专利名称：银行自助设备智能保护方法
技术领域：
本发明涉及一种银行自助设备，尤其涉及该银行自助设备的保护方法。
背景技术：
现有技术中银行ATM机系统的监控级别过低，只是普通的视频监控，没有任何的智能报警措施，在防止犯罪分子利用ATM机诈骗或获取客户的密码而达到实施犯罪方面，不能有效的保护客户的利益，所以，提高ATM机系统的监控级别，以便更好的保护银行和客户的利益就成为了一个迫切的需求。
发明内容
本发明需要解决的技术问题是提供了一种银行自助设备智能保护方法，旨在解决上述的问题。
为了解决上述技术问题，本发明是通过以下步骤实现的 系统初始化； 视频获取； 算法检测； 消息管理与报警提示； 检测结果插入数据库； 与现有技术相比，本发明的有益效果是通过摄像机系统获取的原始视频帧图像和对视频帧图像进行处理，能准确的判断出当前视频中出现的各种异常状况，并随时予以报警，帮助银行工作人员在最短时间内做出防范措施。
图1是本发明的流程图； 图2是异常物体检测流程图；
具体实施例方式 下面结合附图与具体实施方式
对本发明作进一步详细描述 本发明是通过以下步骤实现的 1、系统初始化； 2、视频获取； 3、算法检测； 4、消息管理与报警提示； 5、检测结果插入数据库； 在步骤1中所述的初始化包括异常物体检测、异常状况的判断作为默认选择；图像大小、格式设置的加载；各种算法的加载和初始化； 在步骤2中包括两种视频捕捉模式A、自然光+摄像机或者B、红外LED补光灯+摄像机；其中模式B是对模式A的应用补充在光线不理想的状态下，可以自动启用模式B来获取理想的视频图像，便于视频算法的诊断和系统的正常运行； 在步骤3中包括异常物体检测和异常情况诊断； 所述的异常物体检测是通过以下步骤实现的 对视频图像进行分解，选择前景图像，分析前景图； 进行文本组元的连通域分析，并根据文本的分布规律，以“多个相互邻近的有规则排列的连通域”为判断标准来识别文本区域； 对多文本区域进行区域组合，达到视频图像中文本定位。
下面对上述的步骤作如下分析 彩色图像及视频帧 一个彩色图像或视频帧是一个24位的图像，这意味着一副图像中最多可有224种颜色，由于文本所使用的颜色毕竟占其中的极少数，因此有必要先进行对RGB颜色域的位进行缩减和量化工作，一个24位彩色图像包含8位R、G、B，可以将真彩图像转化为256色图像，或简单地取24位真彩的每8位中的高2位，这样，24位彩色图像可以一下子缩减为6位彩色图像，颜色数也骤减至64(26)种。
颜色缩减及前景图的提取 事实上，颜色缩减与前景图的提取这两个过程的划分并不需要十分的明显，它们的共同之处在于要将干扰点去除，将候选文本像素提取出来。确定干扰点，可以采用颜色直方图作为一个判断的工具，即如果一副图像中，某种颜色的像素的总的数目总共才几个，可以断定这几个像素是干扰点。
对于一个颜色缩减后的图像，它的颜色数目虽然很多，但与未缩减的图像相比，数目已经大大减少，这种图称之为多值图。
一个多值图像理论上可以被分解为U个元素图像集I＝{Ii}，每个Ii都有图像的像素值，即，
一般情况下，认为多值图像中的文本基本上是以一致的颜色呈现出来的，也可能有一个或几个颜色值。如果文本由多种颜色或纹理组成，则一般它所在的背景是由基本上一致的颜色组成。因此，图像总是能够被分成前景图像IF和背景图像IB，且知IF+IB＝I，IF和IB无交集。
(a)如果文本是单值，则IF＝∪Ie且 (b)如果文本是多值，则IF＝I-IB且IB＝∪Ib且 根据上述理论，可以对彩色图像进行颜色分簇(Color Clustering)，使文本中的颜色范围量化到一定数量的颜色类，使像素被分配给与它们原始颜色相近的颜色类，对于每一颜色类再标志出候选字符的连通组元。
连通域(Connected Component)计算 对图像进行游程编码(run length)，根据游程构建连通域(行相邻图)。算法如下 输入图像的起始行的每一个游程被视作为独立的连通域 对图像中的后续行do { 对当前行中的每一个游程Rc循环do { If(Rc与上一行某个游程是连通的，并且这两个游程具有相同的颜色) then(将Rc并入上一行的游程所在的连通域) else then(将Rc作为一个新的连通域) } }while(图像其余行的游程没有循环完毕) 鉴别文本像素 根据游程构建的连通域，包含过多的冗余信息，必须滤出这些信息，以提取出文本的信息，达到最终定位文本的目的。
