CN102414725A - 识别针对自助终端的作案企图的方法及其数据处理单元 - Google Patents

Abstract

提出一种用于识别针对自助终端特别是针对自动柜员机的作案企图的方法（100），其中给操作区设有布置于其中的部件，例如键盘、出钞箱等，其中摄像机对准所述部件中的至少一个部件，其中对由摄像机产生的图像数据进行分析。由所产生的图像数据，通过边缘探测来生成至少一个边缘图像（步骤系列120）。通过基准边缘图像来分析边缘图像（步骤系列130）。为了生成基准边缘图像，考虑使用多个单一图像（步骤系列110）。通过边缘探测可以实现全自动地分析和识别作案企图。

Description

识别针对自助终端的作案企图的方法及其数据处理单元

本发明涉及一种根据权利要求1的前序部分的具有用于识别针对自助终端的作案企图的方法。本发明还涉及一种按照该方法工作的装置，特别是用于处理图像数据的数据处理单元，以及涉及一种配备有这种装置的自助终端，特别是一种被设计成自动柜员机的自助终端。

在自助自动机特别是自动柜员机的区域中，往往会发生作案形式的犯罪行为，其目的是窃取自助终端用户的敏感数据特别是PIN（个人识别号码）和/或卡片号码。特别是在操作区域或操作区中非法安装所谓的窥扫装置例如键盘改装结构（überbau）等这种作案企图是已知的。这种键盘改装结构通常具有自己的电源以及处理器、存储器和运行程序，使得未留意的用户在输入其PIN时或者在插入其银行卡时被窃取。被窃取的数据然后通过集成在键盘改装结构中的发送器传送至远处的接收器，或者存储在位于键盘改装结构中的数据存储器内。迄今见到的很多窥扫装置仅用人眼睛很难与原有的操作部件（键盘、读卡器等）区分开来。

为了挫败这种作案企图，通常使用监视系统，其具有一个或多个摄像机，这些摄像机安装在自助终端的安放地区域中，并检测整个操作区，通常还检测用户逗留区域。这种解决方案例如在DE 201 02 477 U1中有所述及。通过这种摄像机监视，既可以检测操作区本身，又可以检测位于操作区前面的用户逗留区域。为了区分是否有人位于逗留区域中，还要设置一个传感器。

因此，用于识别针对自助终端的作案企图的装置和方法基本上是已知的，其中摄像机对准至少一个设置在操作区中的部件，例如键盘、出钞箱等，其中对由摄像机产生的图像数据进行分析。为了采用能实现全自动图像分析的方法，通常要克服高昂的硬件代价和软件代价及与此相关的成本。

本发明的目的因此是，提出一种通过识别作案企图来可靠而成本低廉地实现摄像机监视的解决方案。

采用一种具有权利要求1的特征的方法，以及一种按照该方法工作的数据处理单元和一种配备有该数据处理单元的自助终端，即可实现该目的。

据此提出，由摄像机所产生的图像数据，通过边缘探测来生成至少一个边缘图像，并通过基准边缘图像来分析边缘图像。

按照这里提出的方法来应用边缘探测，这不仅能实现显著的数据减少，而且提高了图像分析的快速性与可靠性。

为此优选把代表边缘图像的边缘图像数据与代表基准边缘图像的基准边缘图像数据特别是通过“异或运算”逻辑连接成代表第一结果图像的第一结果图像数据。这种数据运算使得在如此接合的该结果图像中，与基准边缘图像交叠的所有边缘全都消隐，从而基本上只能看到可能有作案情况的边缘或被其包围的部件或部分。

接下来，把第一结果图像数据优选与基准边缘图像数据特别是通过“与运算”逻辑连接成代表第二结果图像的第二结果图像数据。通过该运算使得不应监视的区域消隐，从而只能看到属于外异对象的已被加入到要监视的区域中的边缘或其部分。其特别是改装结构、间谍摄像机和类似的作案物。

