[发明专利]一种ATM机面板区域遗留物检测方法及系统

权利要求书

1.一种ATM机面板区域遗留物检测方法，包括如下步骤：

步骤S1，获取ATM机区域的视频流，利用背景建模法对所获得的视频流进行处理，检测视频流中行人的进入或离开；

步骤S2，分别在检测到行人进入和行人离开时各截取一帧图像，对行人进入图像与行人离开图像进行差分处理，提取出图像的灰度变化区域；

步骤S3，将行人离开图像经过一训练后的卷积神经网络模型进行分割，提取出疑似遗留物区域；

步骤S4，将步骤S2提取的灰度变化区域与步骤S3提取的疑似遗留物区域进行重叠度计算，以确定面板是否存在遗留物。

2.如权利要求1所述的一种ATM机面板区域遗留物检测方法，其特征在于，步骤S1进一步包括：

步骤S100，获取视频流；

步骤S101，利用步骤S100中获取的视频流采用高斯背景建模 方法构建背景模型；

步骤S102，从视频流中依次获取一帧图像，利用步骤S101构建的背景模型获取运动前景图像；

步骤S103，根据获得运动前景图像确认行人的进入或离开。

3.如权利要求2所述的一种ATM机面板区域遗留物检测方法，其特征在于：于步骤S103中，若检测到运动的前景出现在行人区域则判断有行人进入，若运动前景消失则判断行人离开。

4.如权利要求1所述的一种ATM机面板区域遗留物检测方法，其特征在于，步骤S2进一步包括：

步骤S200，分别获取行人进入图像各个像素点的灰度值与行人离开图像各个像素点的灰度值；

步骤S201，将行人离开图像每个像素点的灰度值与行人进入图像对应像素点的灰度值作差，并对差值取绝对值，得到差分图像。

5.如权利要求1所述的一种ATM机面板区域遗留物检测方法，其特征在于，步骤S3进一步包括：

步骤S300，搭建卷积神经网络模型，输入人工标注了遗留物区域的图像后自动调整模型参数，对模型进行训练后，生成可以提取面板遗留物区域的数学模型；

步骤S301，将行人离开图像输入所述卷积神经网络模型，对所述图像进行分割，提取出疑似遗留物区域。

6.如权利要求1所述的一种ATM机面板区域遗留物检测方法，其特征在于：于步骤S4，若所述灰度变化区域与所述疑似遗留物区域重叠度大于预设阈值，则确定面板存在遗留物。

7.一种ATM机面板区域遗留物检测系统，包括：

背景建模单元，用于获取ATM机区域的视频流，利用背景建模法对所获得视频流进行处理，检测行人的进入或离开；

图像差分处理单元，用于分别在检测到行人进入和行人离开时各截取一帧图像，对行人进入图像与行人离开图像进行差分处理，提取出图像的灰度变化区域；

深度学习单元，用于将行人离开图像经过一训练后的卷积神经网络模型进行分割，提取出疑似遗留物区域；

重叠度分析单元，用于将所述图像差分处理单元提取的灰度变化区域与深度学习单元提取出的疑似遗留物区域进行重叠度计算，以确定面板是否存在遗留物。

8.如权利要求7所述的一种ATM机面板区域遗留物检测系统，其特征在于，所述背景建模单元包括：

视频流获取单元，用于获取视频流；

背景模型构建单元，用于利用视频流获取单元获取的视频流采用高斯背景建模 方法构建背景模型；

运动前景获取单元，用于从视频流中依次获取一帧图像，利用所述背景模型构建单元构建的背景模型获取运动前景图像；

状态检测单元，用于根据获得运动前景图像确认行人的进入或离开。

9.如权利要求7所述的一种ATM机面板区域遗留物检测系统，其特征在于，所述图像差分处理单元进一步包括：

灰度值获取模块，用于分别获取行人进入图像各个像素点的灰度值与行人离开图像各个像素点的灰度值；

差分处理模块，用于将行人离开图像每个像素点的灰度值与行人进入图像对应像素点的灰度值作差，并对差值取绝对值，得到差分图像，即获得相应的灰度变化区域。

10.如权利要求7所述的一种ATM机面板区域遗留物检测系统，其特征在于，所述深度学习单元进一步包括：

卷积神经网络构建单元，用于搭建卷积神经网络模型，输入人工标注了遗留物区域的图像后自动调整模型参数，对模型进行训练后，生成可以提取面板遗留物区域的数学模型；

图像分割单元，用于将行人离开图像输入所述卷积神经网络模型，对所述图像进行分割，提取出疑似遗留物区域。