[發明專利]一種應用于ATM機艙內用戶異常行為的檢測方法

有效

• 申請號: 201711446103.0
• 申請日: 2017-12-27
• 公開（公告）號: CN108898042B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 王錦文;麥全深;茅慶江
• 申請（專利權）人: 浩云科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/00;G06T7/223;G06T7/66;G07F19/00
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 胡吉科

本發明涉及一種應用于ATM機艙內用戶異常行為的檢測方法，包括：S1、對圖像進行預處理和背景建模提取運動目標并跟蹤；S2、根據運動目標跟蹤判斷是否是新目標，若是新目標，則將此前景送入深度學習已經訓練好的人員分類器來判斷是否是人，若不是人，則計數不變，否則計數加1；若是舊目標，并且此目標已經被分類器分類過，則不再次調用分類器；S3、根據人數來判斷啟動打砸行為分類器還是打斗行為分類器，提取運動向量特征并調用相應分類器獲取結果；S4、根據運動跟蹤的質心判斷質心是否在檢測區域內結合前景占檢測區比例來判斷目標是否離開檢測區。提高ATM機異常行為分析錯報、漏報現象，實現了快速、準確的行為分析檢測。

技術領域

本發明屬于圖像及視頻處理技術改進領域，尤其涉及一種應用于ATM機艙內用戶異常行為的檢測方法。

背景技術

自動取款機(Automatic Teller Machine，ATM)的廣泛使用，給諸多用戶帶來了便捷，如何保護銀行ATM安全使用，及保護人的生命財產安全，防范各種基于ATM機的犯罪行為是一個亟待改善的問題。

目前，針對ATM異常行為判斷技術，要么采用單獨傳統算法去判斷，例如使用光流算法提取運動向量，并根據運動向量劇烈程度進行判斷是否有異常行為發生；采用模板匹配的方法，根據輸入圖像提取特征與訓練階段預先保存好的模板進行相似度比較，與模板類別中相似度最高的一類作為識別結果，這些方法對目標的變化，光照的魯棒性等干擾比較差。要么采用傳統算法結合機器學習算法進行判斷，例如根據不同行為的運動方向具有不用規律，提取根據光流算法來提取運動向量特征放到機器學習相關分類器中進行判斷分類是否屬于異常行為。然而這些方法很大程度上限制了算法實時性的要求，而且容易受到外界噪聲的干擾，如本來ATM內無人，但是由于外界噪聲影響導致產生運動向量特征剛好類似異常行為特征，那么會分類器會產生誤報。

發明內容

本發明的目的在于提供一種應用于ATM機艙內用戶異常行為的檢測方法，旨在解決現有技術中容易發生誤報的行為檢測的技術問題。

本發明是這樣實現的，一種應用于ATM機艙內用戶異常行為的檢測方法，所述檢測方法包括以下步驟：

S1、對獲取的實時視頻流使用改進背景建模算法提取運動前景并跟蹤運動目標；

S2、判斷跟蹤運動目標是否進入檢測區，如進入檢測區，則判斷跟蹤運動目標是否為新目標，如是新目標，則送入深度學習訓練的人員分類器中并執行下一步驟，如是舊目標并且已經標記為被分類的目標，則無需再次調用分類器；

S3、判斷是否決定計數，如是，則根據計數決定啟用哪一個分類器，若檢測結果被標記為異常并超過異常閾值，則發出相應的報警信號，如否則放棄；

S4、根據跟蹤運動目標的質心判斷質心是否在檢測區域內結合前景占檢測區比例，如果檢測到質心已經不在檢測區域內，并且前景占檢測區比重很小，則認為目標離開檢測區。

本發明的進一步技術方案是：所述步驟S2中還包括以下步驟：

S21、對每個跟蹤的目標創建一個結構體并保留該目標的跟蹤信息；

S22、在處理新幀時將上一幀記錄的目標所有質心與當前幀每個運動目標質心一一比對求歐式距離。

本發明的進一步技術方案是：所述步驟S3中還包括以下步驟：

S31、判斷送入人員分類器中新目標的前景是否是人，如分類結果輸出人的概率比模型中其他類別概率都高，則判斷此前景是人，從而人的計數加1，否則計數器維持不變。

本發明的進一步技術方案是：所述步驟S3中還包括以下步驟：

S32、根據當前統計的人數來決定步驟S33還是步驟S34，若當前只計數到1個人，則執行步驟S34，若計數結果不是1個人，則執行步驟S33；