CN114640842A - 隐藏摄像头的检测方法、终端及可读存储介质 - Google Patents

Abstract

本申请公开了一种隐藏摄像头的检测方法、终端及计算机可读存储介质。检测方法包括：获取当前视角的初始二维图像；开启深度相机发射光线获取散斑图；及根据所述散斑图及所述初始二维图像，获取所述隐藏摄像头的位置。本申请通过二维图像及散斑图共同确定隐藏摄像头的位置，能够提升检测隐藏摄像头的识别准确率，并且无需用户购买和携带其他外设设备，仅通过同时搭载有能够获得二维图像的拍摄模组及能够获得散斑图的深度相机，即可确定隐藏摄像头所在位置，有利于提升用户检测隐藏摄像头的便捷性。

Description

隐藏摄像头的检测方法、终端及可读存储介质

技术领域

本申请涉及偷拍装置识别技术领域，特别涉及一种隐藏摄像头的检测方法、终端及计算机可读存储介质。

背景技术

在人们住酒店、宾馆及民宿等地方时，会担心房间内安装有隐藏摄像头。通常会通过保持室内黑暗，打开手机观察室内，若屏幕上发现有红点即认为有隐藏摄像头。但这种直接利用手机相机检测隐藏摄像头的方法，仍然存在不少局限性：一是当前市面上手机的相机基本上已经滤除了红外光，二是该方法一般仅能找到主动发光的红外夜视摄像头。另外还可以采用专业探测器去检测隐藏摄像头，但一般用户很少会专门购买如此专业的设备，去寻找隐藏摄像头。

发明内容

本申请实施方式提供了一种隐藏摄像头的检测方法、终端及计算机可读存储介质。

本申请实施例中的检测方法包括：获取当前视角的初始二维图像；开启深度相机发射光线获取散斑图；及根据所述散斑图及所述初始二维图像，获取所述隐藏摄像头的位置。

本申请实施例中的终端包括拍摄模组、深度相机及一个或多个处理器，所述拍摄模组用于拍摄二维图像，深度相机用于发射光线以获取散斑图，一个或多个处理器用于：获取当前视角的初始二维图像；开启深度相机发射光线获取散斑图；根据所述散斑图及所述初始二维图像，获取所述隐藏摄像头的位置。

本申请实施方式提供一种本申请实施方式的非易失性计算机可读存储介质包含有计算机程序，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行如下检测方法：获取当前视角的初始二维图像；开启深度相机发射光线获取散斑图；根据所述散斑图及所述初始二维图像，获取所述隐藏摄像头的位置。

本申请中的隐藏摄像头的检测方法、终端及非易失性计算机可读存储介质，通过二维图像及散斑图共同确定隐藏摄像头的位置，能够提升检测隐藏摄像头的识别准确率，并且无需用户购买和携带其他外设设备，仅通过同时搭载有能够获得二维图像的拍摄模组及能够获得散斑图的深度相机，即可确定隐藏摄像头所在位置，有利于提升用户检测隐藏摄像头的便捷性。

本申请实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请的上述和/或附加的方面和优点可以从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：

图1是本申请某些实施方式中的检测方法的流程示意图；

图2是本申请某些实施方式中的终端的结构示意图；

图3至图6是本申请某些实施方式中的检测方法的流程示意图；

图7是本申请某些实施方式中初始二维图像与散斑图融合获取深度图及置信度图的示意图；

图8是本申请某些实施方式中的检测方法的流程示意图；

图9是本申请某些实施方式中二维图像及对应的置信度图的示意图；

图10是本申请某些实施方式中的检测方法的流程示意图；

图11是本申请某些实施方式中的终端发出移动指示的示意图；

图12是本申请某些实施例中用户在不同角度获取预设物体的置信度图及二维图像的示意图；

图13及图14是本申请某些实施方式中的检测方法的流程示意图；

图15是本申请某些实施方式的非易失性计算机可读存储介质与处理器的连接示意图。

具体实施方式

下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。

请参阅图1，本申请实施方式提供一种隐藏摄像头的检测方法。检测方法包括：

01：获取当前视角的初始二维图像；

02：开启深度相机20发射光线获取散斑图；

03：根据散斑图及初始二维图像，获取隐藏摄像头的位置。

请参阅图2，本申请实施方式提供一种终端100。终端100包括拍摄模组10、深度相机20及一个或多个处理器30。拍摄模组10用于拍摄二维图像，深度相机20用于发射光线以获取置信度图。上述01、02及03中所述的方法可以由一个或多个处理器30执行实现。也即是说，一个或多个处理器30用于获取当前视角的初始二维图像；开启深度相机20发射光线获取散斑图；及根据散斑图及初始二维图像，获取隐藏摄像头的位置。本申请中的隐藏摄像头的检测方法及终端100，通过二维图像及散斑图共同确定隐藏摄像头的位置，能够提升检测隐藏摄像头的识别准确率，并且无需用户购买和携带其他外设设备，仅通过同时搭载有能够获得二维图像的拍摄模组及能够获得散斑图的深度相机，即可确定隐藏摄像头所在位置，有利于提升用户检测隐藏摄像头的便捷性。此外，传统的基于RGB摄像头检测隐藏摄像头，适用场景有限，仅能探测自身带有红外补光的隐藏摄像头；传统的基于网络流量探测的方案，仅能探测实时传输数据的隐藏摄像头。然而，本申请中的隐藏摄像头的检测方法及终端100，通过二维图像及散斑图共同确定隐藏摄像头的位置，对绝大多数带有镜头的隐藏摄像头都可以做到准确的识别，如此有利于提升检测隐藏摄像头的应用范围。

