体を含む。

【0374】

前述の内容は、本出願の特定の実装形態にすぎず、本出願の保護範囲を限定するように意図されていない。本出願に開示された技術的範囲内で当業者によって容易に想到されるあらゆる変形や置換は、本出願の保護範囲内に入るものとする。したがって、本出願の保護範囲は、特許請求の範囲の保護範囲に従うものとする。

【符号の説明】

【0375】

100 電子デバイス
110 プロセッサ
120 外部メモリインターフェース
121 内部メモリ
130 ユニバーサルシリアルバスインターフェース、USBインターフェース
140 充電管理モジュール
141 電源管理モジュール
142 バッテリ
150 モバイル通信モジュール
160 無線通信モジュール
170 オーディオモジュール
170A スピーカ
170B 受信機
170C マイクロフォン
170D ヘッドセットジャック
180 センサモジュール
180A 圧力センサ
180B ジャイロセンサ
180C 気圧センサ
180D 磁気センサ
180E 加速度センサ
180F 距離センサ
180G 光学式近接センサ
180H 指紋センサ
180J 温度センサ
180K タッチセンサ
180L 周囲光センサ
180M 骨伝導センサ
190 ボタン
191 モータ
192 インジケータ
193 カメラ
194 ディスプレイ
195 加入者認識モジュールカードインターフェース
301 第1のアプリケーションのアイコン
302 既知のアイコン
303 位置特定を開始するアイコン
304 既知のアイコン
1000 ビデオ監視デバイスを検出するための方法
1100 電子デバイス
1110 決定ユニット
1120 取得ユニット
1130 判断ユニット
1200 電子デバイス
1210 通信ユニット
1220 入力ユニット
1230 処理ユニット
1240 出力ユニット
1250 周辺インターフェース
1260 記憶ユニット
1270 電源

【図1】

【図2】

【図3(a)】

【図3(b)】

【図3(c)】

【図3(d)】

【図3(e)】

【図3(f)】

【図3(g)】

【図3(h)】

【図3(i)】

【図3(j)】

【図4(a)】

【図4(b)】

【図4(c)】

【図4(d)】

【図4(e)】

【図5】

【図6】

【図7】

【図8(a)】

【図8(b)】

【図8(c)】

【図9】

【図10A】

【図10B】

【図11】

【図12】

【手続補正書】

【提出日】2023-05-31

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

ビデオ監視デバイスを検出するための方法であって、前記方法は電子デバイスに適用され、
前記電子デバイスの周りのアクセスポイントに関する情報に基づいて第1のターゲット検出チャネルを決定するステップであって、前記第1のターゲット検出チャネルが、信号強度が第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである、ステップと、
前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップであって、前記第1のターゲットトラフィックデータが第1のターゲットデバイスに対応する、ステップと、
前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップであって、前記検出モデルが第1の機械学習モデルまたは第1の深層学習モデルを含む、ステップと
を含む、方法。

【請求項2】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
予め設定された持続時間内に取得された前記第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値以上である場合、前記第1のターゲットデバイスが存在すると決定するステップ
をさらに含む、請求項1に記載の方法。

【請求項3】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
予め設定された持続時間内に取得された前記第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値未満である場合、前記第1のターゲットデバイスは存在しないと決定するステップと、
第2のターゲット検出チャネル上で第2のターゲットトラフィックデータを取得するステップであって、前記第2のターゲットトラフィックデータが第2のターゲットデバイスに対応し、前記第2のターゲット検出チャネルが、信号強度が前記第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである、ステップと、
前記第2のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第2のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
をさらに含む、請求項1に記載の方法。

【請求項4】

前記方法は、
決定結果が、前記第1のターゲットデバイスは前記ビデオ監視デバイスである、である場合、局所領域の光強度を変更するステップと、
第3のターゲットトラフィックデータを取得するステップであって、前記第3のターゲットトラフィックデータが、第1の光強度下での前記第1のターゲットデバイスのトラフィックデータである、ステップと、
第4のターゲットトラフィックデータを取得するステップであって、前記第4のターゲットトラフィックデータが、第2の光強度下での前記第1のターゲットデバイスのトラフィックデータである、ステップと、
前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別するステップであって、前記位置特定モデルが第2の機械学習モデルまたは第2の深層学習モデルを含む、ステップと
をさらに含む、請求項1から3のいずれか一項に記載の方法。

