[发明专利]基于视频并针对自动提款机的伪装与偷窥行为的检测方法

说明书

技术领域

本发明属于图像处理和视频智能监控技术领域，特别是涉及一种基于视频并针对自动提款机的伪装与偷窥行为的检测方法。

背景技术

为了方便储户快捷存取款和进行其他金融业务，各大银行、邮政储蓄所等处都安装了自助银行与自动柜员机(自动提款机，Automatic Teller Machine)。然而这些自动提款机在为人们的生活带来便利的同时，也带来了日益增多的自动提款机案件纠纷及自动提款机金融犯罪。而目前，在自动提款机的安全措施上，最多只是在自动提款机的上方安装一个摄像头，用于记录自动提款机前发生的情况。但这样仍无法防止各类安全问题的发生，而只能在安全问题发生后，为寻找线索提供一点帮助，因此不能从根本上提高存/取款人利用自动提款机存/取款的安全。因此，自动提款机的智能监控技术得到了极大的关注。

公开号为CN101303785A的中国专利申请公开了一种存/取款机的安全监控系统及方法，该系统可以根据当前时间段的视频图像，检测当前进入所述监控区域的人员数目。但是该方法并不能检测出伪装与偷窥行为。公开号为CN101276499A的中国专利申请公开了一种基于全方位计算机视觉的自动提款机设备的智能监控装置，增加了预防使用者在取款过程中被窥视的监控手段。但是该智能监控装置并不能检测自动提款机前的伪装行为。

传统的人脸检测方法包括如下步骤：首先通过目标的一些简单特征(比如颜色，亮度，运动等)快速获得当前目标的可能区域；然后，通过可能区域的一些复杂特征(比如灰度分布，纹理特征等)验证当前感兴趣区域(ROI)是否为目标。目前，人脸检测方法中的主流方法是使用统计学习的方法从大量目标样本中获得其灰度分布的统计特征，然后再使用这些特征进行目标检测。这两种方法各有特点，前者速度快，能够快速提取与目标在某个特征维度上相似的区域，但是无法在复杂场景下同时保证检测率和误检率。后者计算量大，对硬件系统要求较高，但是由于所采用的机制比较复杂，能够获得比前者更高的检测率和更低的误检率。

综上所述，目前迫切需要提供一种能够检测自动提款机的伪装和偷窥行为的方法和系统。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于视频并针对自动提款机的伪装与偷窥行为的检测方法。

为了达到上述目的，本发明提供的基于视频并针对自动提款机的伪装与偷窥行为的检测方法包括：所述检测方法包括按顺序执行的下列步骤：

步骤01：采集视频图像，即采集监控场景的视频图像，本步骤有两种情况，即采集彩色图像或采集灰度图像；

步骤02：获取图像的ROI，本步骤有两种情况，1)如果步骤01采集的为彩色图像，则本步骤获取彩色图像的ROI，即建立肤色模型，并根据该肤色模型从采集的彩色视频图像中获取ROI；2)如果步骤01采集的为灰度图像，则本步骤获取灰度图像的ROI，即从灰度图像中获取ROI；

步骤03：检测人脸信息，所述人脸信息包括人脸区域内眼睛、嘴巴和鼻子的信息；

步骤04：跟踪上述人脸信息；

步骤05：验证上述人脸信息；

步骤06：判断伪装与偷窥行为。

在步骤02的情况1)中，所述建立肤色模型的方法包括以下步骤：

步骤201：肤色样本提取和分类，根据事前收集的与实际应用场景相似的人脸样本提取其肤色样本，并将所述肤色样本按照光照的高低分为高亮度样本集合H、中亮度样本集合M和低亮度样本集合L；

步骤202：YUV空间特征统计，分别将所述高亮度样本集合H、中亮度样本集合M和低亮度样本集合L转换到YUV空间，分别统计所述高亮度样本集合H、中亮度样本集合M和低亮度样本集合L内所有像素的YUV空间特征，所述YUV空间特征包括Y分布、U/V分布和UV的二维直方图；

步骤203：肤色模型构成和存储，分别将所述YUV空间特征构成相应的高亮度样本集合H、中亮度样本集合M或低亮度样本集合L的肤色模型，并进行存储。

在步骤02的情况1)中，所述根据肤色模型从采集的彩色视频图像中获取ROI的方法包括以下步骤：

选择和更新当前帧的肤色模型S；

计算子块的YUV空间特征；

提取肤色区域；

提取候选人脸区域。

所述选择和更新当前帧的肤色模型S的方法包括以下步骤：

1)使用AdaBoost方法对连续N帧的彩色图像进行全图检测，提取每帧图像的人脸区域，其中将当前帧作为最后一帧；