需要说明的是，在一些实施例中，二维图像为彩色图像，此时用于获取二维图像的拍摄模组10可以是RGB相机。由于二维图像是彩色图像，相较于二维图像是黑白图像更有利于后续对二维图像进行图像识别。当然，在一些实施实施例中，二维图像也可以为黑白图像，在此不做限制。为了方便说明，本申请实施例均以二维图像为彩色图像，拍摄模组10为RGB相机为例进行说明。此外，在一些实施例中，终端100包括手机、智能手表、平板电脑、笔记本电脑及智能眼镜中的至少一种。在本申请实施例中，均以终端100为手机进行说明。

请参阅图3，在一些实施例中，检测方法还包括：

04：对初始二维图像进行图像识别；

此时，开启深度相机发射光线获取散斑图，包括：

021：在初始二维图像中包含预设物体的情况下，开启深度相机向预设物体发射光线以获取散斑图。

请结合图2，在一些实施例中，上述04及021中所述的方法也可以由处理器30执行实现。也即，处理器30还用于：对初始二维图像进行图像识别；及在初始二维图像中包含预设物体的情况下，开启深度相机向预设物体发射光线以获取散斑图。

具体地，用户开启拍摄模组10获取当前视角的初始场景的二维图像，处理器30获取当前视角的初始二维图像，并对初始二维图像进行图像识别处理，判断初始二维图像中是否存在预设物体。示例地，在一些实施例中，可以将初始二维图像输入预先训练好的深度学习模型中。深度学习模型对输入的初始二维图像进行一系列卷积池化等操作以获得特征信息，再根据特征信息获取初始二维图像中包含的物体，并判断该物体是否属于预设物体。

其中，在一些实施例中，预设物体可以是在终端100出厂前，由厂商经过大量的调研获取可能设置有隐藏摄像头的物体，并将这些物体作为预设物体；或者，在一些实施例中，预设物体还可以是用户自定义设置的；或者，在一些实施例中，预先就针对隐藏摄像头容易隐藏的具体物体和场景，采集专门的数据集对深度学习模型进行训练，训练后的深度学习模型能够自主的将容易隐藏隐藏摄像头的具体物体定义为预设物体。

此外，在一些实施例中，在终端100每次检测隐藏摄像头后，深度模型还能够根据当前检测出包含隐藏摄像头的物体，及隐藏摄像头在该物体上的具体位置再次进行训练，如此能够不断更新深度学习模型，以提升终端100检测隐藏摄像头的准确度。

在识别到初始二维图像中包含预设物体的情况下，开启深度相机20向预设物体发射光线以获取散斑图。此时，深度相机20获取的散斑图与初始二维图像对应。其中，若某帧散斑对应的场景视角与某帧二维图像对应的场景视角相同，则称该帧散斑图与该帧二维图像对应，下文中出现的散斑图与二维图像对应也做此解释，不再赘述。

若当前视角的初始二维图像中包含预设物体，说明当前视角的场景中存在隐藏摄像头的可能性比较大；反之，若当前视角的初始二维图像中不包含预设物体，说明当前视角的场景中存在隐藏摄像头的可能性比较小。在当前视角的场景中存在隐藏摄像头的可能性比较小的情况下，开启深度相机20获取散斑图，无疑是会增加终端100(图2所示)的功耗，还会增加检测时间。然而，在本实施例中，由于在识别到初始二维图像包含预设物体的情况下，才开启深度相机20获取散斑图，即在开启深度相机20之前预先进行初步判断，相较于直接开启深度相机20，能够在检测隐藏摄像头的同时，降低终端100的功耗。

请参阅图4，在一些实施例中，在初始二维图像中包含预设物体的情况下，开启深度相机20向预设物体发射光线获取散斑图，包括：

0211：检测初始二维图像中的预设物体是否存在预定的感兴趣部；

0212：在存在感兴趣部的情况下，开启深度相机20向预设物体发射光线以获取散斑图。

请结合图2，在一些实施例中，上述0211及0212中的方法也可以由处理器30执行实现。也即是说，处理器30还可以用于检测初始二维图像中的预设物体是否存在预定的感兴趣部；及在存在感兴趣部的情况下，开启深度相机向预设物体发射光线以获取散斑图。

