专利名称：一种异物检测方法及系统的制作方法
技术领域：
本发明涉及监控-忮术领域，尤其涉及一种一见频异物4企测方法及系统。
背景技术：
随着自动拒员机(ATM, Automatic Teller Machine)在各商业4艮行、邮政储 蓄的大量投入使用，在方便了储户快捷存取款的同时，也伴随了日益增多的ATM 纠纷案件及ATM金融犯罪。如何保证ATM机的运行安全，防止ATM积4皮故意 破坏、防止利用ATM机进行诈骗，有效保护银行和储户的利益，成为当今金融 领域亟待解决的问题。
为保护银行ATM的安全使用，防范各种针对ATM的犯罪问题，ATM加装 监控系统已经势在必行。传统的ATM监控系统通过摄像头监控ATM机及周围 的场景，录制监控视频，并通过网络将视频图像传输给监控中心，监控中心保 存ATM机的视频图像。现有ATM监控系统可以防止或监控犯罪分子使用盗用、 伪造、变造的银行卡在ATM机上非法交易、支取现金，防止或监控ATM机被 犯罪分子蓄意敲打或破坏，为事后的公安机关的取证提供依据。
发明人在实施本发明的过程中，发现上述现有的ATM监控系统存在如下缺
现有的ATM监控系统主要是将监控视频录制下来，通过视频进行事后取证， 排解纠纷。虽然现有的ATM监控系统在一定程度上保证了 ATM机的安全操作， 但存在着仅能提供事后取证的缺陷，因此会耽误了解决事件的最佳机会。并且 事后取证费时费力，即使能够找到犯罪证据，但有可能所造成的损失已无可挽 回。
发明内容
本发明实施例提出了一种异物检测方法及系统，通过对检测区域的视频图 像进行处理，可实时地准确地检测出现场变化。本发明实施例提供一种异物检测方法，该方法包括 对检测区域进行摄像，获取所述检测区域的图像数据； 根据所述图像的各个像素点的主色及色深信息进行统计，计算出所述图像 的特征值；
将所述图像的特征值与前L幅图像的特征值的均值进行差异比较，根据两 者的差异率确定所述检测区域中是否存在异物。
相应地，本发明还提供了一种异物检测系统，包括
图像获取模块，用于对检测区域进行摄像，获取所述检测区域的图像数据；
特征值计算模块，用于根据所述图像的各个像素点的主色及色深信息进行 统计，计算出所述图像的特征值；
比较处理模块，用于将所述图像的特征值与前L幅图像的特征值的均值进 行差异比较，根据两者的差异率确定所述检测区域中是否存在异物。
实施本发明实施例，具有如下有益效果
本发明实施例提供的异物检测方法及系统，通过摄像获取检测区域的图像 数据，根据该图像的各个像素点的主色及色深信息计算出图像的特征值，并将 图像的特征值与前L幅图像的特征值的均值进行差异比较，根据比较结果确定 检测区域的异物情况，可实时地准确地检测出现场变化。本发明实施例应于自 动柜员机中，可防范在自动拒员机上安装异物的犯罪行为，避免用户或银行的 利益受到损失。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述 中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付 出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。 图1是本发明提供的异物检测方法的第一实施例的流程示意图； 图2是本发明提供的异物检测方法的第二实施例的流程示意图； 图3是本发明提供的异物检测系统的一个实施例的结构示意图； 图4是如图3所示的特征计算^^莫块的结构示意图； 图5是如图3所示的比较处理模块的第一实施例的结构示意6图6是如图3所示的比较处理模块的第二实施例的结构示意图。
具体实施例方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1,是本发明提供的异物检测方法的第一实施例的流程示意图，该方
法具体包括以下步骤
SIOO，对检测区域进行摄像，获取所迷检测区域的图像数据；
SlOl，根据所述图像的各个像素点的主色及色深信息进行统计，计算出所
