CN111144181A - 一种基于背景协同的风险检测方法、装置及系统 - Google Patents
一种基于背景协同的风险检测方法、装置及系统 Download PDFInfo
- Publication number
- CN111144181A CN111144181A CN201811311971.2A CN201811311971A CN111144181A CN 111144181 A CN111144181 A CN 111144181A CN 201811311971 A CN201811311971 A CN 201811311971A CN 111144181 A CN111144181 A CN 111144181A
- Authority
- CN
- China
- Prior art keywords
- video data
- camera
- background
- monitoring device
- preset
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000012806 monitoring device Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 29
- 239000000284 extract Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
- G07F19/20—Automatic teller machines [ATMs]
- G07F19/207—Surveillance aspects at ATMs
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Social Psychology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于背景协同的风险检测方法、装置及系统,其中方法包括:第一摄像头将第一视频数据发送至监控装置;第二摄像头将第二视频数据发送至监控装置,其中,第一摄像头与第二摄像头设置在待检测环境中的不同位置;监控装置识别出第一视频数据和第二视频数据中待分析用户对应的人脸,确定待分析用户;获取第一视频数据和第二视频数据中包含待分析用户位于必经点处的视频数据,并从包含待分析用户位于必经点处的视频数据中提取背景特征;将提取得到的背景特征输入预设的背景协同模型,计算得到背景特征与预设的背景协同模型之间的匹配度;监控装置将匹配度与预设的背景阈值进行比较,如果匹配度低于预设的背景阈值,确定存在预设风险。
Description
技术领域
本发明涉及视频监控领域,尤其涉及一种基于背景协同的风险检测方法、装置及系统。
背景技术
现有的自动柜员机(Automatic Teller Machine,简称ATM)一般设置在自助银行中,在ATM上插入银行卡后,可以在ATM上进行提款、存款、转账等银行柜台服务。由于自助银行和自动柜员机的公开性、方便性和环境特殊性。近年来针对自助银行和自动柜员机的犯罪活动不断增加。
然而,传统的ATM视频监控系统主要是将视频录制下来,事件发生以后,对录制的视频进行事后取证,从而能够排除纠纷以及破解案件,但是这样的机制只能提供事后取证的作用,不能做到实时或者提前预警。
发明内容
本发明旨在解决上述问题/之一。
本发明的主要目的在于提供一种基于背景协同的风险检测方法、装置及系统。
为达到上述目的,本发明的技术方案具体是这样实现的:
本发明一方面提供了一种基于背景协同的风险检测方法,包括:第一摄像头对待检测环境进行视频采集,获得第一视频数据,并将第一视频数据发送至监控装置;第二摄像头对待检测环境进行视频采集,获得第二视频数据,并将第二视频数据发送至监控装置,其中,第一摄像头与第二摄像头设置在待检测环境中的不同位置;监控装置接收第一视频数据和第二视频数据,识别出第一视频数据和第二视频数据中待分析用户对应的人脸,确定待分析用户;监控装置获取第一视频数据和第二视频数据中包含待分析用户位于必经点处的视频数据,并从包含待分析用户位于必经点处的视频数据中提取背景特征;监控装置将提取得到的背景特征输入预设的背景协同模型,计算得到背景特征与预设的背景协同模型之间的匹配度;监控装置将匹配度与预设的背景阈值进行比较,如果匹配度低于预设的背景阈值,则生成第一比较结果,确定存在预设风险。