需要说明的是，预设物体预定的感兴趣部表示该预设物体中可能会设有隐藏摄像头的位置。在初始二维图像中包含预设物体时，检测初始二维图像中预设物体是否存在感兴趣部。示例地，终端100中存储有不同预设物体对应的感兴趣部。例如，预设物体为插座时，插座的感兴趣部为插孔；当预设物体为路由器时，路由器对应的感兴趣部为指示灯。下文中所提及的感兴趣部也做此解释，不再赘述。

在初始二维图像中预设物体存在感兴趣部的情况下，开启深度相机20向预设物体发射光线以获取散斑图。由于在二维图像中包含可能设有隐藏摄像头的感兴趣部时，才开启深度相机20获取散斑图，进一步确定隐藏摄像头的位置，有利于降低终端100的功耗，及提升检测隐藏摄像头的准确度。

示例地，假设终端100内存储有：预设物体为插座时，插座的感兴趣部为插孔；当预设物体为路由器时，路由器对应的感兴趣部为指示灯。识别初始二维图像中包括预设物体，且预设物体为插座。由于终端100内存储有预设物体为插座时，插座的感兴趣部为插孔，则判断当前二维图像中的插座是否包含插孔。若包含插孔，即初始二维图像的预设物体中存在感兴趣部，则开启深度相机20向预设物体发射光线以获取散斑图。

若初始二维图像中的预设物体不存在感兴趣部时，即该预设物体可能设有隐藏摄像头的位置并不在当前的画面中，此时开启深度相机20获取散斑图，能够检测到隐藏摄像头的可能性较小。因此，在一些实施例中，若初始二维图像中的预设物体不存在感兴趣部，发出移动提示以指示用户改变拍摄视角。

请参阅图5，在一些实施例中，在初始二维图像中包含预设物体的情况下，开启深度相机20向预设物体发射光线获取散斑图，还包括：

0213：根据初始二维图像获取预设物体的深度估计值；及

0214：若深度估计值在预设范围内，开启深度相机获取散斑图。

请结合图2，在一些实施例中，上述0213及0214中的方法还可以由处理器30执行实现。也即，处理器30还用于：根据初始二维图像获取预设物体的深度估计值；及若深度估计值在预设范围内，开启深度相机获取散斑图。

由于深度相机20距离物体太远或太近发射光线，即便物体中没有设置隐藏摄像头，经由物体反射回的光线的强度也会过弱或过强，在后续过程中会导致误判。因此，需要将深度相机20与预设物体之间的距离控制在一定范围内，才能够避免由于距离原因造成置信度低而导致误判隐藏摄像头的位置。

在一些实施例中，在二维图像中包含预设物体时，可以根据初始二维图像获取预设物体的深度估计值。在深度估计值在预设范围内时，才开启深度相机20向预设物体发射光线，以获取散斑图。如此在深度估计值在预设范围内，才开启深度相机20获取置信度，能够避免由于距离原因造成后续获得的置信度低而导致误判隐藏摄像头的位置。

示例地，可以理解，预设物体与深度相机20之间的距离越近，即与预设物体对应的像素的深度估计值越小，初始二维图像中预设物体所占的面积越大；预设物体与深度相机20之间的距离越远，即与预设物体对应的像素的深度估计值越大，初始二维图像中预设物体所占的面积越小。因此，在一些实施例中，可以根据预设物体在初始二维图像中所占面积来获取物体的深度值。例如，在一个例子中，当预设物体在初始二维图像中所占面积与初始二维图像的总面积之间的比值在预设比值范围内，则说明深度值在预设范围内，此时开启深度相机20向预设物体反射光线以获取散斑图。

在一些实施例中，当深度估计值不在预设范围内时，说明预设物体与终端100之间的位置不合适，此时终端100可以发出前进或后退提示。前进或后退提示用于指示用户缩小或增加终端100与预设物体之间的距离，其中移动提示可以是语音播报，或者是在终端100的显示屏中显示，在此不做限制。如此能够指导用户将预设物体与深度相机20之间的距离控制在合适的范围内，能够避免由于距离原因造成误判隐藏摄像头的位置。

在开启深度相机20获取散斑图后，处理器30根据散斑图及初始二维图像，获取隐藏摄像头的位置。具体地，请参阅图6，在一些实施例中，根据散斑图及初始二维图像，获取隐藏摄像头的位置，包括：

031：对散斑图和初始二维图进行融合以获取深度图及置信度图；及

032：根据初始二维图像及置信度图，获取隐藏摄像头的位置。

请结合图2，在一些实施例中，上述031及032中的方法还可以由处理器30执行实现，也即，处理器30还可以用于对散斑图和初始二维图进行融合以获取深度图及置信度图；及根据初始二维图像及置信度图，获取隐藏摄像头的位置。具体地，深度相机20包括光发射模组(图未示)及光接收模组(图未示)。在开启深度相机20后，光发射模组用于发射光线，光接收模组用于接收至少部分经物体反射的光线。其中，光接收模组包括图像传感器(图未时)，图像传感器包括含有多个像素的二维像素阵列，经由物体反射回的光线能够被像素阵列中的多个像素接收，并且多个像素能够将接收到的光线转换为电信号输出，以获得散斑图，散斑图中包括多个散斑点。可以根据散斑图中每个像素接收到的光线的时间及对应光线的发射时间，获取散斑图中的每个像素对应的深度值。置信度用于表征该像素对应的深度值是该深度值的可靠程度。例如，当物体与深度相机20之间的距离太远或物体的反射率太低时，反射回的光线强度比较弱；当物体与深度相机20之间的距离太近或物体的反射率太高时，反射回的光线强度比较强，这些都会对测算深度值有较大的误差。

