TAMPAR: Visual Tampering Detection for Parcel Logistics in Postal Supply Chains

要約

サプライチェーンにおける貴重品の量が着実に増加しているため、小包の改ざん検知はますます重要になってきている。この場合、1枚のRGB画像のみが撮影され、改ざんを示す潜在的な外観変化を検出するために既存のデータベースからの参照と比較される。我々は、小包の8つのコーナーポイントを識別するためにキーポイント検出を利用する改ざん検出パイプラインを提案する。これにより、透視変換を適用して、可視化された各区画側面の正規化された正面-平行ビューを作成することができる。これらの視点不変の小包側面表面表現は、問題をペアワイズ外観変化検出を伴う小包側面表面のマッチングに縮小するため、サプライチェーン内の小包の改ざんの兆候の識別を容易にする。新たに収集したTAMPARと呼ばれる小包のTAMpering検出データセットを用いて、複数の古典的およびディープラーニングベースの変化検出アプローチによる実験を実施しました。キーポイント検出と変化検出を別々に、また改ざん検出のための統合システムで評価する。我々の評価では、キーポイント検出（Keypoint AP 75.76）と改ざん検出（精度81%、F1-Score 0.83）において、実画像上で有望な結果が得られた。さらに、改ざんの種類、レンズの歪み、視野角に対する感度分析が示されている。コードとデータセットはhttps://a-nau.github.io/tampar。

要約(オリジナル)

Due to the steadily rising amount of valuable goods in supply chains, tampering detection for parcels is becoming increasingly important. In this work, we focus on the use-case last-mile delivery, where only a single RGB image is taken and compared against a reference from an existing database to detect potential appearance changes that indicate tampering. We propose a tampering detection pipeline that utilizes keypoint detection to identify the eight corner points of a parcel. This permits applying a perspective transformation to create normalized fronto-parallel views for each visible parcel side surface. These viewpoint-invariant parcel side surface representations facilitate the identification of signs of tampering on parcels within the supply chain, since they reduce the problem to parcel side surface matching with pair-wise appearance change detection. Experiments with multiple classical and deep learning-based change detection approaches are performed on our newly collected TAMpering detection dataset for PARcels, called TAMPAR. We evaluate keypoint and change detection separately, as well as in a unified system for tampering detection. Our evaluation shows promising results for keypoint (Keypoint AP 75.76) and tampering detection (81% accuracy, F1-Score 0.83) on real images. Furthermore, a sensitivity analysis for tampering types, lens distortion and viewing angles is presented. Code and dataset are available at https://a-nau.github.io/tampar.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL