基于視頻監(jiān)控的atm機異常人臉檢測方法
【專利摘要】本發(fā)明公開一種基于視頻監(jiān)控的ATM機異常人臉檢測方法，先通過膚色模型對視頻圖像進行二值化處理；然后通過選定有效團塊區(qū)域和眼睛/嘴巴區(qū)域并計算其平均每行白點個數N，Ne，Nm；然后判斷N-Ne或N-Nm是否大于閾值N’；如果N-Ne或N-Nm大于N’，進一步判斷對稱性指標是否大于閾值R；如果對稱性指標大于閾值R，則人臉異常標志位置位；最后通過統計人臉異常標志位數據來確定是否進行人臉異常報警。其顯著效果是：基于人眼或人嘴的形狀特征進行分類識別，而是通過人眼或人嘴被遮擋后本身的像素值發(fā)生改變而進行判斷，大大提高了異常人臉的魯棒性，而且算法簡單，運算量小，在ATN環(huán)境下具有較低的漏檢率和誤檢率。
【專利說明】基于視頻監(jiān)控的ATM機異常人臉檢測方法
【技術領域】
[0001]發(fā)明涉及視頻監(jiān)控中的圖像檢測技術，具體地講，是一種基于視頻監(jiān)控的ATM機異常人臉檢測方法。
【背景技術】
[0002]隨著銀行業(yè)的快速發(fā)展，ATM機(Automated Tellermachine,即自動柜員機)呈現迅猛發(fā)展之勢，然而，ATM給我們生活帶來方便的同時，也暴露出一些安全上的問題。近年來針對ATM的安全事故時有發(fā)生，比如蒙面盜取他人非法錢財等事件。因此，如何減少ATM安全事故的發(fā)生逐漸成為人們普遍關注的話題，尤其是如何借助現代防范技術將安全事件遏制在萌芽狀態(tài)是一個亟待解決的問題。
[0003]視頻監(jiān)控作為一種圖像數據存貯與再現技術，目前已成為提高ATM安全防范能力的重要工具?，F有ATM視頻監(jiān)控系統實現了實時監(jiān)視、視頻保存以及長時間存貯等基本功能，但由于均是采用半人工值守方式，往往容易出現報警不準確、不及時甚至錯報、漏報等現象，因而現有的視頻監(jiān)控系統通常適用于事后查證，而無法實現實時分析與及時提醒功能，即無法起到進一步減少安全事件發(fā)生的作用。
[0004]ATM機前的異常人臉往往存在盜取他人錢財事件的潛在危險，但現有視頻監(jiān)控技術只是實現圖像數據的記錄，而無法做到及時提醒與預警。因此，如何有效、實時地監(jiān)控ATM用戶環(huán)境以及分析判斷是否有異常人臉發(fā)生并及時發(fā)出警報信息是減少此類事件發(fā)生的關鍵所在。由于異常人臉出現較突然，具有高度的隱蔽性，而且所發(fā)生的環(huán)境較為復雜，現有的智能視頻技術借助于人眼與人嘴形狀特征分類器實現異常人臉檢測，在ATM環(huán)境下存在較高的誤檢率與漏檢率，從而導致犯罪分子得以成功盜取他人錢財。

【發(fā)明內容】

[0005]為了克服現有技術對于ATM機前異常人臉檢測誤檢率和漏檢率高的缺陷，本發(fā)明提供了一種基于視頻監(jiān)控的ATM機異常人臉檢測方法，主要針對ATM環(huán)境下戴墨鏡與戴口罩的人臉進行檢測并及時輸出報警信息，從而簡化計算量，提高運算速率，降低漏檢率。
[0006]為了達到上述目的，本發(fā)明所采用的具體技術方案如下:
[0007]一種基于視頻監(jiān)控的ATM機異常人臉檢測方法，其關鍵在于包括以下步驟:
[0008]步驟1:初始化系統參數，包括設置平均每行白點個數判定閾值N’，對稱性指標判定閾值R以及人臉異常標志位置位總數判定閾值η ；
[0009]步驟2:采集一幀視頻圖像；
[0010]步驟3:通過膚色模型對步驟2所采集的圖像進行二值化處理；
[0011]步驟4:選定有效團塊區(qū)域和眼睛/嘴巴區(qū)域；
[0012]步驟5:計算有效團塊區(qū)域、眼睛區(qū)域以及嘴巴區(qū)域平均每行白點個數；其中有效團塊區(qū)域平均每行白點個數記為N，眼睛區(qū)域平均每行白點個數記為Ne，嘴巴區(qū)域平均每行白點個數記為Nm ；[0013]步驟6:判斷N-Ne或N-Nm是否大于閾值N’ ；
[0014]如果N-Ne或N-Nm大于閾值N’，則進入步驟7 ;否則進入步驟8’ ；
[0015]步驟7:判斷對稱性指標是否大于閾值R ;如果對稱性指標大于閾值R，則進入步驟8，否則進入步驟8’ ；
[0016]步驟8:人臉異常標志位置位；[0017]步驟8，:人臉異常標志位清零；
