CN101227600B - 一种用于自助银行与自动柜员机的智能监控装置和方法 - Google Patents

Abstract

本发明涉及一种用于自助银行与自动柜员机的智能监控装置和方法，是一种用于银行保安的装置和方法，本发明包括对自动柜员机正面场景进行监测的场景图像摄像装置，安装在柜员机上对面对柜员机的人脸进行监测的人脸图像摄像装置，收集柜员机周围声音的声音接收装置，与所述的场景图像摄像装置、人脸图像摄像装置和声音接收装置连接的信号处理装置，所述的信号处理装置与计算机网络连接并与报警装置连接。本发明采用智能识别技术，智能监控自助银行或自动柜员机上出现的异常事件。检测到异常事件可以通过现场的报警装置报警，也可以通过网络向远程监控中心发送报警信号，改变了以往自动柜员机上的监控系统需要人工值守，由人来判断异常情况的缺陷。

Description

一种用于自助银行与自动柜员机的智能监控装置和方法

技术领域

本发明涉及一种用于自助银行与自动柜员机的智能监控装置和方法，是一种用于银行保安的装置和方法，是一种使用视频和音频对自助银行与自动柜员机进行监控的装置和方法。

背景技术

为了使储户方便快捷地存取款和进行其他金融业务，各大银行普遍都安装了自助银行与自动柜员机(ATM)，这些ATM机有的在室内、有的在室外，为储户提供了24小时自助服务，受到了普遍欢迎。然而，ATM机给人们带来便利的同时，ATM案件纠纷及ATM金融犯罪也日益增多，专门针对ATM的违法犯罪活动时有发生。如何保护自助银行和ATM机的安全使用，保护合法储户在ATM机上正常、安全的交易，保护银行的利益，减小银行和持卡人之间的纠纷，防范各种针对自助银行和ATM机的违法犯罪行为是目前亟待解决的问题。

目前针对自助银行和ATM机的监控方案都是基于硬盘录像机的方案，通过在自助银行入口和每台ATM机内加装高清晰的摄像机进行监控录像，视频信号通过视频采集卡进行采集，将采集到的视频采用MPEG4编码压缩，并记录在计算机硬盘中，供工作人员实时监控和事后检索。

然而，上述传统的监控方案有非常大的缺点，自助银行和ATM机上发生的异常事件完全由人工监控判断，但人工监控久了人会感到疲劳，据美国安全方面专家的报告表明，观测监控屏幕仅20分钟后，绝大多数人的注意力就会下降到可不接受的水平。

发明内容

本发明的目的是提出一种用于自助银行与自动柜员机的智能监控装置和方法。通过对自动柜员机的正面场景中的异常事件自动进行判断，给出相应的处理措施，同时提供与异常事件同步的人脸视频及音频分析，实现无需人工进行连续观察的自动监控。

本发明的目的是这样实现的：

一种用于自助银行与自动柜员机的智能监控装置，包括对自动柜员机正面场景进行监测的场景图像摄像单元，安装在自动柜员机上对面对自动柜员机的操作人员的人脸进行监测的人脸图像摄像单元，收集柜员机周围声音的声音接收单元，与所述的场景图像摄像单元、人脸图像摄像单元和声音接收单元连接的信号处理单元，所述的信号处理单元与计算机网络连接并与报警单元连接。

一种用于自助银行与自动柜员机的智能监控方法，所述智能监控方法所使用的智能监控装置包括场景图像摄像单元、人脸图像摄像单元、声音接收单元、信号处理单元，所述智能监控方法的步骤是：