文本像素的连通域有以下鉴别方法 1)连通域太小，删除； 2)连通域太大，删除； 3)连通域的比例严重失调(高远大于宽，或宽远大于高)，删除； 4)如果当前的连通域孤立，而且连通域范围非常小，则直接予以删除； 5)如果当前连通域与其他连通域重叠，或相邻且颜色值相近则合并； 6)对每个连通域做方差，方差值太小，可以考虑删除； 7)对每个连通域做x，y方向投影，找出波峰、波谷； 合并文本连通域 文本像素行中，每个连通域的高、宽大致接近；连通域的个数与文本行的长度成一定比例；连通域的顶边、底边相差在一定的范围内；连通域之间的间距满足一定的要求，即文本的连通域满足一定的规则排列。
鉴别出的文本连通域，有一部分会出现重叠交错的现象，或彼此之间错位间断，这就需要将相邻的连通域合并成为一个大的连通域块。具体合并时，根据鉴别规则来加以判断。
对于合并后的文本区域，利用文本的几何特征，进一步予以优化。比如，对于横向文本来说，最终的连通域块的宽度一般都会大于文本区域的高度。
识别文本，得到文本区域 对得到的文本连通域，予以合并，根据相邻的多个连通域规则即可判断出文本区域。
所述的异常情况诊断包括光照影响、抖动影响以及遮挡影响 所述的光照影响如果视频检测信息来自步骤2中的模式A，但光线不好，视频模糊，那么异常物体检测算法将无法正常启动，此时，将发出协助信息，系统会自动启动模式B，此时模式A的视频会被阻塞，系统获得来自模式B的视频信息，系统异常情况判断算法将启动； 所述的抖动影响如果摄像机的抖动比较大，则必然会影响特定视频帧的质量，使得文本检测的结果不够准确。对此，采用对每一视频帧做特征分析的方法，提取视频帧上的特征，采用小区域做混合高斯背景建模(Gaussian Mixture Model)的方法，提取视频帧中的背景信息，用多帧背景信息做比对，如果发生抖动，则当前帧中的背景信息会发生较大的变化，通过与数前帧图片的背景信息比对，可以还原本帧中的背景信息，这样就可以很大程度上消除由于摄像机抖动所造成的影响，最终得到区域目标； 所述的遮挡影响如果摄像机被遮挡，就会丢失相关重要的视频信息，极大的影响监控的质量。因此，采用多帧混合高斯背景建模(GaussianMixture Model)的方法，先得出视频信息中的背景目标，再对当前每一帧做分析，以判断出当前帧是否被遮挡，如果被遮挡，则当前帧中的背景信息就会大部分消失，这样就可以准确的加以判断，达到及时报警的目的。
现有技术的混合高斯模型(GMM)是一个能处理多模态情况而且自适应的模型。它用多个高斯分布的混合来描述一个像素点的值的分布。多模态状况下的每一个表面由一个高斯分布来描述，其中有描述背景表面的高斯分布，也有描述前景表面的分布。GMM模型中，每个像素的亮度值用K个高斯分布的混合来建模，各高斯分布分别具有不同的权值ωj和优先级，它们总是按照优先级从高到低的次序排序。取定适当的背景权值部分和阈值，只有在此阈值之内的前若干个分布才被认为是背景分布，其他则是前景分布。混合高斯模型可以描述多模态背景，且具有很好的自适应性。
在步骤4中该模块主要协调系统中其他模块发出的消息信号，并处理这些消息信号，把处理结果返还给相应的模块；如果得出系统需要报警，则立即发出报警消息给系统，系统会及时启动闪光灯，进行报警(报警就是启动闪光灯，通过闪光灯的不停屏闪，以达到及时报警的效果)。
消息处理模块可以使其他的模块处理达到通信上的同步，使得整个系统的通信整合达到一致；该模块可以单独处理来自一个模块的信息，也可以同时处理来自多个模块的信息。
消息处理模块使得系统各个模块之间的配合变得简单，灵活，可配置.使得整个系统框架结构具有极强的可扩展性，不但可以使系统的各个模块间既可以独立工作，又可以无间的协作，而且还可以根据需要加入新的功能模块。
在步骤5中检测结果插入数据库，记录此次检测的异常物体或诊断出来的异常状况文字信息、异常状况、时间、关键帧图片。