【請求項5】

前記第3のターゲットトラフィックデータは、前記電子デバイスの光源が予め設定された方向と整列されており、前記光源がオンタイムウィンドウ内にあるときに収集されるトラフィックデータであり、
前記第4のターゲットトラフィックデータは、前記光源が前記予め設定された方向と整列されており、前記光源がオフタイムウィンドウ内にあるときに収集されるトラフィックデータ、または前記光源が前記予め設定された方向と整列されていないときに収集されるトラフィックデータである、
請求項4に記載の方法。

【請求項6】

前記第2の機械学習モデルまたは前記第2の深層学習モデルは、収集された第1の肯定的なサンプルデータおよび第1の否定的なサンプルデータを訓練することによって取得され、
前記第1の肯定的なサンプルデータは、前記電子デバイスがオンタイムウィンドウ内にあり、前記電子デバイスの前記光源が既知のビデオ監視デバイスと整列されているときに生成されるデータであり、前記第1の否定的なサンプルデータは、前記電子デバイスがオフタイムウィンドウ内にあるか、もしくは前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成されるデータであるか、または
前記第1の肯定的なサンプルデータは、前記電子デバイスがオフタイムウィンドウ内にあるか、もしくは前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成されるデータであり、前記第1の否定的なサンプルデータは、前記電子デバイスがオンタイムウィンドウ内にあり、前記光源が前記既知のビデオ監視デバイスと整列されているときに生成されるデータである、
請求項4または5に記載の方法。

【請求項7】

前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別する前記ステップは、
前記第1のターゲットデバイスに対応しており、M個の期間の各々のオンタイムウィンドウ内およびオフタイムウィンドウ内にあるターゲットトラフィックデータを取得するために、前記第3のターゲットトラフィックデータおよび前記第4のターゲットトラフィックデータに対してサンプルセグメント化を行うステップと、
前記第1のターゲットデバイスに対応しており、前記M個の期間の各々にある前記ターゲットトラフィックデータをm1個のトラフィックデータグループおよびm2個のトラフィックデータグループに別々にセグメント化するステップであって、前記m1個のトラフィックデータグループが前記オンタイムウィンドウ内のデータであり、前記m2個のトラフィックデータグループが前記オフタイムウィンドウ内のデータであり、m1とm2が両方とも1以上の正の整数である、ステップと、
各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの信頼度を取得するために、第1のターゲット情報を前記位置特定モデルに入力するステップであって、前記第1のターゲット情報が、各期間内の前記m1個のトラフィックデータグループの固有ベクトルおよび前記m2個のトラフィックデータグループの固有ベクトルであるか、または前記第1のターゲット情報が各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループである、ステップと、
各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの前記信頼度ならびに第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別するステップと、
前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプによって形成される第1のシーケンスおよび前記電子デバイスの前記光源がオンタイムウィンドウ内またはオフタイムウィンドウ内にあるときに形成される第2のシーケンスに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別するステップと
を含む、請求項6に記載の方法。

【請求項8】

前記位置特定モデルが前記第2の機械学習モデルである場合、前記第1のターゲット情報は、各期間内の前記m1個のトラフィックデータグループの前記固有ベクトルおよび前記m2個のトラフィックデータグループの前記固有ベクトルであり、そうではなく
前記位置特定モデルが前記第2の深層学習モデルである場合、前記第1のターゲット情報は、各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループである、
請求項7に記載の方法。

【請求項9】

前記m1個のトラフィックデータグループの前記固有ベクトルまたは前記m2個のトラフィックデータグループの前記固有ベクトルは、
トラフィックレート離散フーリエ変換係数、パケット長関連の統計的特徴、持続時間関連の統計的特徴、およびデータフレーム到来時間関連の統計的特徴
の各ベクトルのうちの少なくとも1つを含む、請求項7または8に記載の方法。