其中,方法还包括:监控装置在匹配度不低于预设的背景阈值时,生成第二比较结果,确定不存在预设风险。
其中,方法还包括:监控装置预先接收第一摄像头和第二摄像头采集得到的训练视频数据;监控装置从训练视频数据中分别提取训练要素,根据训练要素训练得到预设的背景协同模型。
其中,方法还包括:监控装置在确定待分析用户存在预设风险后,执行报警操作。
本发明另一方面提供了一种基于背景协同的风险检测系统,包括:第一摄像头,用于对待检测环境进行视频采集,获得第一视频数据,并将第一视频数据发送至监控装置;第二摄像头,用于对待检测环境进行视频采集,获得第二视频数据,并将第二视频数据发送至监控装置,其中,第一摄像头与第二摄像头设置在待检测环境中的不同位置;监控装置,用于接收第一视频数据和第二视频数据,识别出第一视频数据和第二视频数据中待分析用户对应的人脸,确定待分析用户;获取第一视频数据和第二视频数据中包含待分析用户位于必经点处的视频数据,并从包含待分析用户位于必经点处的视频数据中提取背景特征;将提取得到的背景特征输入预设的背景协同模型,计算得到背景特征与预设的背景协同模型之间的匹配度;将匹配度与预设的背景阈值进行比较,如果匹配度低于预设的背景阈值,则生成第一比较结果,确定存在预设风险。
其中,监控装置,还用于在匹配度不低于预设的背景阈值时,生成第二比较结果,确定不存在预设风险。
其中,监控装置,还用于预先接收第一摄像头和第二摄像头采集得到的训练视频数据;从训练视频数据中分别提取训练要素,根据训练要素训练得到预设的背景协同模型。
其中,监控装置,还用于在确定待分析用户存在预设风险后,执行报警操作。
本发明又一方面提供了一种基于背景协同的风险检测装置,包括:接收模块,用于接收第一摄像头对待检测环境进行视频采集,获得的第一视频数据;接收第二摄像头对待检测环境进行视频采集,获得的第二视频数据,并将第二视频数据发送至监控装置,其中,第一摄像头与第二摄像头设置在待检测环境中的不同位置;确定模块,用于识别出第一视频数据和第二视频数据中待分析用户对应的人脸,确定待分析用户;提取模块,用于获取第一视频数据和第二视频数据中包含待分析用户位于必经点处的视频数据,并从包含待分析用户位于必经点处的视频数据中提取背景特征;计算模块,用于将提取得到的背景特征输入预设的背景协同模型,计算得到背景特征与预设的背景协同模型之间的匹配度;判断模块,用于将匹配度与预设的背景阈值进行比较,如果匹配度低于预设的背景阈值,则生成第一比较结果,确定存在预设风险。
其中,判断模块,还用于在匹配度不低于预设的背景阈值时,生成第二比较结果,确定不存在预设风险。
由此可见,通过本发明实施例提供的基于背景协同的风险检测方法、装置及系统,将至少两个摄像头设置在不同位置,对人员进行识别,通过对待分析用户经过必经点时的背景特征进行分析,能够实时发现预设风险,(例如违法犯罪意图),解决以往单独摄像头监控下不可防范的蓄意伪造作假等犯罪行为的弊端。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的基于背景协同的风险检测方法的流程图;
图2为本发明实施例提供的基于背景协同的风险检测系统的结构示意图;
图3为本发明实施例提供的基于背景协同的风险检测装置的结构示意图。
具体实施方式
下面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。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或数量或位置。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面将结合附图对本发明实施例作进一步地详细描述。
图1示出了本发明实施例提供的基于背景协同的风险检测方法的流程图,参见图1,本发明实施例提供的基于背景协同的风险检测方法,包括:
S101,第一摄像头对待检测环境进行视频采集,获得第一视频数据,并将第一视频数据发送至监控装置;第二摄像头对待检测环境进行视频采集,获得第二视频数据,并将第二视频数据发送至监控装置,其中,第一摄像头与第二摄像头设置在待检测环境中的不同位置。
具体地,第一摄像头和第二摄像头为设置在待检测环境中的不同位置的摄像头,例如在待检测环境为自助银行时,第一摄像头可以为设置在ATM机上的摄像头,第二摄像头可以为设置在自助银行中除ATM机外的环境中的环境摄像头。当然,在本发明实际应用中,还可以设置多于两个的摄像头,这在本发明中并不做出限制。