述图像的特征值；
S102,将所述图像的特征值与前L幅图像的特征值的均值进行差异比较， 根据两者的差异率确定所述检测区域中是否存在异物。其中，L>1。
具体的，上述步骤S10l中，图像特征值的计算方法如下
通过对图像数据进行处理，获得该图像的各个像素点的RGB (红绿蓝)值； 根据各个像素点的R (红)值、G (绿)值及B (蓝)值三者之间的大小关系， 确定各个像素点的主色及色深信息，如下
当R〉G, R〉B时，主色为R，色深为R/256;
当G〉R， G〉B时，主色为G,色深为G/256;
当B〉R， B〉G时，主色为B,色深为B/256;
当R-G-B时，主色为R,色深为R/256;
当R-G〉B时，主色为R，色深为R/256;
当R-B〉G时，主色为R，色深为R/256;
当G-B〉R时，主色为G,色深为G/256;
其中，R、 G、 B分别代表该像素点的R值、G值、B值。通过上迷的算法 处理，可确定各个像素点的主色及色深信息。
进一步的，根据图像的所有像素点的主色及色深信息，对主色分别为R、 G、 B的像素点个数进行统计，并对主色分别为R、 G、 B的所有像素点的色深值进 行累加，得出与该图像相关的数据项R(Nr, Dr)， G(Ng， Dg)， B (Nb,DB);其中
NR表示主色为R的像素个数，DR表示主色为R的所有像素的色深累加值； Nc表示主色为G的像素个数，Dc表示主色为G的所有像素的色深累加值； NB表示主色为B的像素个数，DB表示主色为B的所有像素的色深累加值。 用数据項M[R(Nr, Dr)， G (Ng， Dg), B(Nb, Db)]描述一幅困像， 其中，NR + NC + NB = N (N为图像的像素总数)，该数据项即为图像的特征值。 上述步骤S102中，将图像的特征值与前L幅图像的特征值的均值进行差异 比较，根据两者的差异率确定检测区域的异物情况的方法，为短期比较方法。 短期比较方法可及时迅速地检测出现场变化，适用于环境变化影响较小，适用 时实时性要求非常高的环境。
短期比较方法采用滑动窗口技术处理数据项，将最新的视频图像的特征值， 同前面的图像集合的特征值的均值进行差异比较，如果差异率超过了阔值，则 说明现场发生了变化，检测区域中存在异物。
具体的，滑动窗口技术如下定义窗口长度为L,在工作过程中，不断接收 已确认的正常图像的特征值数据项，当累计到L幅图像时，则对该L幅图像的 特征值进行平均值计算，获得均值凝:据项。当接收到第(L+l)幅图像时，将 该图像的特征值与前L幅图像的特征值的均值进行差异比较，若确定该第(L + 1 )幅图像为正常图像时，则将该第(L + 1 )幅图像的特征值数据项加入窗口中， 并去除第l幅图像，即此时窗口包含第2- (L+1 )幅图像的特征值数据项。当 获得第(L + 2)幅图像的特征值时，则将该图像的特征值与窗口中的第2 (L + 1)幅图像的特征值的均值进行差异比较，若确定第(L + 2)幅图像为正常图 像，则将该第(L + 2)幅图像的特征值数据项加入窗口中，并删掉第2幅图像， 即此时窗口包含第3 (L + 2)幅图像的特征值数据项。依次类推，每一幅图像 的比较基值均为前L幅图像的特征值的均值。
进一步的，短期比较方法通过将当前图像的特征值与前L幅图像的特征值 的均值进行差异比较，计算获得两者的差异率，该差异率为第一差异率。判断 所述第一差异率是否超过第一阈值，若是，则确定所述检测区域中存在异物。 下面通过举例进4亍if细"i兌明，々口下
当前获得的图像的特征值数据项M'如下
M' [ R' ( NR' ， DR' ), G (NG、 DG' )， B (IV , DB')]前L幅图像的特征值的均值数据项M，如下 M[ R(Nr， Dr)， G(Ng， Dg), B(Nb, Db)]