因此，在一些实施例中，可以通过像素接收到的光线的强度获取该像素对应的置信度。示例地，在一些实施例中，当像素接收到的光线强度在预设范围内时，该像素对应的置信度比较高；当像素接收待的光线强度在预设范围之外时，该像素对应的置信度比较低。例如，当像素接收到的光线强度在预设范围内时，该像素对应的置信度均为95，当像素接收到的光线强度在预设范围之外时，该像素对应的置信度均为40。进一步地，在一些实施例中，当像素接收到的光线强度在预设范围之外时，光线强度与预设范围之间的差距越大其置信度越低。例如，假设预设范围为50至80，第一像素接收到的光线强度为20，第二像素接收到的光线强度为150。第一像素与第二像素接收到的光线的强度都在预设范围之外，并且第二像素接收到的光线强度与预设范围之间的差距，比第一像素接收到的光线强度与预设范围之间的差距更大，因此与第一像素对应的置信度比与第二像素对应的置信度更大。

在获得散斑图后，处理器30根据散斑图及初始二维图像进行融合以获取深度图及置信度图。其中，请参阅图7所示，在一些实施例中，在初始二维图像抽取任意像素，在散斑图中获取与该像素对应的像素的深度值。其中若在散斑图中的某一像素和初始二维图像中的某一像素均与场景中的同一点对应，则认为这两个像素对应，下文中所述的像素对应也做此解释，不再赘述。随后将该深度值作为排列在深度图中对应位置的像素的深度值。例如，在初始二维图像中抽取的像素A位于初始二维图像的第1行第1列，排列在散斑图的第1行第1列的像素B与像素A均与场景中的同一点对应，即像素A与像素B对应。获取像素B的深度值，随后将获取的深度值作为排列在深度图第1行第1列的像素C的深度值。随后，在初始二维图像抽取下一个像素重复执行上述步骤，直至初始二维图像中所有像素均被抽取，如此便获得了深度图。同样地，在一些实施例中，在初始二维图像抽取任意像素，在散斑图中获取与该像素对应的像素的置信度，并将该置信度作为排列在置信度图中对应位置的像素的置信度。例如，在初始二维图像中抽取的像素A位于初始二维图像的第1行第1列，排列在散斑图的第1行第2列的像素D与像素A均与场景中的同一点对应，即像素A与像素D对应。获取像素D的置信度，随后将获取的置信度作为排列在置信度图第1行第1列的像素C的置信度。随后在初始二维图像抽取下一个像素重复执行上述步骤，直至初始二维图像中所有像素均被抽取，如此便获得了置信度图。当然，也可以采用其他方式对散斑图及初始二维图像进行融合以获取深度图及置信度图，只需要深度图中包含初始二维图像中每个像素对应的深度值，及置信度图中包含初始二维图像中每个像素对应的置信度即可，在此不做限制。

在获得置信度图之后，处理器30可以根据初始二维图像及置信度图获取隐藏摄像头的位置。具体地，请参阅图8，在一些实施例中，根据初始二维图像及置信度图获取隐藏摄像头的位置，包括：

0321：将置信度图中像素的置信度均小于预设阈值的区域作为第一区域I1；

0322：获取初始二维图像中与第一区域I1对应的第二区域I2；及

0323：遍历第二区域I2，并将存在预设物体的第二区域I2作为隐藏摄像头所在位置。

请结合图2，在一些实施例中，上述0321、0322及0323中的方法也可以由处理器30执行实现。也即是说，处理器30还可以用于将置信度图中像素的置信度均小于预设阈值的区域作为第一区域I1；获取初始二维图像中与第一区域I1对应的第二区域I2；及遍历第二区域I2，并将存在预设物体的第二区域I2作为隐藏摄像头所在位置。

具体地，请参阅图9(图9的置信度图中填充有斜划线的区域中像素的置信度小于预设阈值，未填充斜划线的区域中像素的置信度不小于预设阈值)，在获取到置信度图之后，获取置信度图中的第一区域I1，其中第一区域I1中的像素的置信度均小于预设阈值。需要说明的是，第一区域I1可以包括多个不流通的子区域，也可以是一整块连通的区域，在此不作限制，只需要满足第一区域I1内的像素的置信度均小于预设阈值即可。