基于这里提出的边缘探测，即使利用简单的计算机硬件和软件，也能实现非常有效且快速地分析边缘图像，如果在第二结果图像中确定出白色分量，且如果为了识别作案企图而检查所述白色分量是否超过了可设定的阈值。

这些和其它特别有利的设计可由从属权利要求得到。

据此，在计算至少一个边缘图像时有利的是，由多个单一图像计算出相应的边缘图像，其中特别是由相应的图像数据产生平均值，由此来计算平均图像。这些步骤被执行用来获得特别是尽可能无噪声的用于真正的分析的图像数据。

申请人已认识到特别有利的是，也由多个基准单一图像来计算基准边缘图像。这里同样特别是由相应的图像数据产生平均值，由此来计算平均图像。相关地，在产生平均值时，为每个图像点均求得平均的色彩值。接下来把相应的平均图像转换为灰级图像。

为了真正的边缘探测，优选对图像数据进行Sobel过滤，其中特别是对相应的灰级图像进行Sobel过滤，以便生成边缘图像或基准边缘图像。可以使用标准形式的组合的Sobel过滤器（例如水平为3×3，竖直为3×3）。

同样有利的是，通过对图像数据的分割过滤来进行边缘探测，其中接下来特别是对经过Sobel过滤的相应的灰级图像进行分割过滤，以便生成边缘图像或基准边缘图像。在这种情况下，通过阈值把边缘图像分割成其黑色分量和白色分量，从而产生边缘掩模。

就基准边缘图像或其掩模而言，有利的是，还进行手工图像再处理，其中特别是对经过分割过滤的相应的灰级图像进行手工图像再处理，在这种情况下，为了分析而去除不重要的图像元素，例如不应监视的区域或边缘或伪像，其通过图像噪声而产生。由此在基准中只剩下重要的边缘，特别是要监视的部件的外围。这还有如下优点：在进行前述“与运算”的情况下，在结果图像中不再出现不重要的区域。

同样有利的是，根据主要的和/或所出现的状况，特别是根据照明状况和/或日照状况来生成各种不同的基准边缘图像。由此为边缘图像的分析提供各种不同的基准，这些基准分别针对典型的状况经过优化。

还提出一种实施该方法的例如可以设计成PC的数据处理单元和一种配备有该数据处理单元的自助终端。

采用本发明特别是可以使得对在各个或多个部件处的改装结构的识别得到改善和全自动化。优选由摄像机检测特别适宜作案的部件和/或设置在操作区的特别适宜作案的区域中的部件，例如出钞箱、键盘、插卡槽和/或屏幕。亦即这种部件优选是狭义上的操作部件，但也可以是其它部件，例如操作区域中的台面或张贴的图标、指示标志、文字等。摄像机的检测角度优选检测多个操作部件，例如出钞箱和键盘。为此摄像机优选具有检测角度至少为130度的广角镜头。

有利的是，摄像机可以安装在自助终端的在旁侧或向上限定操作区的壳体部分中。该壳体部分尤其可以是操作区的外围。

与至少一个摄像机连接的数据处理单元可以完全集成到自助终端中。与这里提出的图像处理相关地可以规定，数据处理单元具有接收图像数据的第一级，该第一级用于图像处理，特别是用于阴影去除、边缘探测、向量化和/或分割。数据处理单元特别是可以具有在第一级之后的用于特征提取的第二级，其中特别是进行所谓的斑点分析、边缘位置和/或色彩分布。此外可以设置有在第二级之后的用于鉴别的第三级。