【請求項10】

各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの前記信頼度ならびに第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別する前記ステップは、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別するステップ、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別するステップであって、m3が、各期間内の前記m1個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値以上であるトラフィックデータグループの数であり、m4が、各期間内の前記m1個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値未満であるトラフィックデータグループの数であり、m5が、各期間内の前記m2個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値以上であるトラフィックデータグループの数であり、m6が、各期間内の前記m2個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値未満であるトラフィックデータグループの数である、ステップ
を含む、請求項7から9のいずれか一項に記載の方法。

【請求項11】

前記第1の肯定的なサンプルデータが、前記電子デバイスが前記オンタイムウィンドウ内にあり、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されているときに生成されるデータである場合、前記第1の否定的なサンプルデータは、前記電子デバイスが前記オフタイムウィンドウ内にあるか、または前記光源が既知のビデオ監視デバイスと整列されていないときに生成される前記データであり、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
前記M個の期間内のm1個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値以上である場合、前記m1個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと、
前記M個の期間内のm2個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値未満である場合、前記m2個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと
を含むか、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
m3≧m4かつm5≦m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ、または
m3＜m4かつm5≦m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ
を含む、請求項10に記載の方法。

【請求項12】

前記第1の肯定的なサンプルデータが、前記電子デバイスが前記オフタイムウィンドウ内にあるか、または前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データである場合、前記第1の否定的なサンプルデータは、前記電子デバイスが前記オンタイムウィンドウ内にあり、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されているときに生成される前記データであり、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
前記M個の期間内のm1個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値未満である場合、前記m1個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと、
前記M個の期間内のm2個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値以上である場合、前記m2個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと
を含むか、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
m3≧m4かつm5≧m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ、または
m3＜m4かつm5≧m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ
を含む、請求項10に記載の方法。

【請求項13】

前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプによって形成される第1のシーケンスおよび前記電子デバイスがオンタイムウィンドウ内またはオフタイムウィンドウ内にあるときに形成される第2のシーケンスに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別する前記ステップは、
前記第1のシーケンスと前記第2のシーケンスとの間の相関係数が第4の予め設定された閾値以上である場合、前記第1のターゲットデバイスは、前記電子デバイスの前記光源が整列されている前記予め設定された方向に位置されること、または
前記第1のシーケンスと前記第2のシーケンスとの間の相関係数が第4の予め設定された閾値未満である場合、前記第1のターゲットデバイスは、前記電子デバイスの前記光源が整列されている前記予め設定された方向に位置されないこと、
を含む、請求項7から12のいずれか一項に記載の方法。

【請求項14】

前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別する前記ステップは、
前記電子デバイスの移動軌跡、前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および前記位置特定モデルに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別するステップであって、前記移動軌跡が、前記電子デバイスを現在の環境内の各方向と別々に順次に整列させることによって形成される軌跡である、ステップ
を含む、請求項4から13のいずれか一項に記載の方法。

【請求項15】

前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記第1のターゲットトラフィックデータをn個のトラフィックデータグループにセグメント化するステップであって、nが1以上の正の整数である、ステップと、
前記n個のトラフィックデータグループの信頼度を取得するために、第2のターゲット情報を前記検出モデルに入力するステップであって、前記第2のターゲット情報が、前記n個のトラフィックデータグループの固有ベクトルまたは前記n個のトラフィックデータグループである、ステップと、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
を含む、請求項1から14のいずれか一項に記載の方法。

【請求項16】

前記検出モデルが前記第1の機械学習モデルである場合、前記第2のターゲット情報は前記n個のトラフィックデータグループの前記固有ベクトルであり、そうではなく
前記検出モデルが前記第1の深層学習モデルである場合、前記第2のターゲット情報は前記n個のトラフィックデータグループである、
請求項15に記載の方法。

【請求項17】

前記n個のトラフィックデータグループの前記固有ベクトルは、
前記n個のトラフィックデータグループのパケット長関連の統計的特徴、前記n個のトラフィックデータグループの持続時間関連の統計的特徴、前記n個のトラフィックデータグループの到来時間関連の統計的特徴、前記n個のトラフィックデータグループの瞬間トラフィック帯域幅、前記n個のトラフィックデータグループのデータレート関連の統計的特徴、および前記n個のトラフィックデータグループのデータレートの時間周波数パターン関連のテクスチャ特徴
の各ベクトルのうちの少なくとも1つを含む、請求項15または16に記載の方法。