根据特征值数据项M'及均值数据项M进行计算，获得第一差异率。具体 的，该第一差异率包括主色分别为R、 G、 B的像素个lt的差异率[(NR'-NR) /NR]、 [ (Nc/ - NG) /NG]、 [ (Nb' - Nb) /Nb];以及主色分别为R、 G、 B的所有像素的色深累加值的差异率[(D/ - DR) /DR]、 [ (DG'-DG) /DG]、 [ (DB' - Db) /Db]。
其中，第一阚值的大小可根据实际需要进行设置，下面仅以定义第一阈值 为10%为例进行说明。判断第一差异率是否超过第一阈值，即判断两者的大小 关系是否满足以下条件
(Nr'-NR)/NR《10%
-DR)/DR< 10%
-Ng)/NG《10%
(DG'-DG)/DG《10%
-NB)/NB< 10%
(DB'-DB)/DB《10%
若上述的任一项判断返回^"误，则确定当前图^^为非正常图1象，即4佥测区 域中存在异物。若上述六项均验证通过，则确定当前图像为正常图像，即检测 区域中不存在异物。
本发明实施例提供的异物检测方法，通过摄像获取检测区域的图像数据， 根据该图像的各个像素点的主色及色深信息计算出图像的特征值，并将图像的
特征值与前L幅图像的特征值的均值进行差异比较，根据比较结果确定检测区
域的异物情况，可实时地准确地检测出现场变化。
参见图2，是本发明提供的异物检测方法的第二实施例的流程示意图。
与上述的第 一 实施例相比，本发明第二实施例是在短期比较方法的基础上，
同时结合了长期比较方法来进行异物;险测。
如图2所示，本发明第二实施例具体包括以下步骤
S200，对检测区域进行摄像，获取所述检测区域的图像数据；
S201，根据所述图像的各个像素点的主色及色深信息进行统计，计算出所
述图像的特征值；其中，本步骤的图像特征值的计算方法，与上述的第一实施例相同，在此不再赘述。
S202，将所述图像的特征值与前L幅图像的特征值的均值进行差异比较， 计算出第一差异率；
5203, 将所述图像的特征值与对应的符合气象变化规律的图像基准值进行 差异比较，计算出第二差异率；
5204, 根据第一差异率及第二差异率确定^f佥测区域中是否存在异物。 本发明第二实施例，通过对检测区域进行摄像以获取图像数据，并同时采
用短期比较方法及长期比较方法对图像数据进行处理，并综合考虑短期比较结 果及长期比较结果对异物情况作出决策，以降低异物误报率，达到高度识别的 目的。
其中，步骤S202为短期比较方法，与上述的第一实施例相同，所述将当前 图像的特征值与前L幅图像的特征值的均值进行差异比较的方法，同样是采用 滑动窗口技术，在此不再赘述。
步骤S203为长期比较方法，由于在实际的应用场景中，若检测区域处于亮 度不断变化的户外环境中，则所获取的检测区域的图像亮度将会随着环境亮度 的变化而变化。长期比较方法通过判断当前检测期的图像特征值是否符合气象 变化规律，从而确定异物情况，可进一步提高异物检测的准确性。
气象变化规律是指每天的光强变化规律，通过对特定时间段的图像特征值 进行统计分析，可获得气象变化规律函数。具体的， 一天当中的光强变化规律 近似于正弦函数， >>人上午时间Tl到中午时间T2,光线渐渐变强，而到了晚上 时间T3，光线渐渐变弱。在时间T2获得的图像的特征值，与T1 T2时间段内 不断获取的图像特征值的均值相比，NR、 NG、 NB三项变化不大，而Dr、 Dg、 DB三项的值则要大一些。在时间T3获得的图像特征值，与T2 T3时间段内 获取的图像特征值的均值相比，DR、 Dg、 Db三项的值要'j、一些。困像的Nr、 Ng、 Nb三项的值可以在一定程度上反映了图像的亮度变化。同理， 一年当中的 光强变化规律也是近似于正弦函数，在同一时间，夏天的图像亮度要比春天的 高些，冬天的图形亮度要比秋天的低些。因此，通过摄像获取检测区域的图像 数据，并对特定时间段的图像特征值进行统计分析，可确定正弦函数的最高点 光强、定点时间，从而总结出气象变化规律函数，根据该气象变化规律函数进 行计算，可得出各个时间段的符合气象变化规律的图像基准值。进一步的，在工作过程中，通过记录特定时间段的图像数据，在一个周期(一天或一年)结 束时，对该特定时间段的图像数据进行处理，例如，可将当前周期的图像数据 项与前N个周期的图像数据项进行平均值计算，将均值作为新的规律数据项， 以修正气象变化规律函数，使其符合当地的光强变化规律。