也可以规定，数据处理单元在其通过图像数据处理识别出针对被测部件的作案企图时触发报警、锁止自助终端和/或触发附加的摄像机（肖像摄像机）。

优选使得摄像机和/或数据处理单元在操作和/或维护自助终端期间无效。

下面借助实施例并对照所附的示意图来说明本发明与从中得到的优点，附图示出：

图1为本发明的方法的流程图；

图2a)-d)示出所产生的边缘图像和事件图像的例子；

图3a)-d)示出原先摄取的摄像机图像和边缘或事件图像的例子；

图4为具有集成在旁侧的摄像机的自助终端的操作区的立体图；

图5反映了图4的摄像机的检测区域；

图6反映了从上面检测操作区的摄像机的检测区域；和

图7为与摄像机连接的数据处理单元和与其连接的视频监视单元的方框图。

在图2和3中示出的边缘图像实际上必定是黑色背景上的白色边缘。为了满足专利附图的要求，这些视图在此被逆反地反映出来，也就是说，所示为白色背景上的黑色边缘。

图1以示意图示出本发明的方法100的流程图，该方法可以分成如下的步骤系列110至130。

在具有独立步骤111至115的步骤系列110中，由摄像机图像数据产生至少一个基准边缘图像。在此认为自助终端处于未被作案的状态。

在具有独立步骤121至124的步骤系列120中，由摄像机图像数据产生至少一个边缘图像。在此，自助终端处于使用中，从而可能会有作案企图，该作案企图将采用此处所述的方法来识别。

在具有独立步骤131至133的步骤系列130中，借助于至少一个基准边缘图像对至少一个边缘图像进行分析。

下面对照其它附图来介绍方法100的各个步骤：

图2a)-d)以及图3a)-d)示出在该方法中产生的被后续处理的图像的例子。在进行详细阐述之前，参见图4至7，这些附图示出在此提出的自助终端、其摄像机投影情况以及实施该方法的数据处理情况。

图4以立体图示出设计成自动柜员机ATM的自助终端的原理结构，其具有操作区CP，并配备有本发明的用于识别作案企图的摄像机CAM。摄像机CAM位于旁侧的壳体部分中，该壳体部分包围或包夹自动柜员机ATM的操作区。特别是出钞箱1以及键盘2属于该操作区，出钞箱也称为出钞闸门（shutter）。这些是偏好对其实施例如改装结构形式的作案企图以便进行窥扫的操作部件。摄像机CAM的检测区域或角度至少包括这两个部件1和2，且可以实现可靠地识别出这种作案企图。

图5以摄像机的视角示出摄像机CAM的检测区域。特别是出钞箱1和键盘2位于该检测区域中。摄像机配备有广角镜头，以便至少检测这两个部件或者操作区的部分区域。自动柜员机ATM在此经过适当设计，使得所述部件1和2优选具有尽可能匀整的带有界限边缘的平面。由此便于识别出对象。把摄像机CAM装设在该特别合适的位置，就能非常可靠地光学地测量所述部分区域或部件1和2。可以规定，摄像机特别是针对某些区域进行锐度调整。摄像机的一种替代的布置情况由图6示出。

图6示出了摄像机的检测区，该摄像机与摄像机CAM相同，但现在安装在自动柜员机ATM的上部区域中，并从上方检测操作区CP。在出钞箱1和键盘2附近，在摄像机的检测区域中也可以再设置其它部件，例如在键盘附近的台面、插卡槽4也就是读卡器的引入部分以及例如屏幕5或显示器。所述的这些其它部件3、4和5也是作案企图的潜在目标。

摄像机具有针对该应用被优化的镜头以及例如2兆像素及以上的分辨率。摄像机CAM与专用的数据处理单元10连接（见图7）。以后还要予以详述的该数据处理单元能实现对由摄像机产生的图像数据进行最佳分析，以便由此以高可靠性立即识别出作案企图例如键盘2的改装结构，且必要时触发报警和使其无效。借助数据处理单元尤其能可靠地识别出如下作案情况：

－ 装设键盘改装结构；

－ 把整个改装结构装设在下面的台面上；

－ 把改装结构装设在出钞箱（出钞闸门）上，和/或装设用于记录安全信息特别是PIN号码的物体，例如微型摄像机、便携式摄像机和类似的间谍摄像机（Sp?hkamera）。

为了识别出改装结构，在数据处理单元10内部借助于摄像机CAM对所检测的部件例如键盘2进行光学测量，以便由此能在作案情况下清楚地识别出偏差。申请人的试验表明，已经能清楚地识别出毫米范围内的基准偏差。本发明特别适合于识别出外异对象（改装结构、间谍摄像机等），特别是包括边缘探测，必要时将其与分割相组合，以便由此能清楚且可靠地识别出操作区中的外异物体的轮廓。为此所需要的图像数据处理主要在随后说明的数据处理单元中进行。