【請求項18】

前記検出モデルは、第2の肯定的なサンプルトラフィックデータおよび第2の否定的なサンプルトラフィックデータを訓練することによって取得され、
前記第2の肯定的なサンプルトラフィックデータが既知のビデオ監視デバイスを訓練することによって生成されるトラフィックデータである場合、前記第2の否定的なサンプルトラフィックデータは、非ビデオ監視デバイスを訓練することによって生成されるトラフィックデータであり、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値以上である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値未満である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではないこと、または
n1≧n2の場合、前記第1のターゲットデバイスはビデオ監視デバイスであり、そうではなく
n1＜n2の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではなく、
n1が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値以上であるトラフィックデータグループの数であり、n2が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値未満であるトラフィックデータグループの数であること
を含む、請求項15から17のいずれか一項に記載の方法。

【請求項19】

前記検出モデルは、第2の肯定的なサンプルトラフィックデータおよび第2の否定的なサンプルトラフィックデータを訓練することによって取得され、
前記第2の肯定的なサンプルトラフィックデータが非ビデオ監視デバイスを訓練することによって生成されるトラフィックデータである場合、前記第2の否定的なサンプルトラフィックデータは、既知のビデオ監視デバイスを訓練することによって生成されるトラフィックデータであり、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値未満である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値以上である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではないこと、または
n3≧n4の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
n3＜n4の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではなく、
n3が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値未満であるトラフィックデータグループの数であり、n4が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値以上であるトラフィックデータグループの数であること
を含む、請求項15から17のいずれか一項に記載の方法。

【請求項20】

前記方法は、
前記第1のターゲットトラフィックデータの第1のMAC層情報を取得するステップと、
第5のターゲットトラフィックデータおよび第6のターゲットトラフィックデータを取得するために、前記第1のMAC層情報に基づいて前記第1のターゲットトラフィックデータに対してトラフィック分割を行うステップであって、前記第5のターゲットトラフィックデータおよび前記第6のターゲットトラフィックデータが第3のターゲットデバイスおよび第4のターゲットデバイスにそれぞれ対応する、ステップと
をさらに含み、
前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記第5のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第3のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと、
前記第6のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第4のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
を含む、請求項1から19のいずれか一項に記載の方法。

【請求項21】

ターゲット検出チャネルリストは第2のターゲット検出チャネルを含み、前記第2のターゲット検出チャネルは、信号強度が前記第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルであり、
前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
前記第2のターゲット検出チャネル上で第2のターゲットトラフィックデータを取得するステップであって、前記第2のターゲットトラフィックデータが第2のターゲットデバイスに対応する、ステップと、
前記第2のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第2のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
をさらに含む、請求項1から20のいずれか一項に記載の方法。

【請求項22】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの前に、前記方法は、
前記電子デバイスのWi－Fiチップの動作モードを監視モードに設定するステップ
をさらに含む、請求項1から21のいずれか一項に記載の方法。

【請求項23】

1つまたは複数のプロセッサと、
1つまたは複数のメモリと
を備える、電子デバイスであって、
前記1つまたは複数のメモリが1つまたは複数のコンピュータプログラムを記憶し、前記1つまたは複数のコンピュータプログラムが命令を含み、前記命令が前記1つまたは複数のプロセッサによって実行されると、前記電子デバイスが、請求項1から22のいずれか一項に記載の方法を行うことを可能にされる、
電子デバイス。

【請求項24】

チップシステムであって、前記チップシステムは少なくとも1つのプロセッサを備え、プログラム命令が前記少なくとも1つのプロセッサで実行されると、請求項1から22のいずれか一項に記載の方法の機能が電子デバイス上に実装される、チップシステム。

【請求項25】

コンピュータ命令を含むコンピュータ記憶媒体であって、前記コンピュータ命令が電子デバイス上で実行されると、前記電子デバイスが、請求項1から22のいずれか一項に記載の方法を行うことを可能にされる、コンピュータ記憶媒体。

