基于图像识别的银行ATM监控方案

2011-09-07 15:23:04 来源:互联网-电子工程世界 责任编辑: liuzhenzhen 收藏本文

        3 图片差异检测方式

　　首先进行背景建模、前景提取。利用数学统计模型，把众多图片的统计信息保存到模型中，再用当前图片和该模型比较，提取出可能存在异物的地方。该方法的背景可以达到几个小时甚至一天的图片的统计值，增强了检测功能对各种环境的适应性，大大降低了误报，也降低了光线的影响，同时在在背景建模、前景提取方法的基础上又加入一些物体特征判断，可降低误报，提高检测的准确率，检测流程如图4所示。

　　4 图像识别在ATM的应用

　　图像识别技术由于能实时判断、分析摄像机监控画面的变化得到其不同的特征点，因此实时主动预警的功能与银行现有的视频监控联网功能，可有机地整合为一套针对目前ATM高风险的综合安防管理平台，该类检测可以准确标出报警框提醒相关人员注意。

　　（1）贴广告、假键盘、假读卡器报警。

　　贴广告是目前主要的一种ATM诈骗方式，它主要与堵塞出钞口、假读卡器方式共同使用，如果客户轻信了广告的内容和电话，犯罪分子就伪装成银行的工作人员骗取客户的个人资料进行犯罪活动。通过安装图像识别设备，首先学习正常情况下ATM的图像，然后实时地将监控一段时间的监控图像与过往的图像进行比对，如这段时间每个画面都与正常的图像有不同，系统提示报警。

　　（2）遗留物报警。

　　实时检测监控场景中出现的物品遗留，系统使用者可以自定义物品尺寸大小，提示有关人员处理。这个功能最早出现在欧美，主要用于公共场所人员聚集场所的反恐工具。在视频监控区域内，系统自动检测出场景中的遗留物品，实时发出报警。

　　（3）人员聚集报警，人员滞留、徘徊报警。

　　自动分析监控场景中出现的多人聚集异常行为，当某个自助银行或ATM周边出现多人聚集时，很多情况都在视频切换监控，由于各种因素往往会忽视此类问题的存在，而这些往往是犯罪分子作案前经常出现的状况，通过视频智能监控判断可能出现的情况并能及时的报警抓捕。

　　（4）打斗报警、人员跌倒。

　　通过对物体快速移动及其他相关辅助的检测方式能准确地检测人员打斗状态。人员跌倒检测，可当自助银行内出现的人员倒地或有人睡觉等异常情况，报警到监控中心

（5）人脸面部识别。

　　面部主要通过ATM机安装的针孔摄像机实现对取款人的面部特征进行识别。犯罪分子在进行犯罪活动时，为避免监控摄像机拍摄下其面部，作案时经常遮挡面部，这样即使被录像，也无法分辨其是谁。相关流程如图5所示，如有人员遮盖面部，系统可以及时报警提示相关人员进行处理，因为很多人在不同季节都会带口罩，可以同时弹出不同角度的视频对该类人员进行人为识别，以便分辨出正常取款和犯罪行为。


　　（6）违规提款、越线报警。

　　主要防范用户从后面偷窥密码、被犯罪分子挟持、故意掉钱偷换客户银行卡等，或者是人员进入到自助银行、ATM区域所划定的区域进行报警。特别是违规提款，该类犯罪活动主要是针对女性一个人的情况进行犯罪，将此类报警与声强异常检测报警与ATM机、自助银行的门禁系统联动可以在第一时间自动关闭自助银行大门，给处警提供有利条件。