a)总启动步骤：启动智能监控装置，将固化在可擦写存储器中的智能监控算法软件、人脸检测算法软件及配置参数装载入数字信号处理器中运行；

b)摄像单元启动步骤：启动场景图像摄像单元，采集自动柜员机正面场景的模拟视频信号，获取场景图像；启动人脸图像摄像单元，采集人脸图像的模拟视频信号，获取人脸图像；

c)图像信号格式处理步骤：将场景图像和人脸图像的视频信号经视频解码器处理后变成4:2:2的YUV格式的数字视频信号，然后将这两路数字视频信号送入数字信号处理器；

d)图像信号编码步骤：数字信号处理器对场景图像的数字视频信号采用MPEG4编码算法进行编码，编码后的视频流送入输出步骤；数字信号处理器对人脸图像的数字视频信号采用人脸检测算法进行人脸检测，检测视频里面是否有人脸，若检测到人脸，将人脸图像和该帧视频图像采用JPEG编码，然后将编码后的图像送入输出步骤；

e)异常事件检测步骤：在进行图像信号编码步骤的同时，数字信号处理器对场景图像的数字视频信号进行逐帧处理，与人脸图像的数字视频信号配合，检测是否有异常事件，若发现异常事件，将异常事件报警信号送入输出步骤；

f)输出的步骤。

本发明产生的有益效果是：本发明采用智能识别技术，智能监控自助银行或自动柜员机上出现的异常事件。检测到异常事件可以通过现场的报警单元报警，也可以通过网络向远程监控中心发送报警信号，改变了以往自动柜员机上的监控系统需要人工值守，由人来判断异常情况并根据判断结果报警的缺陷。

本发明所采用的智能监控技术，可以对自动柜员机上的犯罪活动进行实时报警，有效威慑了犯罪分子，改变了以往自动柜员机上针对违法犯罪活动只能事后查看取证的缺点。

本发明采用人脸检测技术，自动检测在自动柜员机上操作的人员的人脸，可以将检测到的人脸图像传至远程监控中心，远程监控中心对接收到的人脸作进一步处理，如采用人脸识别技术判断人员是否是犯罪嫌疑人，并根据判断结果做出相应反应。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明实施例一所述的用于自助银行与自动柜员机的智能监控装置示意图；

图2是本发明实施例二所述的信号处理装置示意图；

图3是本发明实施例三所述的用于自助银行与自动柜员机的智能监控方法流程示意图；

图4是本发明实施例六所述的人脸检测算法的流程示意图；

图5是本发明实施例六所述的智能监控算法的流程示意图；

图6是本发明实施例七所述的图像降采样方法示意图。

具体实施方式

实施例一：

本实施例是一种用于自助银行与自动柜员机的智能监控装置，如图1所示。

本实施例在自助银行或自动柜员机7使用现场装配有两个摄像头，一个摄像头装于自动柜员机的显示屏幕上方，用于采集人脸图像，称为人脸图像摄像单元6。另一个摄像头安装在自动柜员机的对面，用于监控自动柜员机及周围的场景称为场景图像摄像单元1。这两个摄像头分别与信号处理单元4相连，作为视频输入。本实施例还包括一套收集自助银行或柜员机周围环境声音的声音接收单元3。场景图像摄像单元、人脸图像摄像单元、声音接收单元将人脸图像送入信号处理单元进行处理、分析以确定是否有异常事件，如果有异常事件即行报警。信号处理单元的RS232口连接报警单元2，用于现场的异常事件报警。信号处理单元的网络输出口与计算机网络5相连，用于向远程监控管理中心输出视频流、人脸信息和报警信息，也用于接收远程监控管理中心的配置参数和从远程监控管理中心发回来的信息。

远程监控管理中心是一个对多个本实施例所述装置进行监控和管理的的中心。本实施例和远程监控管理中心组成客户端、服务器架构，任何有计算机网络的地方都可以使用本实施例所述装置与远程监控和管理中心连接在一起，本实施例支持通常的TCP/IP协议，与通用的计算机网络无缝连接，使用十分方便。