在步骤S203中，与当前图像的特征值进行比较的图像基准值可通过气象变 化规律函数计算获得的。在具体实施当中，可以在每天的特定时刻触发基准值 计算程序，根据气象变化规律函数进行计算，获得当天的各个时间段的图像基 准值，形成基准值列表，次日再使用新的计算结果刷新基准值列表。则在步骤 S203中，可根据当前图像的摄像时间段，从基准值列表中读取对应的图像基准 值进行差异比较，计算出两者的差异率，即第二差异率。
在步骤S204中，根据第一差异率及第二差异率确定4企测区域中是否存在异 物的方法，具体包括判断所述第一差异率是否超过第一阈值，若是，则确定 所述检测区域中存在异物；判断所述第二差异率是否超过第二阈值，若是，则 确定所述检测区域中存在异物；若所述第一差异率未超过第一阈值，且所述第 二差异率未超过第二闳值，则确定所述检测区域中未存在异物。在具体实施当 中，第一阈值及第二阈值的大小可以根据实际情况进行"i殳置。
需要^L明的是，步骤S202、 S203中的第一差异率及第二差异的计算方法， 以及步骤S204中差异率与阈值的比较方法，均与上述的第一实施相同，在此不 再赘述。
上述步骤S204异物决策方法，设置第 一 阈值及第二阈值作为差异率的比较 基值，其仅为本发明的其中一个实施例。在本发明还可以根据实际应用要求的 敏感度，适当设置緩冲阈值。具体的，设置阚值E1、 E2以及阁值L1、 L2，其 中，E1〈E2; L1〈L2。设在短期比较步骤中获得第一差异率为X,在长期比较 步骤中获得第二差异率为Y，则本实施例的异物决策方法为若X》E2，则返 回异物信息；若Y》L2，则返回异物信息；若E1〈X〈E2，且L1〈Y〈L2，则 返回异物信息；若E1〈X〈E2，且Y〈L1，则不返回异物信息；若L1〈Y〈L2， 且X〈E1,则不返回异物信息；若X〈E1且Y〈L1，则不返回异物信息。
进一步的，为了屏蔽突发强光、瞬间遮挡等干扰，在本发明实施例在长期 比较步骤中，若当前所获取的图像特征值与对应的符合气象变化规律的图像基 准值相比，两者的差异率足够大并已超过设定的阈值，则抛弃当前所获取的图
ii像，并开始计时，如果超出规定时间(例如，可设置为3秒或5秒)，所获取的 新的图像仍是这种情况，则发出报警信号。例如，在突发强光时，所获取的图
像大部分像素的R值、G值、B值均等于255，由图像特征值的计算方法可知， 大部分像素点的主色为R,导致NR值大，此时，将该图像的特征值与对应的图 像基准值进行差异比较，主色为R的像素个数差异率偏大，因此，对该图像进 行屏蔽处理，并记录时间。同理，当摄像头被红色、黑色或者蓝色之类的不透 明物体遮盖时，当前所获取的图像为简单的单色光，则对该类图像进行屏蔽处 理并开始记录时间。因此，突发强光、瞬间遮挡等干扰不会影响本发明实施例 的图片处理过程。更为具体的，若本发明实施例应用于ATM中，则对正常交易 遮挡的处理方式为将ATM正常交易时间内所摄取的图像与非交易时间摄取的 图像分开保存，不对正常交易时间内所摄取的图像进行处理。
本发明实施例提供的异物检测方法，通过摄像获取检测区域的图像数据， 根据该图像的各个像素点的主色及色深信息计算出图像的特征值，并将图像的 特征值与前L幅图像的特征值的均值进行差异比较，并且进一步判断当前图像 的特征值是否符合气象变化规律，可准确地实时地判断出异物情况，并能够屏 蔽突发强光、瞬间遮挡、正常交易遮挡等干扰，适用于可靠性高的环境。
参见图3，是本发明提供的异物检测系统的一个实施例的结构示意图，该异 物检测系统能够用于实现上述异物检测方法中的步骤。
如图3所示，该异物检测系统具体包括图像获取^f莫块l、特征值计算模块 2及比较处理模块3，其中
图像获取模块1 ，用于对检测区域进行摄像，获取所述检测区域的图像数据；