图7为与摄像机CAM连接的本发明的数据处理单元10以及与数据处理单元10连接的视频监视或CCTV单元20的方框图。数据处理单元10特别是具有如下级或模块，它们在此应理解成逻辑块，在它们中执行该方法的前述步骤系列（见图1中的110至130）。

下面对照全部附图，但特别是对照附图1、2、3和7，对数据处理的构架和功能，进而也对该方法的流程予以详细阐述：

数据处理10的第一级11执行用于调整至少一个基准边缘图像REF的步骤系列110（也参见图1和2a）。为此在第一步骤111中，由多个单一图像计算出一个平均图像。这些单一图像例如来源于视频流，该视频流是在安装自动柜员机之后，在真正投入工作之前亦即在非作案状态下摄像机CAM所摄取的。计算平均图像，其中例如逐个像素地计算平均色彩值，这实现了对在这些单一图像中产生的图像噪声的噪声抑制。在下一步骤112中，由彩色的平均图像产生一个灰级图像。然后在步骤113中通过Sobel过滤（例如水平为3×3，竖直为3×3）进行边缘探测，以便得到第一基准边缘图像。为了进一步优化，在步骤114中使用分割过滤器，其中该第一基准边缘图像通过阈值被分割成其黑色分量和白色分量。由此产生第二基准边缘图像，其原理相应于掩模。该第二图像优选在一可选步骤115中通过手工图像处理再予以改善。在这种情况下，对以后的分析无关紧要的特别是干扰性的图像元素被手工去除。这种图像元素例如是由于图像噪声等产生的不应监视的区域或者虚拟的边缘或伪像。最终由此产生基准边缘图像REF，如其在图2a)中所示。该基准边缘图像REF体现了在摄像机CAM看来至关重要的边缘（也参见图5）。

这里还要说明，在图2和3中示出的边缘图像实际上必定是黑色背景上的白色边缘。为了满足专利附图的要求，这些视图在此被逆反地反映出来，也就是说，所示为白色背景上的黑色边缘。

现在，在第二级12中在真实的使用状况下对至少一个边缘图像EM进行调整（见图2b）。在此执行步骤121至124，其设计类似于步骤111至114。然后在步骤121中由多个在真实状况下摄取的单一图像计算出彩色的平均图像。由此在下一步骤122中产生灰级图像，然后在步骤123中对该灰级图像进行边缘探测。在此同样使用Sobel过滤，接下来在步骤124中在使用分割过滤器。经过分割的该边缘图像EM在图2b)中示出（也参见图5），并被考虑用于真正的图像分析。

在第三级13中，现在借助步骤系列130对作案企图进行真正的分析和识别（见图1）。在第一步骤131中，通过“异或运算”（XOR）对被分割的边缘图像EM与基准边缘图像REF进行逻辑连接。由此得到第一结果图像R1（见图2c），其特征尤其在于，交叠的边缘被消隐（参见图2a/b）。在另一步骤132中，现在通过“与运算”（AND）对该第一结果图像R1与基准边缘图像REF进行逻辑连接。由此得到第二结果图像R2，其特征尤其在于，不应监视的区域被消隐（参见图2a/b/c）。由此，该第二结果图像R2基本上尚仅含有相对于基准可能已改变且可能已表明有作案企图的这种边缘。

图2d)示出结果图像R2，其在一定程度上不再含有显眼的边缘，因而表明无作案企图。图3c)再次示出该结果图像R2（边缘图像），图3a)示出相应的原始图像，即未被作案的自动柜员机的最初摄像机图像（最初摄像机图像的示图，无边缘图像）。