实施例二：

本实施例是实施例一所的信号处理单元的细化，是信号处理单元的优选方案，如图2所示。信号处理单元包括视频解码器(Video decoder，其型号是TVP5150)8，场景图像摄像单元1、人脸图像摄像单元6与视频解码器的输入端连接，视频解码器的输出端与作为中央处理器的数字信号处理器DSP(DigitalSignal Processor，其型号是TMS320DM642)9的信号输入端连接，数字信号处理器与先入先出存储器FIFO(First In First Out其型号是16C550)13、同步动态随机存储器SDRAM(其型号是MT48LC8M32)10、可擦写存储器(FLASH，其型号是AM29LV160DB)11、复杂可编程逻辑器件CPLD(CPLD，其型号是XC9536XL)18、立体音频编解码器(Audio encoder/decoder，其型号是AIC33)12连接。立体音频编解码器与音频接收单元(如麦克风)3连接，该立体音频编解码器的输入端也可以连接其他音频输入设备，用于采集声音。立体音频编解码器的输出端可以连接音频输出设备(如音箱)或报警单元，用于输出声音，可以作为一个音响报警通道。数字信号处理器的以太网接口EMAC与实现RJ45以太网络接口17的以太网收发器(Ethernet Transceiver，其型号是DP83846)16连接。以太网收发器与计算机网络5连接，复杂可编程逻辑器件的控制端连接一个用于视频输出的视频编码器(Video encoder，其型号是SAA7105)19，用于视频输出。在视频编码器后可以直接连接一个普通的电视机20，作为现场视频的播放，可用于现场监控。复杂可编程逻辑器件与视频解码器、以太网收发器连接。先入先出存储器与一个通用异步串行收发接器UART(UART，其型号是MAX3243)14、RS232串口15顺序连接，RS232接口与报警单元连接，作为另一个音响报警通道。

信号处理单元中配有智能监控算法软件、人脸检测算法软件及配置数据，这些软件和配置数据存放在可擦写存储器中。智能监控算法软件可以自动监测自助银行或自动柜员机的监控场景中的异常事件如粘贴纸条行为、越线行为、多人聚集行为、对自动柜员机的破坏行为等。人脸检测算法软件以实时检测场景中的人脸图像。可擦写存储器中还存放有报警程序、DSP程序代码。

本实施例中的数字信号处理器是一种特别适合于进行数字信号处理运算的微处理器，该微处理器是美国德州仪器(Texas Instruments，Ti)公司生产的专用高性能多媒体处理器，其主要应用是实时快速地实现各种数字信号处理算法。基于这种数字信号处理器设计的软件系统具有灵活、精确、稳定性好、抗干扰强、设备尺寸小、造价低、速度快等突出优点，非常适用于场地受限、稳定性要求高的应用领域。

本实施例中，所述的人脸图像摄像单元和场景图像摄像单元可以是摄像头、数码相机、数字摄像机中的一种。所述的摄像单元还可以是能够采集模拟视频信号的其他电子器件。

实施例三：

本实施例是一种用于自助银行与自动柜员机的智能监控方法，所述方法所使用的是实施例一、二所述的智能监控装置，该智能监控装置包括场景图像摄像单元、人脸图像摄像单元、声音接收单元、信号处理单元。所述智能监控方法，如图3所示，的步骤主要包括：

a)总启动步骤：启动智能监控装置，将固化在可擦写存储器中的智能监控算法软件、人脸检测算法软件及配置参数装载入数字信号处理器中运行。

b)摄像单元启动步骤：启动场景图像摄像单元，采集自动柜员机正面场景的模拟视频信号，获取场景图像。启动人脸图像摄像单元，采集人脸图像的模拟视频信号，获取人脸图像。

c)图像信号格式处理步骤：将场景图像和人脸图像的视频信号经视频解码器处理后变成4:2:2的YUV格式的数字视频信号，然后将这两路数字视频信号送入数字信号处理器。

d)图像信号编码步骤：数字信号处理器对场景图像的数字视频信号采用MPEG4编码算法进行编码，编码后的视频流送入输出步骤。数字信号处理器对人脸图像的数字视频信号采用人脸检测算法进行人脸检测，检测视频里面是否有人脸，若检测到人脸，将人脸图像和该帧视频图像采用JPEG编码，然后将编码后的图像送入输出步骤。