第一摄像头与第二摄像头对必经点处的视频采集是从不同位置进行的采集,具有不同的背景特征。其中,必经点是用户进入待检测环境中处理业务时必然经过的点,在本发明实施例中可以预先设定好必经点,同时,必经点可以为一个也可以为多个,这在本发明中并不做出具体限制。值得说明的是,由于第一摄像头与第二摄像头设置的位置不同,同一用户经过同一必经点时有可能仅被第一摄像头或者第二摄像头中的其中一个摄像头拍摄到。
第一摄像头采集得到的第一视频数据和第二摄像头采集得到的第二视频数据实时发送至监控装置,或者按照预设周期将采集得到的视频数据定时发送至监控装置。
S102,监控装置接收第一视频数据和第二视频数据,识别出第一视频数据和第二视频数据中待分析用户对应的人脸,确定待分析用户。
具体地,监控装置可以设置在摄像头附近,也可以设置在后台。例如在自助银行环境中,可以设置在ATM机内,也可以设置在银行监控后台中,这在本发明中并不做出具体限制。在监控装置接收第一视频数据和第二视频数据后,采用人脸识别技术从第一视频数据中识别出一个用户,从第二视频数据中识别出一个用户,并确定两个用户为同一个用户时,确定该用户为待分析用户。
如果监控装置仅在第一视频数据或者第二视频数据中识别出一个用户,那么可以将该用户直接作为待分析用户。
如果监控装置从第一视频数据识别出的用户与从第二视频数据中识别出的用户不为同一个用户时,则将两个用户视为不同的待分析用户进行分析。
S103,监控装置获取第一视频数据和第二视频数据中包含待分析用户位于必经点处的视频数据,并从包含待分析用户位于必经点处的视频数据中提取背景特征。
具体地,由于用户位于必经点处的视频数据往往包含待分析用户,属于有效数据,而非必经点处的视频数据中则可能不包含待分析用户,属于无效数据,对无效数据进行分析对于风险检测无太大意义,因此,监控装置仅针对用户位于必经点处的视频数据进行背景特征提取,从而避免提取无效数据中的背景特征,提高风险检测效率。
背景特征可以包含环境中的背景标识物的任意特征及其任意组合,以起到标识背景的作用。例如可以包含静态物体位置信息、静态物体的形状信息、静态物体的数量信息和动态物体的运动规律等等信息。
S104,监控装置将提取得到的背景特征输入预设的背景协同模型,计算得到背景特征与预设的背景协同模型之间的匹配度。
具体地,监控装置中预先设置背景协同模型以便进行背景特征的分析。作为本发明实施例的一种可选实施方式,监控装置预先接收第一摄像头和第二摄像头采集得到的训练视频数据;监控装置从训练视频数据中分别提取训练要素,根据训练要素训练得到预设的背景协同模型。通过对各个摄像头拍摄范围内的背景标识物进行分析,生成背景协同模型,根据正常用户不同移动轨迹中的必经点设定合理背景阈值范围来进行判断,提高了判断的智能性和精准性。
具体应用时,ATM摄像头和环境摄像头将监控范围内拍摄的视频传送给监控装置,监控系统提取背景标识物1,2……n,进行分析计算后得出背景协同模型,用户从不同路径到达ATM,会经过不同的摄像头,监控装置根据每种路径提取出的背景标识物进行分析,设定合理的背景阈值及合理的背景判定方式,从而建立本发明的预设的背景协同模型,而设定合理的背景阈值及合理的背景判定方式则可以根据应用场景的不同进行相应设置,这在本发明中不再具体说明。
将提取得到的背景特征输入预设的背景协同模型,计算提取得到的背景特征与背景协同模型之间的匹配度,该匹配度为一个数值,例如可以为一个百分比值。
S105,监控装置将匹配度与预设的背景阈值进行比较,如果匹配度低于预设的背景阈值,则生成第一比较结果,确定存在预设风险。
具体地,在匹配度低于预设的背景阈值时,则认为背景特征与背景协同模型的不匹配,在背景特征与背景协同模型的不匹配的情况下会认为存在预设风险,例如:提取出该背景特征的视频存在风险或者待分析用户存在风险,例如视频被篡改了,摄像头被劫持了,或者用户破坏摄像头的正常采集等。作为本发明的一个可选实施方式,监控装置在匹配度不低于预设的背景阈值时,生成第二比较结果,确定不存在预设风险。由于背景特征与背景协同模型之间的匹配度足够高,可以认为不存在风险,例如:视频不存在风险或者待分析用户不存在风险。
具体应用中,例如在自助银行环境下,当用户到达ATM,监控装置根据接收到的含有用户特征的视频进行背景分析,将用户在各摄像头中出现的背景特征输入背景协同模型,将输出的匹配度与背景阈值进行比较,得到比较结果1,从而根据比较结果1来确定是否存在风险。