与此相区别，图3d)示出结果图像R2*（边缘图像），其同样通过上述数据分析（步骤系列130）获得，且含有非常显眼的边缘，这些边缘表明有过作案企图。图3b)示出了相应的原始图像，即最初的摄像机图像的示图（无边缘图像）。借助两个图像（图3b/d）可识别作案情况，即在自动柜员机上已装设改装结构。

通过这里所提出的边缘探测和由此产生的边缘图像，现在能轻易地实现全自动地识别作案企图。为此执行步骤133（见图1），其中对结果图像R2或R2*的白色分量进行研究。如果超过了可设定的阈值，大量白色分量就会体现出很多发生作案的边缘。如果情况如此，系统就会启动保护功能（自动报警、锁止自动柜员机等）。

为此，级13还与接口14连接，通过该接口能使得各种不同的报警或监视装置激活或响应。同样，用于图像处理的级11和/或12可以与第二接口15连接，通过该接口建立起与CCTV单元20的连接。借助于该CCTV单元例如能实施远程监视或远程诊断。

如上所述，数据处理单元10负责处理由摄像机CAM产生的图像数据D。图像数据D首先到达第一级11或第二级12，其由到达的图像数据产生边缘图像，其中除了本来的边缘探测外，还可以采取一些措施，如阴影去除、向量化和/或分割。特别是还可以在级12中必要时还进行特征提取，例如可通过所谓的斑点分析、边缘定位和/或色彩分布进行特征提取。斑点分析例如用于识别出图像中的连通域，并用于对斑点进行测量。斑点（二元大对象）是具有同一逻辑状态的相邻图像点的区域。图像中的属于一个斑点的全部图像点都处于前景中。所有剩下的图像点都处于背景中。在二元图像中，背景中的图像点具有等于零的值，而不等于零的任何图像点都是二元对象的部分。

接下来在级13中进行真正的分析。在这种情况下还可以再规定进行鉴别，这种鉴别基于所提取的特征来确定在自助终端或自动柜员机ATM上是否出现了恶意的作案物。

数据处理单元10例如可以通过个人计算机来实现，其与自动柜员机ATM连接或者集成在其中。除了对操作区CP的所述部分区域进行检测的所述摄像机CAM外，还可以在自动柜员机ATM上安装附加的摄像机CAMO（见图4），其对准用户或客户，特别是检测其脸部。该附加的也称为肖像摄像机的摄像机CAMO在识别到作案侵犯时被触发，以便摄取位于自动柜员机处的人的图像。一旦识别到窥扫侵犯，所述系统就可以例如执行如下动作：

－ 存储侵犯者的照片，其中无论摄像机CAM还是附加的肖像摄像机CAMO都可以被激活；

－ 向当前的自动柜员机应用和/或中央的管理服务站和/或人员例如通过电子邮件发出警报；

－ 引入应对措施，例如卡锁或关闭自动柜员机；

－ 例如通过因特网通过中央传送所识别到的作案物的数据特别是图像。

自动柜员机操作员可以通过这里所述的系统来计划所采取的动作或应对措施的范围和方式。

代替直接安装在操作区的单个摄像机（见图4中的CAM），也可以在那里设置多个摄像机，其中第一摄像机从外部检测操作区，第二摄像机例如从内部检测插卡槽。还可以设置第三摄像机，其相应于所述的肖像摄像机（见图4中的CAMO）。为了真正识别到作案，使用在操作区的摄像机CAM，必要时还使用在插卡器（这里未示出）中的摄像机。为了记录作案企图，还使用肖像摄像机CAMO。

优选全部摄像机都具有至少2兆像素的分辨率。所使用镜头具有大约140度及以上的视角。此外，所使用的摄像机的曝光时间可在例如0.25毫秒至8000毫秒（8秒）的宽范围内自由调整。由此可以适应于各种不同的照明状况。申请人的试验已表明，可达到每度大约10个像素的摄像机分辨率。对于一米的距离来说，由此可达到每个像素1.5mm的精确度。这也意味着，从2至3mm的基准偏差起就已经能可靠地识别出作案物。摄像机的镜头越靠近被测部件或所观察的对象，就越能精确地进行测量。因此，在较近的区域中甚至能达到小于1mm的精确度。

