[发明专利]一种用于ATM终端的头像遮掩判识方法

说明书

技术领域

本发明涉及计算机视觉领域。特别涉及一种用于ATM终端的头像遮掩判识方法。

背景技术

随着社会经济的不断发展，人们对银行业务的需求也日益增长，信息产业的发展带动了银行服务系统的快速发展。现在，银行都在利用ATM机给人们提供大量方便的日常业务，随着大量银行ATM机的使用，在ATM机上盗刷银行卡的安全问题也随之而来，并有越来越严重之势。如何解决最常见的一种犯罪问题：不法分子经常带上墨镜、口罩、头盔等物品对自己的脸部进行遮掩，在银行ATM机非法取款而银行却没有正常地采集取款人的头像信息，给公安侦破带来了许多困难，从而给国家或者人民带来巨大的财产损失。如何有效地保障银行资金和人民的财产安全、保证人们的生活安全和合法的银行业务操作变得十分迫切。因此，研究头像遮掩识别技术，通过对用户头像的有效判别与决策，从而确保取款用户头像信息的正常获取和头像的正确性，有效避免非法盗取用户存款的现象。为了预防不法行为的发生，头像智能监控分析系统的应用就成为了一项紧迫的任务，其中头像遮掩识别技术显得尤为重要。通过这项技术的实施，可以准确地识别出取款人是否采用了遮掩物，对有遮掩物的取款操作采取有效保护措施，这种头像遮掩识别技术将为银行ATM机防范盗取增添新的技术保障。

头像检测技术既是系统安全保障的一项任务，也是进行算法后续处理和深入研究的前提。衡量头像检测算法的重要指标：一是精度，它包括两个方面：漏检率和误检率。二是复杂度，在保证算法精度的前提下，算法复杂度应该尽可能的低。三是实时效果，算法速度越快，在实际应用中效果越好。四是适应性，在相对复杂的背景、光照等条件下能够具有很好的检测效果。

发明内容

本发明所解决的技术问题是，针对现有技术的不足，提供一种用于ATM终端的头像遮掩判识方法，该方法在准确判断取款人是否遮掩头像的同时，快速、精确地识别出遮掩物的所在区域与遮掩物类别。

为了实现上述目的，本发明采用以下技术方案：

本发明是一种用于ATM终端的头像遮掩判识方法，包括训练阶段和检测阶段；

所述训练阶段包括训练RVM二分类器和训练墨镜、口罩和帽子三类遮掩物的Adaboost分类器；

其中训练RVM(Relevance Vector Machine，相关向量机)二分类器包括以下步骤：

步骤1.1、获取训练样本；训练样本的类别包括非人脸和人脸，其中非人脸训练类样本选取范围限制在非人脸区域，包括脖子、肩膀、手臂等区域或是与肤色相近的背景区域，非人脸又包括脖子、肩膀、手臂和背景类；由于ATM终端的背景环境并不复杂，比较单一，这样的选取方法，提高了样本的针对性和训练的有效性，减少了训练难度；其中人脸训练样本按长宽比为1.2，图像大小为24×20选取，由于人脸的长宽比一般约为1-1.5，且通常大于1，如果把人脸的长宽比设定为1，样本常常包含了人脸两边并不重要的纹理区域，从而降低了样本的有效性；

步骤1.2、对训练样本图像进行特征选择和提取，以减少RVM的维数和训练时间；

步骤1.3、对训练样本的各个类别进行编号(可采用任意一种编号方式)，其中第i类与第i+1类为相邻类别，最后一类与第1类为相邻类别；利用训练样本的特征，针对每两类训练样本都训练一个RVM二分类器；

所述检测阶段包括以下步骤：

步骤2.1、当有银行卡插入ATM终端时，触发ATM终端对应的摄像头实时采集ATM终端使用者的视频图像数据；

步骤2.2、对采集的视频图像进行预处理，得到待检区域；

步骤2.3、采用多尺度滑动窗口的方法从待检区域中提取多个待检子图像(将待检区域以固定倍数逐级缩小,直到待检图像大小为设定窗口大小，每次缩小后，通过设定窗口对待检图像按照从上到下、从左到右的顺序进行扫描，截取待检区域上待检子图像)；

步骤2.4、对各个待检子图像分别进行特征选择和提取；

步骤2.5、基于改进的多分类器模型的RVM人脸识别算法，采用改进后的“一对一”多分类算法分别对每个待检子图像进行分类；将分类为人脸的待检子图像在待检区域中的位置进行合并，得到人脸在待检区域中的具体位置，将待检区域中非人脸部分的背景环境去除；由于在一般情况下，同一人脸在不同的缩小比例情况以及在邻近的位置上会被多次检测到，把这些被检测出来位置进行合并，就能得到人脸的具体位置，即从图像中定位人脸的具体位置；