特征值计算模块2，用于根据所述图像的各个像素点的主色及色深信息进行 统计，计算出所述图像的特征值；
比较处理模块3，用于将所述图像的特征值与前L幅图像的特征值的均值进 行差异比较，根据两者的差异率确定所述检测区域中是否存在异物。
具体的，如图4所示，所述特征值计算模块2进一步包括主色及色深确 定单元20、特征值获取单元21,其中
主色及色深确定单元20，用于根据所述图像的各个像素点的R值、G值及 B值之间的大小关系，确定各个像素点的主色及色深信息；
特征值获取单元21，用于对所述图像的所有像素点的主色及色深信息进行
12累加统计，获得所述图像的特征值。
如图5所示，本发明的异物检测系统的第一实施例中，所述比较处理模块3
具体包括第一比较单元30、第一决策单元31，其中
第一比较单元30,用于将所述图像的特征值与前L幅图像的特征值的均值 进行差异比较，计算获得第一差异率，其中，L大于或等于l;
第一决策单元31，用于判断所述第一差异率是否超过第一阈值，若是，则 确定所述检测区域中存在异物。
本发明实施例提供的异物检测系统，通过摄像获取才全测区域的图像数据， 根据该图像的各个像素点的主色及色深信息计算出图像的特征值，并将图像的 特征值与前L幅图像的特征值的均值进行差异比较，根据比较结果确定检测区 域的异物情况，可实时地准确地检测出现场变化。
在本发明提供的异物检测系统的第二实施例中，进一步判断当前图像的特 征值是否符合气象变化规律，可以准确地判断检测区域中是否存在异物，并能 够屏蔽突发强光、瞬间遮挡、正常交易遮挡等干扰。如图6所示，所述比较处 理模块3还进一步包括第二比较单元32、第二决策单元33、第三决策单元34, 其中
第二比较单元32，用于将所述图像的特征值与相应时间段的符合气象变化 规律的图像基准值进行差异比较，计算获得第二差异率；
第二决策单元33，用于判断所述第二差异率是否超过第二阚^L，若是，则 确定所迷^r测区域中存在异物。
第三决策单元34，用于在所述第一差异率未超过第一阈值，且所述第二差 异率未超过第二阈值时，确定所述检测区域中未存在异物。
需要说明的是，本发明实施例提供的异物检测系统，能够用于实现上述异 物检测方法实施例中的步骤，其具体的数据处理过程已在上述的异物检测方法 实施例中作了详细的描述，在此不再赘述。
本发明实施例提供的异物检测方法及系统，通过摄像获取检测区域的图像 数据，根据该图像的各个像素点的主色及色深信息计算出图像的特征值，并将 图像的特征值与前L幅图像的特征值的均值进行差异比较，并且进一步判断当 前图像的特征值是否符合气象变化规律，可准确地实时地判断出异物情况，并 能够屏蔽突发强光、瞬间遮挡、正常交易遮挡等干扰。在具体实施当中，本发明实施例提供的异物检测方法及系统可应用于ATM 监控系统中，使用高性能摄像头对ATM设备的关键部位(如ATM设备的面板、 进卡口 )进行摄像，通过对图像数据进行决策分析，得出ATM设备的异物情况。 进一步通过预定义的处理机制进行处理，如上报分析结果给监控中心，或者情 况严重时直接驱动ATM设备停机等，可防范在ATM机上安装异物的犯罪行为， 及时地保护用户或银行的利益。
是可以通过计算机程序来指令相关的硬件来完成，所迷的程序可存储于一计算 机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。 其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory, ROM)或随机存储记忆体(Random Access Memory, RAM)等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技 术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这 些改进和润饰也视为本发明的保护范围。
权利要求