在获取到置信度图中的第一区域I1后，再在初始二维图像中获取第二区域I2，其中第一区域I1与第二区域I2对应。也即，在置信度图中与第二区域I2中每个像素对应位置的像素的置信度均小于预设阈值。遍历第二区域I2，并将存在预设物体的第二区域I2作为隐藏摄像头所在位置。示例地，如图9所示，初始二维图像还包括第三区域I3，第三区域I3即为预设物体在二维图像中所在区域。在获得第二区域I2后，遍历所有第二区域I2中的像素，若像素位于第三区域I3，即若像素位于预设物体所在区域，则可以认为此处可能存在隐藏摄像头，仅该像素作为待选像素。遍历完第二区域I2中的所有像素后，所有待选像素组成的区域即为隐藏摄像头所在位置。

需要说明的是，一般隐藏摄像头的镜头直径很小，直径通常会在1至2毫米左右，这符合小孔成像的原理。在有外界光照射至隐藏摄像有的镜头时，容易发生“复归反射”(又称“后向反射”)，即是一种以最小的散射将照射至其上的光线反射回，发射该光线的装置或表面。在开启深度相机20后，深度相机20向当前场景发射光线，若当前场景中设置有隐藏摄像头，光线射到隐藏摄像头后，隐藏摄像头会发生复归反射，即会有较强的反射光反射回深度相机20。此时深度相机20中与该位置对应的像素接收到的光线强度比较强，则在获得的置信度图中，对应像素的置信度比较低。此外，光线照射到当前场景的边缘后，反射回深度相机20的反射光会比较弱，其对应位置像素的置信度比较低，并且若当前场景中包含黑色物体，光线照射到黑色物体后反射回深度相机20的反射光也会比较弱，其对应位置像素的置信度也比较低。也即是说，第一区域I1也可能会包括当前场景的边缘及黑色物体所在区域。在本申请实施例中，将置信度小于预设阈值且位于预设物体内的区域识别为隐藏摄像头所在位置，如此能够检测出场景中的隐藏摄像头，并且相较于仅根据置信度来识别隐藏摄像头，能够避免由于场景边缘或场景中物体干扰而造成的误判，有利于提升检测的精确度。

请参阅图10，在一些实施例中，根据二维图像及置信度图获取隐藏摄像头的位置，还可以包括：

0324：若存在预设物体的第二区域I2中像素的数量小于预设数量时，移动深度相机20以不同视角向预设物体发射光线，以获取移动后的散斑图；

0325：获取与移动后的散斑图对应的移动后的二维图像，并根据移动后的散斑图及对应的移动后的二维图像获取对应的移动后的置信度图；及

0326：根据移动后的置信度图及移动后的二维图像，获取隐藏摄像头的位置。

请结合图2，在一些实施例中，上述0324、0325及0326中的方法还可以由处理器30执行实现。也即，处理器30还用于：若存在预设物体的第二区域I2中像素的数量小于预设数量时，移动深度相机20以不同视角向预设物体发射光线，以获取移动后的散斑图；获取与移动后的散斑图对应的移动后的二维图像，并根据移动后的散斑图及对应的移动后的二维图像获取对应的移动后的置信度图；及根据移动后的置信度图及移动后的二维图像，获取隐藏摄像头的位置。

由于隐藏摄像头需要光线从一定的角度射到其上才有可能会发生复归反射，如此即便通过当前视角下获取的二维图像及置信度图没有识别出隐藏摄像头的位置，也不能确定当前场景的预设物体中没有设置隐藏摄像头，可能仅仅是由于光线角度的问题而导致隐藏摄像头没有发生复归反射。因此，在一些实施例中，若存在预设物体的第二区域中像素的数量小于预设数量，说明此时不能通过当前视角下获取的初始二维图像及置信度图识别出隐藏摄像头的位置，则移动深度相机20向预设物体的不同侧发射光线，以获取移动后的散斑图，其中移动后的散斑图中包含不同视角的预设物体。

需要说明的是，在一些实施例中，若存在预设物体的第二区域中像素的数量小于预设数量，可以发出移动提示指示用户通过移动终端100来移动深度相机20，以不同角度拍摄物体。其中，移动信息可以是语音播报，也可以是在终端100的显示屏中显示(如图11所示)。

在获取到移动后的散斑图后，获取与移动后的散斑图像对应的移动后的二维图像，并根据移动后的散斑图及对应的移动后的二维图像获取对应的移动后的置信度图。再根据移动后的置信度图及移动后的二维图像，获取隐藏摄像头的位置。其中，根据移动后的散斑图及对应的移动后的二维图像获取对应的移动后的置信度图的具体实施方式，与上述实施例中根据散斑图及初始二维图像获取置信度图的具体实施方式相同；根据移动后的置信度图及移动后的二维图像，获取隐藏摄像头的位置的的具体实施方式，与上述实施例中根据置信度图及初始二维图像，获取隐藏摄像头的位置的的具体实施方式相同，在此不再赘述。