e)异常事件检测步骤：在进行图像信号编码步骤的同时，数字信号处理器对场景图像的数字视频信号进行逐帧处理，与人脸图像的数字视频信号配合，检测是否有异常事件，若发现异常事件，将异常事件报警信号送入输出步骤。

f)输出的步骤。

实施例四：

本实施例是实施例三是细化，实施例三中所述的输出的步骤的优化方案。本实施例的输出过程有两个方面：一方面是正常连续的输出，即数字信号处理器将编码后的场景图像视频流、人脸图像，和现场声音通过以太网收发器向计算机网络发送。以便收取这些信息的远程监控管理中心对这些信息进行处理并储存，或直接在远程监控管理中心进行播放，以便人工监控。如果发现异常事件将需要报警。对异常事件的报警信号也包括两个方面，一方面通过以太网收发器以及连接的计算机网络向远程监控中心发送报警信号。另一方面经RS232串口向报警单元发送报警信号，或通过立体音频编解码器向音响设备发出报警信号，如图2、3所示。

实施例五：

本实施例是实施例四是细化，实施例三中所述的输出的步骤的优化方案。本实施例的输出步骤还包括另一个方面：数字信号处理器将处理后的数字视频信号通过视频编码器变成模拟视频信号，从视频输出口输出模拟信号，在现场用电视实时回放，如图2、3所示。

实施例六：

本实施例是实施例三是细化，实施例三中所述的人脸检测算法的优化方案。本实施例所述人脸检测算法的步骤，如图3所示：

生成多尺度图像。

对每个尺度的图像做积分计算。

依次从左到右从上到下取顺序取20×20像素大小的积分图像。

采用训练好的CS-AdaBoost多层人脸分类器对20×20像素大小的图像窗口进行分类判断该20×20像素大小的图像窗口是否是人脸。

统计图像中出现的人脸数目。

实施例七：

本实施例是实施例三是细化，实施例三中所述的智能监控算法的优化方案。本实施例所述智能监控算法的步骤，如图5所示：

a)图像降采样。将视频流中大小为W×H的一帧图像降采样为低分辨率的图像，降采样间隔为α，获得的降采样图像的宽度像素为W/α，降采样图像的高度像素为H/α，如图6所示。其中W表示一帧摄像单元获取的原始图像的宽度像素，H表示一帧摄像单元获取的原始图像的高度像素。本实施例中一帧图像的宽度像素W为720，一帧图像的高度像素H为576，降采样间隔α为3。所得到的一帧降采样图像的是宽度像素W/α为240，一帧图像的高度像素H/α为192。

b)运动物体检测。采用定时背景相减法，采用高斯模型维持一个背景模型。运动物体检测时，将当前帧经过降采样后的图像每一个像素值与背景模型中相应像素的模型进行比较，判断当前帧图像中像素值属于背景模型的概率。若是概率小于确定的阈值，就表示此像素不属于背景，应为前景运动像素，反之，则此像素为背景像素。本实施例所述的这个确定阈值为0.2。将所有运动对象像素通过连通域分析连接起来形成运动物体。为克服光照等的变化，背景模型还将每隔10分钟刷新一次；

c)异常事件检测。对检测出的运动物体进行分析，判断其中有无异常事件。可以检测如下异常事件：

镜头遮挡：当运动物体面积占整个画面50％以上，并且灰度均匀，方差小于确定的阈值时，即为异常事件，报警。

粘贴杂物与移除：当ATM机画面指定位置有运动物体，且大小与预定规则符合时，即为异常事件，报警。本实施例所述的预定规则为前述的检测运动物体的规则。

一人操作他人跨越黄线：当人脸检测算法检测到人脸图像时，启动此行为分析；如在操作期间，有运动物体移动过预先设置的警戒线时，即为异常事件，报警。

多人聚集在自动柜员机前：当人脸检测算法检测到多张人脸，或者智能视频分析算法判断自动柜员机前运动物体所占的像素总数超过预定阈值时，即为异常事件，报警。本实施例中的预定阈值为运动物体像素数占整个图像像素数的75％以上。

