CN101576960B - 一种异物检测方法及系统 - Google Patents
一种异物检测方法及系统 Download PDFInfo
- Publication number
- CN101576960B CN101576960B CN2009100401970A CN200910040197A CN101576960B CN 101576960 B CN101576960 B CN 101576960B CN 2009100401970 A CN2009100401970 A CN 2009100401970A CN 200910040197 A CN200910040197 A CN 200910040197A CN 101576960 B CN101576960 B CN 101576960B
- Authority
- CN
- China
- Prior art keywords
- tone
- eigenwert
- image
- foreign matter
- mass
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
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。
Description
技术领域
本发明涉及监控技术领域,尤其涉及一种视频异物检测方法及系统。
背景技术
随着自动柜员机(ATM,Automatic Teller Machine)在各商业银行、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机被故意破坏、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点:
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;其中,L大于或等于1;
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,得出所述图像的特征值M[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;
NG表示主色为G的像素个数,DG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;
NR+NG+NB=N,N为所述图像的像素总数。
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;其中,L大于或等于1;
所述特征值计算模块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,得出所述图像的特征值M[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;
NG表示主色为G的像素个数,DG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;
NR+NG+NB=N,N为所述图像的像素总数。
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,可防范在自动柜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。
附图说明
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所示的特征计算模块的结构示意图;
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图;
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:
S100,对检测区域进行摄像,获取所述检测区域的图像数据;
S101,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S101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。通过上述的算法处理,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;
NG表示主色为G的像素个数,DG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。
用数据项M[R(NR,DR),G(NG,DG),B(NB,DB)]描述一幅图像,其中,NR+NG+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,如果差异率超过了阈值,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,获得均值数据项。当接收到第(L+1)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1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。下面通过举例进行详细说明,如下:
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(NB′,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的像素个数的差异率:[(NR′-NR)/NR]、[(NG′-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:[(DR′-DR)/DR]、[(DG′-DG)/DG]、[(DB′-DB)/DB]。
其中,第一阈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)/DR≤10%;
(NG′-NG)/NG≤10%;
(DG′-DG)/DG≤10%;
(NB′-NB)/NB≤10%;
(DB′-DB)/DB≤10%;
若上述的任一项判断返回错误,则确定当前图像为非正常图像,即检测区域中存在异物。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检测。
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;
S203,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;
S204,根据第一差异率及第二差异率确定检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,从上午时间T1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三项的值要小一些。图像的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检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阈值,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设置。
需要说明的是,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,适当设置缓冲阈值。具体的,设置阈值E1、E2以及阈值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:图像获取模块1、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1;
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。
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阈值,若是,则确定所述检测区域中存在异物。
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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述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-Only Memory,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。
Claims (8)
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;其中,L大于或等于1;
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,得出所述图像的特征值M[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;
NG表示主色为G的像素个数,DG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;
NR+NG+NB=N,N为所述图像的像素总数。
2.如权利要求1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;
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。
3.如权利要求2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。
4.如权利要求3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,则确定所述检测区域中未存在异物。
5.一种异物检测系统,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;其中,L大于或等于1;
所述特征值计算模块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,得出所述图像的特征值M[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;
NG表示主色为G的像素个数,DG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;
NR+NG+NB=N,N为所述图像的像素总数。
6.如权利要求5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;
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。
7.如权利要求6所述的异物检测系统,其特征在于,所述比较处理模块进一步包括:
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阈值,若是,则确定所述检测区域中存在异物。
8.如权利要求7所述的异物检测系统,其特征在于,所述比较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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100401970A CN101576960B (zh) | 2009-06-12 | 2009-06-12 | 一种异物检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100401970A CN101576960B (zh) | 2009-06-12 | 2009-06-12 | 一种异物检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101576960A CN101576960A (zh) | 2009-11-11 |
CN101576960B true CN101576960B (zh) | 2011-05-18 |
Family
ID=41271893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100401970A Active CN101576960B (zh) | 2009-06-12 | 2009-06-12 | 一种异物检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101576960B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106851260A (zh) * | 2017-02-16 | 2017-06-13 | 深圳市金立通信设备有限公司 | 一种摄像头镜片异物处理方法及终端 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833813B (zh) * | 2010-03-03 | 2012-06-13 | 杭州创导安全技术有限公司 | 一种atm机异物入侵检测报警装置及检测报警方法 |
CN106454331A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 视频信号质量检测系统及方法 |
CN106454330B (zh) * | 2016-11-02 | 2018-12-28 | 北京弘恒科技有限公司 | 视频信号的模糊异常检测方法 |
CN109145839A (zh) * | 2018-08-29 | 2019-01-04 | 福建超汇信息技术有限公司 | 基于机器视觉识别的计价方法及计算机可读存储介质 |
CN111415294B (zh) * | 2020-03-16 | 2023-11-10 | 深圳怡化电脑股份有限公司 | 插卡口加装设备的检测方法、装置、设备及存储介质 |
-
2009
- 2009-06-12 CN CN2009100401970A patent/CN101576960B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106851260A (zh) * | 2017-02-16 | 2017-06-13 | 深圳市金立通信设备有限公司 | 一种摄像头镜片异物处理方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN101576960A (zh) | 2009-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101576960B (zh) | 一种异物检测方法及系统 | |
CN101344980B (zh) | 一种atm设备安全检测系统及方法 | |
US9147324B2 (en) | System and method to detect tampering at ATM machines | |
AU2019204149A1 (en) | Video Analytics System | |
US20080074496A1 (en) | Video analytics for banking business process monitoring | |
CN111064925B (zh) | 地铁乘客逃票行为检测方法和系统 | |
CN101276499B (zh) | 基于全方位计算机视觉的atm设备的智能监控装置 | |
CN102004904B (zh) | 一种基于自动柜员机的安全监控装置、方法及自动柜员机 | |
CN110519637A (zh) | 基于音频视频监控结合的异常监测方法 | |
CN107948465A (zh) | 一种检测摄像头被干扰的方法和装置 | |
US20180107892A1 (en) | Dual embedded optical character recognition (ocr) engines | |
CN103400457B (zh) | 一种atm银行卡调包行为监测方法 | |
CN109447619A (zh) | 基于开放环境的无人结算方法、装置、设备和系统 | |
CN104881643A (zh) | 一种快速的遗留物检测方法及系统 | |
CN102542673A (zh) | 基于计算机视觉的atm机预警方法及系统 | |
CN101692281A (zh) | 一种安全监控方法、安全监控装置及自动柜员机系统 | |
CN108230607A (zh) | 一种基于区域特征分析的图像火灾探测方法 | |
JP2960490B2 (ja) | 現金自動取引方式及び現金自動取引装置 | |
Ray et al. | An intelligent vision system for monitoring security and surveillance of ATM | |
CN101426128A (zh) | 偷盗和遗失包裹检测系统和检测方法 | |
CN108510685A (zh) | 一种输电线路防入侵探测方法与装置 | |
KR102142315B1 (ko) | 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control | |
JP5192324B2 (ja) | 監視システム及び自動取引装置 | |
CN109215150A (zh) | 人脸点名与计数方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |