TAMPAR：邮政供应链中包裹物流的视觉篡改检测
计算机视觉与模式识别
2023-11-07 v1 机器学习
机器人学
摘要
由于供应链中贵重货物数量稳步上升，包裹篡改检测正变得愈发重要。在本工作中，我们关注最后一公里配送这一用例，其中仅拍摄单张 RGB 图像并与现有数据库中的参考图像比较，以检测表明篡改的潜在外观变化。我们提出了一种篡改检测流水线，其利用关键点检测来识别包裹的八个角点。这使得能够应用透视变换为每个可见包裹侧面创建归一化的正面平行视图。这些视角不变的包裹侧面表示有助于识别供应链中包裹上的篡改迹象，因为它们将问题简化为具有成对外观变化检测的包裹侧面匹配。我们在新收集的名为 TAMPAR 的包裹篡改检测数据集上，使用多种经典与基于深度学习的变更检测方法进行了实验。我们分别评估关键点与变化检测，以及在一个统一的篡改检测系统中进行评估。我们的评估在真实图像上展示了有前景的关键点（关键点 AP 75.76）与篡改检测（准确率 81%，F1 分数 0.83）结果。此外，还给出了针对篡改类型、镜头畸变与视角的敏感性分析。代码与数据集可在 https://a-nau.github.io/tampar 获取。
引用
@article{arxiv.2311.03124,
title = {TAMPAR: Visual Tampering Detection for Parcel Logistics in Postal Supply Chains},
author = {Alexander Naumann and Felix Hertlein and Laura Dörr and Kai Furmans},
journal= {arXiv preprint arXiv:2311.03124},
year = {2023}
}
备注
Accepted at WACV 2024