根据自动柜员机的使用区域，例如在外部区域或者内部区域中，以及根据给定的光照状况，有利的是，最好能把摄像机CAM安装在自动柜员机ATM的旁侧壳体部分中，或者安装在壳体上部区域中。根据摄像机位置，也可以有各种不同的监视方案。在监视各种不同的部件或部分区域时，特别是可以实现：

检测出钞箱（出钞闸门）1能实现检查出所谓的现金陷阱器即专用的改装结构形式的作案物。检测键盘区能实现在那里确定出利用改装结构或者利用改变遮光措施等的作案企图。检测台面特别是能实现识别出整个改装结构。检测插卡槽4，特别是利用集成在其中的摄像机进行检测，这能实现识别出那里的作案物。

已表明特别是在键盘区和插卡槽处，已经能清楚地识别出2mm的偏差。从4mm起就已经能识别出台面后外边缘处的偏差。从8mm起就已经能识别出出钞箱闸门的下边缘处的偏差。

系统可选择地与因特网通过接口23相连接（见图7），这使得还可以通过远程访问来控制摄像机或各种不同的摄像机。所获取的图像数据也可以通过因特网接头传送至视频服务器。相应的摄像机因而在一定程度上用作虚拟的IP摄像机。上述CCTV单元20特别是用于这种视频监视，其中CCTV单元的接口15被设计用于如下功能：

查询图像，调整图像率、色彩模式、图像分辨率，在准备好一个新的图像时在CCTV服务中触发事件，和/或可能在所准备的图像上把识别到的作案物在视觉上凸显出来。

系统经过适当设计，使得在正常工作中（例如取钱、账目查询等）不会因图像中的手和/或物体而产生错误报警。因此，在正常的自动柜员机使用期间使得作案物识别无效。在例如清洁或以其它方式临时使用（存放户头结单、在开始交易之前和之后的内部动作）期间，也不应引起作案物识别。由此基本上优选仅分析和识别固定不动的作案企图物。系统经过适当设计，使得即使在光照状况各不相同时（白天、黑夜、下雨、多云等）也能让监视起作用。同样，暂时改变的光照状况，例如光线反射、有阴影掠过等，在图像处理时予以补偿或忽视，以避免错误报警。此外可以考虑在技术上出现的事件，如照明故障等。这些和其它特殊情况特别是通过用于鉴别的第三级来识别和解决。

此处所述的系统优选为模块化结构，以便能实现各种不同的配置。真正的图像处理以及CCTV连接在各种不同的模块中实现（见图7）。

这里提出的系统也适合于对所识别的作案物进行记录或数字归档。在识别出作案物的情况下，把所摄取的具有相应的元信息例如时间标记、作案物种类等的图像存储在系统中的或所连接的PC中的硬盘上。也可以为了报告向平台传送讯息，例如故障讯息、状态讯息（使无效、模块更换）、统计表、作案物嫌疑和/或报警讯息。在报警情况下，可以把具有相应报警级别的相应讯息传送至管理界面或接口。此外，借助接口还实现如下方案：

查询摄像机数据例如摄像机数量、安装状态、序列号等，查询摄像机基本数据，或者调整摄像机参数，和/或登记报警（通知）。

这里提出的发明特别适合于可靠地识别出针对自助终端例如自动柜员机的恶意作案。为此利用至少一个摄像机连续地自动监视操作区。通过包括边缘探测在内的图像数据处理来光学地测量由摄像机检测的部件，以便识别出相对于基准数据的偏差。已表明，已经能够可靠地识别出毫米范围内的偏差。为了识别出外异对象，优选采用边缘探测和分割相组合的方式，从而能清楚地识别和标记留下的物体的轮廓。在有作案企图的情况下，可以触发应对措施或动作。