[0018]步驟9:統計人臉異常標志位數據；
[0019]步驟10:判斷人臉異常標志位置位總數是否大于閾值n，如果人臉異常標志位置位總數大于閾值n，則進行人臉異常報警，否則，返回步驟2采集下一幀視頻圖像。
[0020]基于上述方法可以發(fā)現，人臉異常檢測過程中，計算量較大的僅僅在于利用膚色模型對視頻圖像進行二值化處理，經過該步驟后，視頻圖像中為皮膚裸露的區(qū)域其像素點為1，相當于白點，被墨鏡或口罩遮擋的區(qū)域其像素點為0，從而可以確定人臉輪廓，根據正常人的眼睛和嘴巴分布情況可以選定眼睛/嘴巴區(qū)域；通過統計各個區(qū)域平均每行白點個數即可判定是否出現佩戴墨鏡或口罩的情況，為了保證獲取的視頻圖像是正面圖像，該方法中采用了對稱性指標，當連續(xù)幾幀圖像都判定出人臉異常時，則系統發(fā)出異常報警，保證ATM機的安全運行。
[0021]為了便于數據處理，所述步驟2中采集的一幀視頻圖像按照320*240像素大小進行標準化處理。
[0022]結合ATM視頻監(jiān)控系統的配置情況，所述步驟3中的膚色模型選用YCbCr顏色空間進行計算，二值化處理時Cb取值為140-190，Cr取值為140-180。
[0023]結合人臉面部特征，所述步驟4中選定有效團塊的方法是從視頻圖像的頂部開始，選擇二值化處理后像素點為I且相鄰區(qū)域面積大于100的團塊作為有效團塊區(qū)域；將有效團塊區(qū)域中行數上邊1/3的區(qū)域作為眼睛區(qū)域，將有效團塊區(qū)域中行數下邊1/3的區(qū)域作為嘴巴區(qū)域。
區(qū)域白占$數
[0024]作為優(yōu)選，步驟5中按照
【權利要求】
1.一種基于視頻監(jiān)控的ATM機異常人臉檢測方法，其特征在于包括以下步驟: 步驟1:初始化系統參數，包括設置平均每行白點個數判定閾值N’，對稱性指標判定閾值R以及人臉異常標志位置位總數判定閾值η ； 步驟2:采集一幀視頻圖像； 步驟3:通過膚色模型對步驟2所采集的圖像進行二值化處理； 步驟4:選定有效團塊區(qū)域和眼睛/嘴巴區(qū)域； 步驟5:計算有效團塊區(qū)域、眼睛區(qū)域以及嘴巴區(qū)域平均每行白點個數；其中有效團塊區(qū)域平均每行白點個數記為N，眼睛區(qū)域平均每行白點個數記為Ne，嘴巴區(qū)域平均每行白點個數記為Nm ； 步驟6:判斷N-Ne或N-Nm是否大于閾值N’ ； 如果N-Ne或N-Nm大于閾值N’，則進入步驟7 ;否則進入步驟8’ ； 步驟7:判斷對稱性指標是否大于閾值R ;如果對稱性指標大于閾值R，則進入步驟8，否則進入步驟8’ ； 步驟8:人臉異常標志 位置位； 步驟8’:人臉異常標志位清零； 步驟9:統計人臉異常標志位數據； 步驟10:判斷人臉異常標志位置位總數是否大于閾值η，如果人臉異常標志位置位總數大于閾值η，則進行人臉異常報警，否則，返回步驟2采集下一幀視頻圖像。
2.根據權利要求1所述的基于視頻監(jiān)控的ATM機異常人臉檢測方法，其特征在于:所述步驟2中采集的一幀視頻圖像按照320*240像素大小進行標準化處理。
3.根據權利要求1所述的基于視頻監(jiān)控的ATM機異常人臉檢測方法，其特征在于:所述步驟3中的膚色模型選用YCbCr顏色空間進行計算，二值化處理時Cb取值為140-190，Cr 取值為 140-180。
4.根據權利要求3所述的基于視頻監(jiān)控的ATM機異常人臉檢測方法，其特征在于:所述步驟4中選定有效團塊的方法是從視頻圖像的頂部開始，選擇二值化處理后像素點為I且相鄰區(qū)域面積大于100的團塊作為有效團塊區(qū)域；將有效團塊區(qū)域中行數上邊1/3的區(qū)域作為眼睛區(qū)域，將有效團塊區(qū)域中行數下邊1/3的區(qū)域作為嘴巴區(qū)域。
5.根據權利要求4所述的基于視頻監(jiān)控的ATM機異常人臉檢測方法，其特征在于:步
驟5中按照
6.根據權利要求1所述的基于視頻監(jiān)控的ATM機異常人臉檢測方法，其特征在于:所述步驟7中對稱性指標為視頻圖像中左右兩邊像素點二值化處理后的相關系數。
【文檔編號】G06K9/00GK103761516SQ201410051985
【公開日】2014年4月30日 申請日期:2014年2月14日 優(yōu)先權日:2014年2月14日
【發(fā)明者】李作進, 陳劉奎 申請人:重慶科技學院