示例地，如图12所示，假设用户是先在A点获取的初始二维图像a1，且初始二维图像a1中存在预设物体，则还在A点开启深度相机20以获取散斑图a2，其中散斑图a2与二维图像a1对应。根据散斑图a2及初始二维图像a1获取置信度图a3，若根据置信度图a3与初始二维图像a1未识别出隐藏摄像头时，通过用户移动终端100以将深度相机20移动至B点，深度相机20在B点向预设物体发射光线，以获取移动后的散斑图b2。保持终端100在B点开启拍摄模组10获取移动后的二维图像b1，根据移动后的散斑图b2及对应移动后的二维图像b1获取隐藏摄像头的位置。可以理解，对于预设物体的同一位置，深度相机20在B点向预设物体发射的光线射到该位置的角度，与深度相机20在A点向预设物体发射的光线射到该位置的角度是不相同的。通过移动深度相机20向预设物体不同侧发射光线，以增加触发隐藏摄像头发生复归反射的可能性，从而有利于提升终端100检测隐藏摄像头的准确性。

进一步地，在一些实施例中，若根据移动后的散斑图及移动后的二维图像仍然不能检测到隐藏摄像头的位置，则继续移动深度相机20向预设物体的不同侧发射光线，以获取新的移动后的置信度图重复上述步骤，直至识别出隐藏摄像头的位置，或已经移动深度相机20向预设物体的所有视角均发射光线。其中，在一些实施例中，当已经移动深度相机20向预设物体的所有视角均发射光线，还未识别出隐藏摄像头所在位置，则可以认为当前场景中该预设物体并未设置隐藏摄像头。

请参阅图13，在一些实施例中，根据初始二维图像及置信度图，获取隐藏摄像头的位置，还包括：

0327：在初始二维图像中的预设物体包括预设的感兴趣部的情况下，获取初始二维图像的待测定区域，待测定区域中包含感兴趣部；

0328：若置信度图中与待测定区域对应的像素的置信度小于预设阈值，确定待测定区域为隐藏摄像头所在位置。

请结合图2，在一些实施例中，上述0327及0328中的方法也可以由处理器30执行实现。也即是说，处理器30还用于在初始二维图像中的预设物体包括预设的感兴趣部的情况下，获取初始二维图像的待测定区域，待测定区域中包含感兴趣部；及若置信度图中与待测定区域对应的像素的置信度小于预设阈值，确定待测定区域为隐藏摄像头所在位置。

具体地，在一些实施例中，在初始二维图像中的预设物体包括预设的感兴趣部的情况下，取初始二维图像的待测定区域，待测定区域中包含感兴趣部。例如，在一些实施例中，终端100内存储有：预设物体为插座时，插座的感兴趣部为插孔；当预设物体为路由器时，路由器对应的感兴趣部为指示灯。深度学习模型识别到初始二维图像中包括路由器，即初始二维图像中存在预设物体并且预设物体为路由器。由于终端100中存储有当预设物体为路由器时，可能设有隐藏摄像头的位置为指示灯，因此深度学习模型会识别出初始二维图像中路由器指示灯所在位置，将该位置标识为待测定区域。当然，在一些实施例中，还可以由用户指定待测定区域；或者，深度学习模型经过大量训练在识别初始二维图像中是否存在预设物体时，就能够直接将可能设有隐藏摄像头的位置标识为待测定区域，在此均不做限制。

在获取到二维图像的待测定区域后，获取置信度图中与该待测定区域对应的区内像素的置信度，若至少部分在置信度图中与待测定区域对应的像素的置信度小于预设阈值，则说明在待测定区发生有复归反射，即可确定待测定区域为隐藏摄像头所在位置。示例地，在一些实施例中，置信度图中与待测定区域对应的像素的置信度小于预设阈值的数量大于预设数量，即可确定待测定区域为隐藏摄像头所在位置。由于在本实施例中，通过先获取预设物体中可能设有有隐藏摄像头待测定区域，若至少部分在置信度图中与待测定区域对应的像素的置信度小于预设阈值，确定待测定区域为隐藏摄像头所在位置，相较于遍历置信度图中的所有像素的置信度，能够更快速及准确的获取隐藏摄像的位置，有利于提升检测隐藏摄像头的速度。

在一些实施例中，为了避免由于深度相机20与物体之间的距离太远或太近，造成误判。还可以根据深度图来判断深度相机20与物体之间的距离。示例地，在一些实施例中，在获取到深度图后，根据深度图获取预设物体的深度值。若深度值在预设深度范围内，才根据初始二维图像与置信度图，获取隐藏摄像头。如此能够避免由于距离原因造成后续获得的置信度低而导致误判隐藏摄像头的位置。

在一些实施例中，若深度值不在预设深度范围内，终端100也可以发出前进或后退提示，以指示用户缩小或增大终端100与预设物体之间的距离。在用户响应提示改变终端100与预设物体之间的距离后，拍摄模组10重新获取新的二维图像。如此能够指导用户将预设物体与深度相机20之间的距离控制在合适的范围内，能够避免由于距离原因造成置信度低而导致误判隐藏摄像头的位置。请参阅图14，在一些实施例中，检测方法还包括：