Claims (4)

1.一种用于自助银行与自动柜员机的智能监控方法，所述智能监控方法所使用的智能监控装置包括场景图像摄像单元、人脸图像摄像单元、声音接收单元、信号处理单元，所述智能监控方法的步骤是：

a)总启动步骤：启动智能监控装置，将固化在可擦写存储器中的智能监控算法软件、人脸检测算法软件及配置参数装载入数字信号处理器中运行；

b)摄像单元启动步骤：启动场景图像摄像单元，采集自动柜员机正面场景的模拟视频信号，获取场景图像；启动人脸图像摄像单元，采集人脸图像的模拟视频信号，获取人脸图像；

c)图像信号格式处理步骤：将场景图像和人脸图像的视频信号经视频解码器处理后变成4:2:2的YUV格式的数字视频信号，然后将这两路数字视频信号送入数字信号处理器；

d)图像信号编码步骤：数字信号处理器对场景图像的数字视频信号采用MPEG4编码算法进行编码，编码后的视频流送入输出步骤；数字信号处理器对人脸图像的数字视频信号采用人脸检测算法进行人脸检测，检测视频里面是否有人脸，若检测到人脸，将人脸图像和该帧视频图像采用JPEG编码，然后将编码后的图像送入输出步骤；

e)异常事件检测步骤：在进行图像信号编码步骤的同时，数字信号处理器对场景图像的数字视频信号进行逐帧处理，与人脸图像的数字视频信号配合，检测是否有异常事件，若发现异常事件，将异常事件报警信号送入输出步骤；

f)输出的步骤；

其特征在于：异常事件检测步骤中检测是否有异常事件包括以下子步骤；

1)图像降采样：将视频流中大小为W×H的一帧图像降采样为低分辨率的图像，降采样间隔为α；其中，所述的W表示一帧摄像单元获取的原始图像的宽度像素，所述的H表示一帧摄像单元获取的原始图像的高度像素；

2)运动物体检测：判断经过降采样后图像的当前帧图像中像素值属于背景模型的概率，若所述概率小于确定阈值0.2，就表示此像素为前景运动像素，否则此像素为背景像素；背景模型每隔10分钟刷新一次；

检测如下异常事件：

镜头遮挡：当运动物体面积占整个画面50％以上，并且灰度均匀，方差小于确定阈值时，即为异常事件；

粘贴杂物与移除：当自动柜员机前面图像指定位置有运动物体，且大小与预定规则符合时，即为异常事件；

一人操作他人跨越黄线：当人脸检测到人脸图像时，启动此行为分析；如在操作期间，有运动物体移动过预先设置的警戒线时，即为异常事件；

多人聚集在自动柜员机前：当人脸检测到多张人脸，或者智能视频分析算法判断自动柜员机前运动物体所占的像素总数超过确定阈值时，即为异常事件。

2.根据权利要求1所述的智能监控方法，其特征在于所述的输出的步骤是：数字信号处理器将编码后的场景图像视频流、人脸图像、如需报警则包括异常事件报警信号通过以太网收发器向计算机网络发送，如有报警则同时向RS232串口向报警单元发送报警信号，或通过立体音频编解码器向音响设备发出报警信号。

3.根据权利要求2所述的智能监控方法，其特征在于所述的输出的步骤是：数字信号处理器将处理后的数字视频信号通过视频编码器变成模拟视频信号，从视频输出口输出模拟信号，在现场用电视实时回放。

4.根据权利要求1所述的智能监控方法，其特征在于所述人脸检测算法的步骤：

生成多尺度图像；

对每个尺度的图像做积分计算；

依次从左到右从上到下按顺序取20×20像素大小的积分图像；

采用训练好的CS-AdaBoost多层人脸分类器对20×20像素大小的图像窗口进行分类，判断该20×20像素大小的图像窗口是否是人脸；

统计图像中出现的人脸数目。

Images