本发明已以自动柜员机为例予以说明，但并不局限于此，而是可以应用于任一种自动终端。

附图标记列表

100     方法，具有如下步骤：

110     由单一图像生成基准边缘图像（基准摄像）；

120     由摄取的单一图像计算出至少一个边缘图像（在使用中）；

130     分析边缘图像

ATM      被构造成自动柜员机的具有操作区CP的自助终端，该操作区特别是具有：

1 出钞箱、2 键盘、3 台面、4 插卡槽、5 屏幕

CAM     安装在操作区的旁侧或上面的摄像机

10          数据处理单元，具有：

11          用于图像处理的第一级

12          用于特征提取的第二级

13          用于鉴别的第三级

14、15  用于视频监视（CCTV）或图像差错识别的接口

20      视频监视或CCTV单元，具有：

21      图像摄取级

22      压缩级

23      IP网络接口

24      参数设定级

Claims (28)

1.一种用于识别针对自助终端（ATM）的作案企图的方法（100），该自助终端具有操作区（CP），该操作区带有设置于其中的为自助终端（ATM）的用户提供的部件（1、2、3、4、5），其中摄像机（CAM）对准所述部件中的至少一个部件，其中对由摄像机（CAM）产生的图像数据（D）进行分析，其特征在于，由所产生的图像数据（D），通过边缘探测来生成至少一个边缘图像（EM）（步骤系列120）；通过基准边缘图像（REF）来分析边缘图像（EM）（步骤系列130）。

2.如权利要求1所述的方法（100），其特征在于，为了分析至少一个边缘图像（EM），把代表边缘图像（EM）的边缘图像数据（D_EM）与代表基准边缘图像（REF）的基准边缘图像数据（D_REF）特别是通过“异或逻辑”逻辑连接成代表第一结果图像（R1）的第一结果图像数据（D_R1）（步骤131）。

3.如权利要求2所述的方法（100），其特征在于，把代表第一结果图像（R1）的第一结果图像数据（D_RLT）与代表基准边缘图像（REF）的基准边缘图像数据（D_REF）特别是通过“与逻辑”逻辑连接成代表第二结果图像（R2）的第二结果图像数据（D_R2）（步骤132）。

4.如前述权利要求中任一项所述的方法（100），其特征在于，在第二结果图像（R2）中确定出白色分量；为了识别作案企图而检查所述白色分量是否超过了可设定的阈值（步骤133）。

5.如前述权利要求中任一项所述的方法（100），其特征在于，由多个单一图像计算出边缘图像（EM）（步骤121-124），其中特别是由相应的图像数据（D）产生平均值，由此来计算平均图像（步骤121）。

6.如前述权利要求中任一项所述的方法（100），其特征在于，由多个基准单一图像来计算基准边缘图像（EM）（步骤111-114），其中特别是由相应的图像数据产生平均值，由此来计算平均图像（步骤111）。

7.如权利要求5或6中任一项所述的方法（100），其特征在于，在产生平均值时，为每个图像点均求得平均的色彩值（步骤111或121）。

8.如权利要求5至7中任一项所述的方法（100），其特征在于，把相应的平均图像转换为灰级图像（步骤112或122）。

9.如前述权利要求中任一项所述的方法（100），其特征在于，通过对图像数据的Sobel过滤来进行边缘探测，其中特别是对相应的灰级图像进行Sobel过滤，以便生成边缘图像（EM）或基准边缘图像（REF）（步骤113或123）。

10.如前述权利要求中任一项所述的方法（100），其特征在于，通过对图像数据的分割过滤来进行边缘探测，其中特别是对经过Sobel过滤的相应的灰级图像进行分割过滤，以便生成边缘图像（EM）或基准边缘图像（REF）（步骤114或124）。

11.如前述权利要求中任一项所述的方法（100），其特征在于，对所生成的基准边缘图像（REF）进行手工图像再处理，其中特别是对经过分割过滤的相应的灰级图像进行手工图像再处理（步骤115）。