【手続補正書】

【提出日】2023-06-28

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

ビデオ監視デバイスを検出するための方法であって、前記方法は電子デバイスに適用され、
前記電子デバイスの周りのアクセスポイントに関する情報に基づいて第1のターゲット検出チャネルを決定するステップであって、前記第1のターゲット検出チャネルが、信号強度が第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである、ステップと、
前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得するステップであって、前記第1のターゲットトラフィックデータが第1のターゲットデバイスに対応する、ステップと、
前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定するステップであって、前記検出モデルが第1の機械学習モデルまたは第1の深層学習モデルを含む、ステップと
を含む、方法。

【請求項2】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
予め設定された持続時間内に取得された前記第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値以上である場合、前記第1のターゲットデバイスが存在すると決定するステップ
をさらに含む、請求項1に記載の方法。

【請求項3】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
予め設定された持続時間内に取得された前記第1のターゲットトラフィックデータのバイト数が第2の予め設定された閾値未満である場合、前記第1のターゲットデバイスは存在しないと決定するステップと、
第2のターゲット検出チャネル上で第2のターゲットトラフィックデータを取得するステップであって、前記第2のターゲットトラフィックデータが第2のターゲットデバイスに対応し、前記第2のターゲット検出チャネルが、信号強度が前記第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルである、ステップと、
前記第2のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第2のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
をさらに含む、請求項1に記載の方法。

【請求項4】

前記方法は、
決定結果が、前記第1のターゲットデバイスは前記ビデオ監視デバイスである、である場合、局所領域の光強度を変更するステップと、
第3のターゲットトラフィックデータを取得するステップであって、前記第3のターゲットトラフィックデータが、第1の光強度下での前記第1のターゲットデバイスのトラフィックデータである、ステップと、
第4のターゲットトラフィックデータを取得するステップであって、前記第4のターゲットトラフィックデータが、第2の光強度下での前記第1のターゲットデバイスのトラフィックデータである、ステップと、
前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別するステップであって、前記位置特定モデルが第2の機械学習モデルまたは第2の深層学習モデルを含む、ステップと
をさらに含む、請求項1から3のいずれか一項に記載の方法。

【請求項5】

前記第3のターゲットトラフィックデータは、前記電子デバイスの光源が予め設定された方向と整列されており、前記光源がオンタイムウィンドウ内にあるときに収集されるトラフィックデータであり、
前記第4のターゲットトラフィックデータは、前記光源が前記予め設定された方向と整列されており、前記光源がオフタイムウィンドウ内にあるときに収集されるトラフィックデータ、または前記光源が前記予め設定された方向と整列されていないときに収集されるトラフィックデータである、
請求項4に記載の方法。

【請求項6】

前記第2の機械学習モデルまたは前記第2の深層学習モデルは、収集された第1の肯定的なサンプルデータおよび第1の否定的なサンプルデータを訓練することによって取得され、
前記第1の肯定的なサンプルデータは、前記電子デバイスがオンタイムウィンドウ内にあり、前記電子デバイスの光源が既知のビデオ監視デバイスと整列されているときに生成されるデータであり、前記第1の否定的なサンプルデータは、前記電子デバイスがオフタイムウィンドウ内にあるか、もしくは前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成されるデータであるか、または
前記第1の肯定的なサンプルデータは、前記電子デバイスがオフタイムウィンドウ内にあるか、もしくは前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成されるデータであり、前記第1の否定的なサンプルデータは、前記電子デバイスがオンタイムウィンドウ内にあり、前記光源が前記既知のビデオ監視デバイスと整列されているときに生成されるデータである、
請求項4または5に記載の方法。