04：对初始二维图像进行图像识别；

05：在初始二维图像中包含预设物体的情况下，移动拍摄模组10以获取不同视角的预设物体的多帧二维图像；

此时，在初始二维图像中包含预设物体的情况下，开启深度相机发射光线获取散斑图，包括：

0215：移动深度相机以不同视角向预设物体的不同侧发射光线，以获取多帧散斑图，其中，每帧散斑图与不同视角的预设物体对应；

根据散斑图及初始二维图像，获取隐藏摄像头的位置，包括：

033：根据多帧散斑图、初始二维图像及多帧二维图像，获取隐藏摄像头的位置。

请结合图2，在一些实施例中，上述04、05、0215及033中的方法，均可以由处理器0执行实现。也即是说，处理器30还用于：对初始二维图像进行图像识别；在初始二维图像中包含预设物体的情况下，移动拍摄模组10以获取不同视角的预设物体的多帧二维图像；移动深度相机以不同视角向预设物体的不同侧发射光线，以获取多帧散斑图，其中，每帧散斑图与不同视角的预设物体对应；及根据多帧散斑图、初始二维图像及多帧二维图像，获取隐藏摄像头的位置。

在一些实施例中，具体地，获取当前视角的初始二维图像后，对初始二维图像进行图像识别。若初始二维图像中包含预设物体，先开启深度相机20像预设物体发射光线，获取一帧与初始二维图像对应的散斑图；随后，移动拍摄模组10获取不同视角的预设物体的多帧二维图像，及移动深度相机20以不同视角向预设物体的不同侧发射光线以获取多帧散斑图，每帧散斑图与不同视角的预设物体对应。

例如，在一些实施例中，由于深度相机20与拍摄模组10均设置于终端100，当用户通过移动终端100来移动深度相机20时，拍摄模组10也会随之移动。因此，移动拍摄模组10获取多帧二维图像与移动深度相机20获得多帧散斑图可以同步进行，也即，每移动一次终端100，深度相机20获取一次散斑图，拍摄模组10也同时获取一次二维图像。如此，一方面，用户只需要移动一次终端100就可以同步获取一帧二维图像及与其对应的散斑图，能够方便用户操作；另一方面，对应的二维图像及散斑图获取的时间相近，便于后续快速获取与某帧二维图像对应的散斑图，有利于提升检测速度。示例地，图12为在一个实施例中用户在不同角度获取预设物体的散斑图及二维图像的示意图，假设用户是先在A点获取的初始二维图像a1，且初始二维图像a1中存在预设物体，则还在A点开启深度相机20以获取散斑图a2，其中散斑图a2与初始二维图像a1对应。随后，用户移动终端100至B点，拍摄模组10在B点获取二维图像b1，及深度相机20在B点向预设物体发射光线，以获取散斑图b2；随后，用户移动终端100至C点，拍摄模组10在C点获取二维图像c1，及深度相机20在C点向预设物体发射光线，以获取散斑图c2。

再例如，在一些实施示例中，也可以先移动拍摄模组10获取多帧二维图像后，再移动深度相机20获取多帧散斑图。示例地，图12为在一个实施例中用户在不同角度获取预设物体的散斑图及二维图像的示意图，假设用户是先在A点获取的初始二维图像a1，且初始二维图像a1中存在预设物体，则还在A点开启深度相机20以获取散斑图a2，其中散斑图a2与初始二维图像a1对应。随后，用户移动拍摄模组10至B点，拍摄模组10在B点获取二维图像b1；用户再移动拍摄模组10至C点，拍摄模组10在C点获取二维图像c1；随后用户移动深度相机20至B点，深度相机20在B点向预设物体发射光线，以获取散斑图b2；用户再移动深度相机20至C点，深度相机20在C点向预设物体发射光线，以获取散斑图c2。当然，在一些实施例中，也可以先移动深度相机20获取多帧散斑图后，再移动拍摄模组10获取多帧二维图像，在此不做限制。

需要说明的是，在一些实施例中，在对初始二维图像进行图像识别，发现初始二维图像中包含预设物体后，还可以无需获取初始二维图像对应的散斑图，直接移动拍摄模组10获取不同视角的预设物体，及移动深度相机20以不同视角向预设物体的不同侧发射光线以获取多帧散斑图。具体获取与不同视角的物体对应的多帧二维图像与多帧散斑图的方法，与上述实施例中的相同，不再赘述。

在获取到多帧散斑图及多帧二维图像后，根据多帧散斑图、初始二维图像及多帧二维图像，获取隐藏摄像头的位置。具体地，在一些实施例中，遍历所有二维图像(包括初始二维图像及移动拍摄模组10后获取的多帧二维图像)，获取与每帧二维图像对应的散斑图，若某帧二维图像没有与其对应的散斑图，则将该二维图像剔除。随后，再根据二维图像及与其对应的散斑图获取隐藏摄像头。其中，根据二维图像及与其对应的散斑图获取隐藏摄像头的具体的实施方式，与上述实施例中根据初始二维图像与散斑图获取隐藏摄像头的具实施方式相同，不再赘述。