12.如前述权利要求中任一项所述的方法（100），其特征在于，根据主要的和/或所出现的状况，特别是根据照明状况和/或日照状况来生成各种不同的基准边缘图像。

13.一种用于识别针对自助终端（ATM）的作案企图的数据处理单元（10），该自助终端具有操作区（CP），该操作区带有设置于其中的为自助终端（ATM）的用户提供的部件（1、2、3、4、5），其中摄像机（CAM）对准所述部件中的至少一个部件，其中数据处理单元（10）对由摄像机（CAM）产生的图像数据（D）进行分析，其特征在于，装置（10）由所产生的图像数据（D），通过边缘探测来生成至少一个边缘图像（EM）；数据处理单元（10）通过基准边缘图像（REF）来分析边缘图像（EM）。

14.如权利要求13所述的数据处理单元（10），其特征在于，数据处理单元（10）集成到自助终端（ATM）中。

15.如权利要求13或14所述的数据处理单元（10），其特征在于，数据处理单元（10）具有接收图像数据（D）的第一级（11），该第一级用于图像处理，特别是用于阴影去除、边缘探测、向量化和/或分割。

16.如权利要求15所述的数据处理单元（10），其特征在于，数据处理单元（10）具有在第一级（11）之后的第二级（12），该第二级用于特别是通过斑点分析、边缘位置和/或色彩分布进行特征提取。

17.如权利要求16所述的数据处理单元（10），其特征在于，数据处理单元（10）具有在第二级（12）之后的用于鉴别的第三级（13）。

18.如权利要求13至17中任一项所述的数据处理单元（10），其特征在于，数据处理单元（10）具有用于视频监视系统（20）和/或安全系统的接口（14、15）。

19.一种带有用于识别作案企图的数据处理单元（10）的自助终端（ATM），其中该自助终端（ATM）具有操作区（CP），该操作区带有设置于其中的为自助终端（ATM）的用户提供的部件（1、2、3、4、5），其中摄像机（CAM）对准所述部件中的至少一个部件，其中数据处理单元（10）对由摄像机（CAM）产生的图像数据（D）进行分析，其特征在于，数据处理单元（10）由所产生的图像数据（D），通过边缘探测来生成至少一个边缘图像（EM）；数据处理单元（10）通过基准边缘图像（REF）来分析边缘图像（EM）。

20.如权利要求19所述的自助终端（ATM），其特征在于，至少被摄像机（CAM）检测的部件（1、2）是适宜作案的部件，和/或是设置在操作区（CP）的适宜作案的区域中的部件。

21.如权利要求19或20所述的自助终端（ATM），其特征在于，设置在操作区中的部件包括出钞箱（1）、键盘（2）、台面（3）、插卡槽（4）和/或屏幕（5）。

22.如权利要求19至21中任一项所述的自助终端（ATM），其特征在于，被摄像机（CAM）检测的部件是尤其包括出钞箱（1）和键盘（2）的操作部件。

23.如权利要求19至22中任一项所述的自助终端（ATM），其特征在于，摄像机（CAM）安装在自助终端（ATM）的在旁侧或向上限定操作区（CP）的壳体部分中。

24.如权利要求19至23中任一项所述的自助终端（ATM），其特征在于，摄像机（CAM）具有至少130度张角的广角镜头，和/或具有至少2兆像素的分辨率。

25.如权利要求19至24中任一项所述的自助终端（ATM），其特征在于，至少由摄像机（CAM）检测的部件（1、2）具有在光学上可明确地识别到的特征，特别是具有相对于匀整的面划界的边缘。

26.如权利要求19至25中任一项所述的自助终端（ATM），其特征在于，数据处理单元（10）在其通过对图像数据（D）的处理而识别出针对被检测的部件（1、2）的作案企图时触发报警、锁止自助终端（ATM）和/或触发附加的摄像机（CAMO）。

27.如权利要求19至26中任一项所述的自助终端（ATM），其特征在于，使得摄像机（CAM）和/或数据处理单元（10）在操作和/或维护自助终端（ATM）期间无效。

28.如权利要求19至27中任一项所述的自助终端（ATM），其特征在于，摄像机（CAM）和/或数据处理单元（10）监视在自助终端（ATM）的出钞箱（1）处的出钞情况。

Images