【請求項7】

前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別する前記ステップは、
前記第1のターゲットデバイスに対応しており、M個の期間の各々のオンタイムウィンドウ内およびオフタイムウィンドウ内にあるターゲットトラフィックデータを取得するために、前記第3のターゲットトラフィックデータおよび前記第4のターゲットトラフィックデータに対してサンプルセグメント化を行うステップと、
前記第1のターゲットデバイスに対応しており、前記M個の期間の各々にある前記ターゲットトラフィックデータをm1個のトラフィックデータグループおよびm2個のトラフィックデータグループに別々にセグメント化するステップであって、前記m1個のトラフィックデータグループが前記オンタイムウィンドウ内のデータであり、前記m2個のトラフィックデータグループが前記オフタイムウィンドウ内のデータであり、m1とm2が両方とも1以上の正の整数である、ステップと、
各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの信頼度を取得するために、第1のターゲット情報を前記位置特定モデルに入力するステップであって、前記第1のターゲット情報が、各期間内の前記m1個のトラフィックデータグループの固有ベクトルおよび前記m2個のトラフィックデータグループの固有ベクトルであるか、または前記第1のターゲット情報が各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループである、ステップと、
各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの前記信頼度ならびに第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別するステップと、
前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプによって形成される第1のシーケンスおよび前記電子デバイスの前記光源がオンタイムウィンドウ内またはオフタイムウィンドウ内にあるときに形成される第2のシーケンスに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別するステップと
を含む、請求項6に記載の方法。

【請求項8】

前記位置特定モデルが前記第2の機械学習モデルである場合、前記第1のターゲット情報は、各期間内の前記m1個のトラフィックデータグループの前記固有ベクトルおよび前記m2個のトラフィックデータグループの前記固有ベクトルであり、そうではなく
前記位置特定モデルが前記第2の深層学習モデルである場合、前記第1のターゲット情報は、各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループである、
請求項7に記載の方法。

【請求項9】

前記m1個のトラフィックデータグループの前記固有ベクトルまたは前記m2個のトラフィックデータグループの前記固有ベクトルは、
トラフィックレート離散フーリエ変換係数、パケット長関連の統計的特徴、持続時間関連の統計的特徴、およびデータフレーム到来時間関連の統計的特徴
の各ベクトルのうちの少なくとも1つを含む、請求項7または8に記載の方法。

【請求項10】

各期間内の前記m1個のトラフィックデータグループおよび前記m2個のトラフィックデータグループの前記信頼度ならびに第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別する前記ステップは、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別するステップ、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータのタイプを識別するステップであって、m3が、各期間内の前記m1個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値以上であるトラフィックデータグループの数であり、m4が、各期間内の前記m1個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値未満であるトラフィックデータグループの数であり、m5が、各期間内の前記m2個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値以上であるトラフィックデータグループの数であり、m6が、各期間内の前記m2個のトラフィックデータグループ内にあり、信頼度が前記第3の予め設定された閾値未満であるトラフィックデータグループの数である、ステップ
を含む、請求項7から9のいずれか一項に記載の方法。

【請求項11】

前記第1の肯定的なサンプルデータが、前記電子デバイスが前記オンタイムウィンドウ内にあり、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されているときに生成されるデータである場合、前記第1の否定的なサンプルデータは、前記電子デバイスが前記オフタイムウィンドウ内にあるか、または前記光源が既知のビデオ監視デバイスと整列されていないときに生成される前記データであり、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
前記M個の期間内のm1個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値以上である場合、前記m1個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと、
前記M個の期間内のm2個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値未満である場合、前記m2個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと
を含むか、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
m3≧m4かつm5≦m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ、または
m3＜m4かつm5≦m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ
を含む、請求項10に記載の方法。

【請求項12】

前記第1の肯定的なサンプルデータが、前記電子デバイスが前記オフタイムウィンドウ内にあるか、または前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データである場合、前記第1の否定的なサンプルデータは、前記電子デバイスが前記オンタイムウィンドウ内にあり、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されているときに生成される前記データであり、
各期間内の前記m1個のトラフィックデータグループの前記信頼度の平均値、各期間内の前記m2個のトラフィックデータグループの前記信頼度の平均値、および前記第3の予め設定された閾値に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
前記M個の期間内のm1個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値未満である場合、前記m1個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと、
前記M個の期間内のm2個のトラフィックデータグループすべての信頼度の平均値が前記第3の予め設定された閾値以上である場合、前記m2個のトラフィックデータグループすべてが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプのものであると識別するステップと
を含むか、または
m3、m4、m5、およびm6に基づいて、前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプを識別する前記ステップは、
m3≧m4かつm5≧m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されていないときに生成される前記データのタイプ、もしくは前記電子デバイスが前記オフタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ、または
m3＜m4かつm5≧m6の場合、前記ターゲットトラフィックデータの前記タイプが、前記電子デバイスの前記光源が前記既知のビデオ監視デバイスと整列されており、前記電子デバイスが前記オンタイムウィンドウ内にあるときに生成される前記データのタイプであると識別するステップ
を含む、請求項10に記載の方法。