1、一种异物检测方法，其特征在于，包括对检测区域进行摄像，获取所述检测区域的图像数据；根据所述图像的各个像素点的主色及色深信息进行统计，计算出所述图像的特征值；将所述图像的特征值与前L幅图像的特征值的均值进行差异比较，根据两者的差异率确定所述检测区域中是否存在异物。
2、 如权利要求1所述的异物检测方法，其特征在于，所述根据所述图像的 各个像素点的主色及色深信息进行统计，计算出所述图像的特征值，具体包括根据所述图像的各个像素点的R值、G值及B值之间的大小关系，确定各 个像素点的主色及色深信息；对所述图像的所有像素点的主色及色深信息进行统计，计算出所述图像的 特征值。
3、 如权利要求1或2所述的异物检测方法，其特征在于，所述将所述图像 的特征值与前L幅图像的特征值的均值进行差异比较，根据两者的差异率确定 所述检测区域中是否存在异物，具体包括将所述图像的特征值与前L幅图像的特征值的均值进行差异比较，计算获 得第一差异率，其中，L大于或等于l;判断所述第一差异率是否超过第一阈值，若是，则确定所述4企测区域中存 在异物。
4、 如权利要求3所述的异物检测方法，其特征在于，在所述根据所述图像 的各个像素点的主色及色深信息进行统计，计算出所述图像的特征值的步骤之 后，还包括将所述图像的特征值与对应的符合气象变化规律的图像基准值进行差异比 较，计算获得第二差异率；判断所述第二差异率是否超过第二阈值，若是，则确定所述检测区域中存 在异物。
5、 如权利要求4所述的异物检测方法，其特征在于，若所述第一差异率未 超过第一阈值，且所述第二差异率未超过第二阈值，则确定所述^r测区域中未 存在异物。
6、 一种异物检测系统，其特征在于，包括图像获取模块，用于对检测区域进行摄像，获取所述检测区域的图像数据； 特征值计算模块，用于根据所述图像的各个像素点的主色及色深信息进行统计，计算出所述图像的特征值；比较处理模块，用于将所述图像的特征值与前L幅图像的特征值的均值进行差异比较，根据两者的差异率确定所述检测区域中是否存在异物。
7、 如权利要求6所述的异物检测系统，其特征在于，所述特征值计算模块 具体包括主色及色深确定单元，用于根据所述图像的各个像素点的R值、G值及B 值之间的大小关系，确定各个像素点的主色及色深信息；特征值获取单元，用于对所述图像的所有像素点的主色及色深信息进行统 计，获得所述图像的特征值。
8、 如权利要求6或7所述的异物检测系统，其特征在于，所述比较处理模 块具体包括第一比较单元，用于将所述图像的特征值与前L幅图像的特征值的均值进 行差异比较，计算获得第一差异率，其中，L大于或等于l;第一决策单元，用于判断所述第一差异率是否超过第一阈值，若是，则确 定所述检测区域中存在异物。
9、 如权利要求8所述的异物检测系统，其特征在于，所述处理才莫块进一步 包括第二比较单元，用于将所述图像的特征值与对应的符合气象变化规律的图像基准值进行差异比较，计算获得第二差异率；第二决策单元，用于判断所述第二差异率是否超过第二阚值，若是，则确定所述检测区域中存在异物。
10、如权利要求9所述的异物检测系统，其特征在于，所述处理模块进一步包括第三决策单元，用于在所述第一差异率未超过第一阈值，且所述第二差异 率未超过第二阈值时，确定所述检测区域中未存在异物。
全文摘要
本发明实施例公开了一种异物检测方法及系统，该方法包括对检测区域进行摄像，获取所述检测区域的图像数据；根据所述图像的各个像素点的主色及色深信息进行统计，计算出所述图像的特征值；将所述图像的特征值与前L幅图像的特征值的均值进行差异比较，根据两者的差异率确定所述检测区域中是否存在异物。采用本发明实施例，通过对检测区域的视频图像进行处理，可实时地准确地检测出现场变化。
文档编号G07F9/00GK101576960SQ20091004019
公开日2009年11月11日 申请日期2009年6月12日 优先权日2009年6月12日
发明者刘志梧, 键 唐, 罗攀峰, 谢文超 申请人:广州广电运通金融电子股份有限公司