下面通过一个实例来对本发明加以说明 (1)系统先启动摄像机模块，默认模式A启动，通过采集卡得到视频流，然后将得到的视频流图像送入到算法检测模块，该模块立即对送入的视频流图像进行质量检测，如果视频质量达到要求，则后续算法立即启动，如果视频质量不能满足要求，消息经过消息处理模块后，则会立即发出相应的消息给系统，系统得到消息后，会立即启动视频采集模式B(加上LED补光)，通过模式B采集到的图像视频流将重新送入到算法检测模块，算法检测模块将重新对视频质量进行检测，如果质量满足，则后续算法启动，如果视频质量不能满足要求，系统将继续重复采集，直到视频质量满足要求； (2)通过(1)采集到的质量满足的视频流，将会被送入到算法检测模块的其他部分，包括文本检测和异常情况的诊断。通过核心相应算法检测，该算法模块将会向消息模块发出消息，消息模块处理完该消息后，会立即将处理结果发给系统，系统根据得到的消息结果来启动相应的模块，包括报警的模块； (3)如果(2)中，系统发出报警指示，则报警模块会立即予以报警，并将算法检测出的相应报警关键帧图片立即保存到系统的数据库中，以备后续时时检查； (4)随着视频流的不断输入，整套系统的所有模块不停的对视频流进行分析，并保存分析结果，达到时时监测的目的。
权利要求
1、一种银行自助设备智能保护方法，是通过以下步骤实现的
(1)、系统初始化；
(2)、视频获取；
(3)、算法检测；
(4)、消息管理与报警提示；
(5)、检测结果插入数据库。
2、根据权利要求1所述的银行自助设备智能保护方法，其中在步骤(1)中所述的初始化包括异常物体检测、异常状况的判断作为默认选择；图像大小、格式设置的加载；各种算法的加载和初始化；
在步骤(2)中包括两种视频捕捉模式A、自然光+摄像机或者B、红外LED补光灯+摄像机；其中模式B是对模式A的应用补充在光线不理想的状态下，可以自动启用模式B来获取理想的视频图像，便于视频算法的诊断和系统的正常运行；
在步骤(3)中包括异常物体检测和异常情况诊断；
在步骤(4)中协调系统中其他模块发出的消息信号，并处理这些消息信号，把处理结果返还给相应的模块；如果得出系统需要报警，则立即发出报警消息给系统，系统会及时启动闪光灯，进行报警；
在步骤(5)中检测结果插入数据库，记录此次检测的异常物体或诊断出来的异常状况文字信息、异常状况、时间、关键帧图片。
3、根据权利要求2所述的银行自助设备智能保护方法，其中异常物体检测是通过以下步骤实现的
对视频图像进行分解，选择前景图像，分析前景进行文本组元的连通域分析，并根据文本的分布规律，以“多个相互邻近的有规则排列的连通域”为判断标准来识别文本区域；
对多文本区域进行区域组合，达到视频图像中文本定位。
4、根据权利要求2所述的银行自助设备智能保护方法，其中异常情况诊断包括光照影响、抖动影响以及遮挡影响；
所述的光照影响如果视频检测信息来自步骤(2)中的模式A，但光线不好，视频模糊，那么异常物体检测算法将无法正常启动，此时，将发出协助信息，系统会自动启动模式B，此时模式A的视频会被阻塞，系统获得来自模式B的视频信息，系统异常情况判断算法将启动；
所述的抖动影响如果摄像机的抖动比较大，则必然会影响特定视频帧的质量，使得文本检测的结果不够准确；对每一视频帧做特征分析的方法，提取视频帧上的特征，采用小区域做混合高斯背景建模的方法，提取视频帧中的背景信息，用多帧背景信息做比对；通过与数前帧图片的背景信息比对，还原本帧中的背景信息，最终得到区域目标；
所述的遮挡影响如果摄像机被遮挡，就会丢失相关重要的视频信息，极大的影响监控的质量；采用多帧混合高斯背景建模(的方法，先得出视频信息中的背景目标，再对当前每一帧做分析，以判断出当前帧是否被遮挡，如果被遮挡，则当前帧中的背景信息就会大部分消失，这样就可以准确的加以判断，达到及时报警。
全文摘要
本发明涉及一种银行自助设备智能保护方法，是通过以下步骤实现的(1)系统初始化；(2)视频获取；(3)算法检测；(4)消息管理与报警提示；(5)检测结果插入数据库；本发明的有益效果是通过摄像机系统获取的原始视频帧图像和对视频帧图像进行处理，能准确的判断出当前视频中出现的各种异常状况，并随时予以报警，帮助银行工作人员在最短时间内做出防范措施。
文档编号G06K9/00GK101609580SQ20081003924
公开日2009年12月23日 申请日期2008年6月20日 优先权日2008年6月20日
发明者吕文涛, 潘今一 申请人:上海弘视通信技术有限公司