【請求項13】

前記第1のターゲットデバイスに対応する前記ターゲットトラフィックデータの前記タイプによって形成される第1のシーケンスおよび前記電子デバイスがオンタイムウィンドウ内またはオフタイムウィンドウ内にあるときに形成される第2のシーケンスに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別する前記ステップは、
前記第1のシーケンスと前記第2のシーケンスとの間の相関係数が第4の予め設定された閾値以上である場合、前記第1のターゲットデバイスは、前記電子デバイスの前記光源が整列されている予め設定された方向に位置されること、または
前記第1のシーケンスと前記第2のシーケンスとの間の相関係数が第4の予め設定された閾値未満である場合、前記第1のターゲットデバイスは、前記電子デバイスの前記光源が整列されている前記予め設定された方向に位置されないこと、
を含む、請求項7から12のいずれか一項に記載の方法。

【請求項14】

前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および位置特定モデルに基づいて前記第1のターゲットデバイスの方向および位置を識別する前記ステップは、
前記電子デバイスの移動軌跡、前記第3のターゲットトラフィックデータ、前記第4のターゲットトラフィックデータ、および前記位置特定モデルに基づいて、前記第1のターゲットデバイスの前記方向および前記位置を識別するステップであって、前記移動軌跡が、前記電子デバイスを現在の環境内の各方向と別々に順次に整列させることによって形成される軌跡である、ステップ
を含む、請求項4から13のいずれか一項に記載の方法。

【請求項15】

前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記第1のターゲットトラフィックデータをn個のトラフィックデータグループにセグメント化するステップであって、nが1以上の正の整数である、ステップと、
前記n個のトラフィックデータグループの信頼度を取得するために、第2のターゲット情報を前記検出モデルに入力するステップであって、前記第2のターゲット情報が、前記n個のトラフィックデータグループの固有ベクトルまたは前記n個のトラフィックデータグループである、ステップと、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
を含む、請求項1から14のいずれか一項に記載の方法。

【請求項16】

前記検出モデルが前記第1の機械学習モデルである場合、前記第2のターゲット情報は前記n個のトラフィックデータグループの前記固有ベクトルであり、そうではなく
前記検出モデルが前記第1の深層学習モデルである場合、前記第2のターゲット情報は前記n個のトラフィックデータグループである、
請求項15に記載の方法。

【請求項17】

前記n個のトラフィックデータグループの前記固有ベクトルは、
前記n個のトラフィックデータグループのパケット長関連の統計的特徴、前記n個のトラフィックデータグループの持続時間関連の統計的特徴、前記n個のトラフィックデータグループの到来時間関連の統計的特徴、前記n個のトラフィックデータグループの瞬間トラフィック帯域幅、前記n個のトラフィックデータグループのデータレート関連の統計的特徴、および前記n個のトラフィックデータグループのデータレートの時間周波数パターン関連のテクスチャ特徴
の各ベクトルのうちの少なくとも1つを含む、請求項15または16に記載の方法。

【請求項18】

前記検出モデルは、第2の肯定的なサンプルトラフィックデータおよび第2の否定的なサンプルトラフィックデータを訓練することによって取得され、
前記第2の肯定的なサンプルトラフィックデータが既知のビデオ監視デバイスを訓練することによって生成されるトラフィックデータである場合、前記第2の否定的なサンプルトラフィックデータは、非ビデオ監視デバイスを訓練することによって生成されるトラフィックデータであり、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値以上である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値未満である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではないこと、または
n1≧n2の場合、前記第1のターゲットデバイスはビデオ監視デバイスであり、そうではなく
n1＜n2の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではなく、
n1が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値以上であるトラフィックデータグループの数であり、n2が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値未満であるトラフィックデータグループの数であること
を含む、請求項15から17のいずれか一項に記載の方法。

