[发明专利]一种应用于ATM机舱内用户异常行为的检测方法

说明书

本发明涉及一种应用于ATM机舱内用户异常行为的检测方法，包括：S1、对图像进行预处理和背景建模提取运动目标并跟踪；S2、根据运动目标跟踪判断是否是新目标，若是新目标，则将此前景送入深度学习已经训练好的人员分类器来判断是否是人，若不是人，则计数不变，否则计数加1；若是旧目标，并且此目标已经被分类器分类过，则不再次调用分类器；S3、根据人数来判断启动打砸行为分类器还是打斗行为分类器，提取运动向量特征并调用相应分类器获取结果；S4、根据运动跟踪的质心判断质心是否在检测区域内结合前景占检测区比例来判断目标是否离开检测区。提高ATM机异常行为分析错报、漏报现象，实现了快速、准确的行为分析检测。

技术领域

本发明属于图像及视频处理技术改进领域，尤其涉及一种应用于ATM机舱内用户异常行为的检测方法。

背景技术

自动取款机(Automatic Teller Machine，ATM)的广泛使用，给诸多用户带来了便捷，如何保护银行ATM安全使用，及保护人的生命财产安全，防范各种基于ATM机的犯罪行为是一个亟待改善的问题。

目前，针对ATM异常行为判断技术，要么采用单独传统算法去判断，例如使用光流算法提取运动向量，并根据运动向量剧烈程度进行判断是否有异常行为发生；采用模板匹配的方法，根据输入图像提取特征与训练阶段预先保存好的模板进行相似度比较，与模板类别中相似度最高的一类作为识别结果，这些方法对目标的变化，光照的鲁棒性等干扰比较差。要么采用传统算法结合机器学习算法进行判断，例如根据不同行为的运动方向具有不用规律，提取根据光流算法来提取运动向量特征放到机器学习相关分类器中进行判断分类是否属于异常行为。然而这些方法很大程度上限制了算法实时性的要求，而且容易受到外界噪声的干扰，如本来ATM内无人，但是由于外界噪声影响导致产生运动向量特征刚好类似异常行为特征，那么会分类器会产生误报。

发明内容

本发明的目的在于提供一种应用于ATM机舱内用户异常行为的检测方法，旨在解决现有技术中容易发生误报的行为检测的技术问题。

本发明是这样实现的，一种应用于ATM机舱内用户异常行为的检测方法，所述检测方法包括以下步骤：

S1、对获取的实时视频流使用改进背景建模算法提取运动前景并跟踪运动目标；

S2、判断跟踪运动目标是否进入检测区，如进入检测区，则判断跟踪运动目标是否为新目标，如是新目标，则送入深度学习训练的人员分类器中并执行下一步骤，如是旧目标并且已经标记为被分类的目标，则无需再次调用分类器；

S3、判断是否决定计数，如是，则根据计数决定启用哪一个分类器，若检测结果被标记为异常并超过异常阈值，则发出相应的报警信号，如否则放弃；

S4、根据跟踪运动目标的质心判断质心是否在检测区域内结合前景占检测区比例，如果检测到质心已经不在检测区域内，并且前景占检测区比重很小，则认为目标离开检测区。

本发明的进一步技术方案是：所述步骤S2中还包括以下步骤：

S21、对每个跟踪的目标创建一个结构体并保留该目标的跟踪信息；

S22、在处理新帧时将上一帧记录的目标所有质心与当前帧每个运动目标质心一一比对求欧式距离。

本发明的进一步技术方案是：所述步骤S3中还包括以下步骤：

S31、判断送入人员分类器中新目标的前景是否是人，如分类结果输出人的概率比模型中其他类别概率都高，则判断此前景是人，从而人的计数加1，否则计数器维持不变。

本发明的进一步技术方案是：所述步骤S3中还包括以下步骤：

S32、根据当前统计的人数来决定步骤S33还是步骤S34，若当前只计数到1个人，则执行步骤S34，若计数结果不是1个人，则执行步骤S33；