由于隐藏摄像头需要光线从一定的角度射到其上才有可能会发生复归反射，由于在本实施例中，在识别到二维图像中包含预设物体后，开启并移动深度相机20向预设物体的不同侧发射光线以获取多帧散斑图，并根据与不同视角物体对应的多帧散斑图及多帧二维图像获取隐藏摄像头的位置。如此能够通过移动深度相机20向预设物体不同侧发射光线，增加触发隐藏摄像头发生复归反射的可能性，还能够及时发现设置在一个预设物体上的多个隐藏摄像头，从而有利于提升终端100检测隐藏摄像头的准确性。

需要说明的是，在一些实施例中，在遍历所有二维图像之前，还可以先检测每帧二维图像中的预设物体是否存在预定的感兴趣部。若某帧二维图像中的预设物体不存在感兴趣部，则将该二维图像剔除，后续不根据该帧二维图像获取隐藏摄像头。如此预先对二维图像进行筛选，能够降低终端100的处理功耗，及提升检测速度。

请参阅图15，本申请实施方式还提供一种包含计算机程序401的非易失性计算机可读存储介质400。当计算机程序401被一个或多个处理器30执行时，使得处理器30执行01、02、03、04、021、0211、0213、0213、0214、031、032、0321、0322、0323、0324、0325、0326、0327、0328、05、0215及033中的检测方法。

例如，请结合图1，当计算机程序401被一个或多个处理器30执行时，使得处理器30执行以下方法：

01：获取当前视角的初始二维图像；

02：开启深度相机20发射光线获取散斑图；

03：根据散斑图及初始二维图像，获取隐藏摄像头的位置。

在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (11)

1.一种隐藏摄像头的检测方法，其特征在于，包括

获取当前视角的初始二维图像；

开启深度相机发射光线获取散斑图；

根据所述散斑图及所述初始二维图像，获取所述隐藏摄像头的位置。

2.根据权利要求1所述的检测方法，其特征在于，所述检测方法还包括：

对所述初始二维图像进行图像识别；

所述开启深度相机发射光线获取散斑图，包括：

在所述初始二维图像中包含预设物体的情况下，开启所述深度相机向所述预设物体发射光线以获取所述散斑图。

3.根据权利要求2所述的检测方法，其特征在于，所述在所述初始二维图像中包含预设物体的情况下，开启所述深度相机向所述预设物体发射光线以获取所述散斑图，包括：

检测所述初始二维图像中的预设物体是否存在预定的感兴趣部；

在存在所述感兴趣部的情况下，开启所述深度相机向所述预设物体发射光线以获取所述散斑图。

4.根据权利要求2所述的检测方法，其特征在于，所述在所述初始二维图像中包含预设物体的情况下，开启所述深度相机向所述预设物体发射光线获取所述散斑图，包括：

根据所述初始二维图像获取预设物体的深度估计值；及

若所述深度估计值在预设范围内，开启所述深度相机获取所述散斑图。

5.根据权利要求1所述的检测方法，其特征在于，所述根据所述散斑图及所述初始二维图像，获取所述隐藏摄像头的位置，包括：

对所述散斑图和所述初始二维图进行融合以获取深度图及置信度图；及

根据所述初始二维图像及所述置信度图，获取所述隐藏摄像头的位置。

6.根据权利要求5所述的检测方法，其特征在于，所述根据所述初始二维图像及所述置信度图，获取所述隐藏摄像头的位置，包括：

将所述置信度图中像素的置信度均小于预设阈值的区域作为第一区域；

获取所述初始二维图像中与所述第一区域对应的第二区域；及

遍历所述第二区域，并将存在所述预设物体的所述第二区域作为所述隐藏摄像头所在位置。

7.根据权利要求5所述的检测方法，其特征在于，所述根据所述初始二维图像及所述置信度图，获取所述隐藏摄像头的位置，还包括：

在所述初始二维图像中的所述预设物体包括预设的感兴趣部的情况下，获取所述初始二维图像的待测定区域，所述待测定区域中包含所述感兴趣部；

若所述置信度图中与所述待测定区域对应的像素的置信度小于预设阈值，确定所述待测定区域为所述隐藏摄像头所在位置。

8.根据权利要求5所述的检测方法，其特征在于，所述根据所述散斑图及所述初始二维图像，获取所述隐藏摄像头的位置，还包括：

根据所述深度图获取所述预设物体的深度估计值；

所述根据所述初始二维图像及所述置信度图，获取所述隐藏摄像头的位置，包括：

若所述深度估计值在所述预设范围内，根据所述初始二维图像及所述置信度图，获取所述隐藏摄像头的位置。

9.一种终端，其特征在于，包括拍摄模组、深度相机及一个或多个处理器，所述拍摄模组用于拍摄二维图像，深度相机用于发射光线以获取散斑图，一个或多个处理器用于：

获取当前视角的初始二维图像；

开启深度相机发射光线获取散斑图；

根据所述散斑图及所述初始二维图像，获取所述隐藏摄像头的位置。

10.根据权利要求9所述的终端，其特征在于，所述终端包括手机、智能手表、平板电脑、笔记本电脑及智能眼镜中的至少一种。

11.一种存储有计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现权利要求1至8任意一项所述的检测方法。

Images