户外物联网系统的摄像机篡改检测

最近，智能摄像机在户外应用日益增长，以提高监视和安全性。然而，这些系统容易受到篡改（无论是故意的破坏还是恶劣环境条件），这会削弱其监控效果。在此情境下，当摄像机捕获静态图像而非视频时（即没有连续帧序列），检测摄像机篡改更具挑战性。本研究提出了两种检测被篡改图像的方法：基于规则的方法和基于深度学习的方法。旨在评估每种方法在实际场景下在准确率、计算需求和训练所需数据方面的性能。我们的结果表明，深度学习模型提供更高的准确率，而基于规则的方法更适用于资源有限且实际操作校准阶段不切实的场景。我们还提供了包含正常图像、模糊图像和旋转图像的公开数据集，以支持摄像机篡改检测方法的开发和评估，满足此类资源的需求。