【請求項19】

前記検出モデルは、第2の肯定的なサンプルトラフィックデータおよび第2の否定的なサンプルトラフィックデータを訓練することによって取得され、
前記第2の肯定的なサンプルトラフィックデータが非ビデオ監視デバイスを訓練することによって生成されるトラフィックデータである場合、前記第2の否定的なサンプルトラフィックデータは、既知のビデオ監視デバイスを訓練することによって生成されるトラフィックデータであり、
前記n個のトラフィックデータグループの前記信頼度および第5の予め設定された閾値に基づいて、前記第1のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値未満である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
前記n個のトラフィックデータグループの前記信頼度の平均値が前記第5の予め設定された閾値以上である場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではないこと、または
n3≧n4の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスであり、そうではなく
n3＜n4の場合、前記第1のターゲットデバイスは前記ビデオ監視デバイスではなく、
n3が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値未満であるトラフィックデータグループの数であり、n4が、前記n個のトラフィックデータグループ内の、信頼度が前記第5の予め設定された閾値以上であるトラフィックデータグループの数であること
を含む、請求項15から17のいずれか一項に記載の方法。

【請求項20】

前記方法は、
前記第1のターゲットトラフィックデータの第1のMAC層情報を取得するステップと、
第5のターゲットトラフィックデータおよび第6のターゲットトラフィックデータを取得するために、前記第1のMAC層情報に基づいて前記第1のターゲットトラフィックデータに対してトラフィック分割を行うステップであって、前記第5のターゲットトラフィックデータおよび前記第6のターゲットトラフィックデータが第3のターゲットデバイスおよび第4のターゲットデバイスにそれぞれ対応する、ステップと
をさらに含み、
前記第1のターゲットトラフィックデータおよび検出モデルに基づいて、前記第1のターゲットデバイスがビデオ監視デバイスであるかどうかを決定する前記ステップは、
前記第5のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第3のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと、
前記第6のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第4のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
を含む、請求項1から19のいずれか一項に記載の方法。

【請求項21】

ターゲット検出チャネルリストは第2のターゲット検出チャネルを含み、前記第2のターゲット検出チャネルは、信号強度が前記第1の予め設定された閾値以上であるチャネル、および／または周波数帯域が2．4GHz周波数帯域であるチャネルであり、
前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの後に、前記方法は、
前記第2のターゲット検出チャネル上で第2のターゲットトラフィックデータを取得するステップであって、前記第2のターゲットトラフィックデータが第2のターゲットデバイスに対応する、ステップと、
前記第2のターゲットトラフィックデータおよび前記検出モデルに基づいて、前記第2のターゲットデバイスが前記ビデオ監視デバイスであるかどうかを決定するステップと
をさらに含む、請求項1から20のいずれか一項に記載の方法。

【請求項22】

前記第1のターゲット検出チャネル上で第1のターゲットトラフィックデータを取得する前記ステップの前に、前記方法は、
前記電子デバイスのWi－Fiチップの動作モードを監視モードに設定するステップ
をさらに含む、請求項1から21のいずれか一項に記載の方法。

【請求項23】

1つまたは複数のプロセッサと、
1つまたは複数のメモリと
を備える、電子デバイスであって、
前記1つまたは複数のメモリが1つまたは複数のコンピュータプログラムを記憶し、前記1つまたは複数のコンピュータプログラムが命令を含み、前記命令が前記1つまたは複数のプロセッサによって実行されると、前記電子デバイスが、請求項1から22のいずれか一項に記載の方法を行うことを可能にされる、
電子デバイス。

【請求項24】

チップシステムであって、前記チップシステムは少なくとも1つのプロセッサを備え、プログラム命令が前記少なくとも1つのプロセッサで実行されると、請求項1から22のいずれか一項に記載の方法の機能が電子デバイス上に実装される、チップシステム。

【請求項25】

コンピュータ命令を含むコンピュータ記憶媒体であって、前記コンピュータ命令が電子デバイス上で実行されると、前記電子デバイスが、請求項1から22のいずれか一項に記載の方法を行うことを可能にされる、コンピュータ記憶媒体。

【国際調査報告】