[發明專利]一種基于立體視覺的ATM機行為分析方法

有效

• 申請號: 201210317511.7
• 申請日: 2012-08-31
• 公開（公告）號: CN102867175A
• 公開（公告）日: 2013-01-09
• 發明（設計）人: 尚凌輝;王弘玥;鮑迪鈞;趙志艷;高勇
• 申請（專利權）人: 浙江捷尚視覺科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/00;H04N13/02
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

技術領域

本發明屬于視頻智能監控技術領域，涉及一種基于立體視覺的ATM機行為分析方法。

背景技術

目前，針對ATM機的犯罪越來越多，包括加裝讀卡器，攝像頭，MP4，假鍵盤等等，給銀行客戶帶來巨大的損失。雖然所有銀行都裝有實時的監控系統，但大多只能用于事后取證，無法對犯罪行為做到實時報警。而ATM機本身的報警裝置，也只能對敲打，搖晃等劇烈運動產生報警。因此，產生了一些基于視頻監控的智能分析裝置，能對監控范圍的違法行為進行實時分析和報警，例如：專利200810057490.3；201120002617.9；201010174674.5等。

雖然這些專利所述的裝置，都能實現對加裝讀卡器，張貼小紙條，假鍵盤等物體實時報警。但其檢測均基于彩色二維圖像，這就導致了無法對對比度較低，尺度較小的目標進行檢測，同時，在光影的干擾下，每路視頻每天的誤報次數也無法控制在客戶接受的范圍內。

發明內容

本發明基于立體視覺相機，在原有的二維圖像之外，多增加一維深度信息，對ATM機操作臺以及取款人進行三維視頻監控。

本發明深度信息是在二維圖像信息中多增加一維信息，能夠表征出目標到鏡頭距離，這樣對于光影，視頻質量等引起的誤檢，由于不會改變ATM機的深度，所以很容易被濾除。而滯留在ATM機上真正的異常物體，其一般都存在厚度，所以在深度信息上會有比較明顯的變化。

本發明解決技術問題所采取的技術方案為：

步驟1：采用雙目相機作為深度信息的獲取設備，輸出為幀率25FPS的CIF分辨率的深度圖，深度圖中，每個像素的取值范圍為0-255，值越大表示該像素所代表的目標距離鏡頭越近。

步驟2：對深度圖進行背景建模，并隨著場景的變化，學習更新每個像素的混合高斯模型，確定背景分布，具體是：

首先對深度圖進行背景建模，用由K個高斯成分組成的混合高斯模型表示像素在時間域上的概率分布模型，即深度圖中像素j在t時刻取值為???????????????????????????????????????????????的概率為

其中表示在t時刻像素j的混合高斯模型中的第i個高斯成分的權重，表示第i個高斯成分的均值，表示第i個高斯成分的協方差，η表示高斯概率密度函數：

其中d為的維數。

然后隨著場景的變化，學習更新每個像素的混合高斯模型。

最后像素j的混合高斯模型描述了其特征值在時間域上的概率分布，為了確定像素的混合高斯模型里哪些高斯成分是由背景產生的，根據每個高斯成分的權重與其標準差之比排序后，取前個高斯成分作為背景的分布，根據下式計算

閾值T度量了背景高斯成分在像素的整個概率分布中所占得最小比例。

步驟3：對每幀新深度圖中的每個像素，求其在每個背景混合高斯模型中的概率值：

若概率最大值小于閾值，則認為當前像素為前景點，說明可能有物體在背景上。

步驟4：對所有前景點進行聯通域檢測，同一個聯通區域的像素認為是屬于同一個不明物體。

步驟5：在二維彩色圖上，對聯通域的大小，顏色進行判斷，過濾過小的區域或顏色和背景類似的區域，剩下的區域即為可能的不明物。

步驟2中的學習更新方法是：將混合高斯模型中的K個高斯成分按照由大到小排序，然后用像素的當前值與其混合高斯模型中的K個高斯成分逐一比較，若與第i個高斯成分的均值之間的差小于δ倍的該高斯成分的標準差，則該高斯成分被更新，其余高斯成分保持不變，更新方程如下：

其中是模型的學習率，當第i個高斯成分與匹配時，為1，否則為0；如果與像素j的混合高斯模型中的K個高斯成分都不匹配，則該像素混合高斯模型中排在最后的高斯成分被新的高斯成分取代，新的高斯成分均值為，初始標準差及權重設為和；在更新完成后，各高斯成分的權重被歸一化，以使。

本發明有益效果：本發明采用了立體視覺的三維圖像信息，所以能對ATM操作臺上的異常行為產生的不明物體有較好的檢測，相對于現有技術只利用簡單的二維圖像比對來實現，準確性大大提高。

具體實施方式