可选地,作为本发明的一个可选实施方式,监控装置在确定待分析用户存在预设风险后,执行报警操作。该报警操作可以是待检测环境中的报警装置进行报警,例如通过发声发光报警,或者是在后台监控人员的监控室内的报警装置,例如通过显示在监控显示屏上报警或者发声报警,或者发送短信至监控人员或者警务人员等方式进行报警。通过当发生风险时进行报警来进一步提高自助银行和ATM的风险处理的效率。
由此可见,通过本发明实施例提供的基于背景协同的风险检测方法,将至少两个摄像头设置在不同位置,对人员进行识别,通过对待分析用户经过必经点时的背景特征进行分析,能够实时发现预设风险,(例如违法犯罪意图),解决以往单独摄像头监控下不可防范的蓄意伪造作假等犯罪行为的弊端。
作为本发明的一个可选实施方式,第一摄像头采集到的第一视频数据通过设置于第一摄像头内的安全芯片进行加密,第二摄像头采集到的第二视频数据通过设置于第二摄像头内的安全芯片进行加密,第一摄像头将加密后的第一视频数据发送至监控装置,第二摄像头将加密后第二视频数据发送至监控装置;监控装置接收到加密后的第一视频数据和加密后的第二视频数据后,对加密后第一视频数据和加密后的第二视频数据进行解密,得到第一视频数据和第二视频数据。通过对视频数据进行加密传输,提高视频数据传输的安全性,防止视频数据被破解后篡改。
第一摄像头采集到的第一视频数据通过设置于第一摄像头内的安全芯片进行签名得到第一签名数据,第二摄像头采集到的第二视频数据通过设置于第二摄像头内的安全芯片进行签名得到第二签名数据,第一摄像头将第一视频数据以及第一签名数据发送至监控装置,第二摄像头将第二视频数据以及第二签名数据发送至监控装置;监控装置接收到第一视频数据和第一签名数据以及第二视频数据和第二签名数据后,对第一签名数据和第二签名数据进行验签,并在验签通过后使用第一视频数据和第二视频数据进行后续分析。通过对视频数据进行签名,可以保证视频数据来源的真实性,防止视频数据被篡改。
图2示出了本发明实施例提供的基于背景协同的风险检测系统的结构示意图,本发明实施例提供的基于背景协同的风险检测系统应用上述方法,以下仅对本发明实施例提供的基于背景协同的风险检测系统的结构进行简要说明,其他未尽事宜,参考上述基于背景协同的风险检测方法的相关描述,参见图2,本发明实施例提供的基于背景协同的风险检测系统,包括:
第一摄像头201,用于对待检测环境进行视频采集,获得第一视频数据,并将第一视频数据发送至监控装置;
第二摄像头202,用于对待检测环境进行视频采集,获得第二视频数据,并将第二视频数据发送至监控装置,其中,第一摄像头与第二摄像头设置在待检测环境中的不同位置;
监控装置203,用于接收第一视频数据和第二视频数据,识别出第一视频数据和第二视频数据中待分析用户对应的人脸,确定待分析用户;获取第一视频数据和第二视频数据中包含待分析用户位于必经点处的视频数据,并从包含待分析用户位于必经点处的视频数据中提取背景特征;将提取得到的背景特征输入预设的背景协同模型,计算得到背景特征与预设的背景协同模型之间的匹配度;将匹配度与预设的背景阈值进行比较,如果匹配度低于预设的背景阈值,则生成第一比较结果,确定存在预设风险。
由此可见,通过本发明实施例提供的基于背景协同的风险检测系统,将至少两个摄像头设置在不同位置,对人员进行识别,通过对待分析用户经过必经点时的背景特征进行分析,能够实时发现预设风险,(例如违法犯罪意图),解决以往单独摄像头监控下不可防范的蓄意伪造作假等犯罪行为的弊端。
作为本发明的一个可选实施方式,监控装置203,还用于在匹配度不低于预设的背景阈值时,生成第二比较结果,确定不存在预设风险。由于背景特征与背景协同模型之间的匹配度足够高,可以认为不存在风险,例如:视频不存在风险或者待分析用户不存在风险。
作为本发明的一个可选实施方式,监控装置203,还用于预先接收第一摄像头和第二摄像头采集得到的训练视频数据;从训练视频数据中分别提取训练要素,根据训练要素训练得到预设的背景协同模型。通过对各个摄像头拍摄范围内的背景标识物进行分析,生成背景协同模型,根据正常用户不同移动轨迹中的必经点设定合理背景阈值范围来进行判断,提高了判断的智能性和精准性。
作为本发明的一个可选实施方式,其特征在于,监控装置203,还用于在确定待分析用户存在预设风险后,执行报警操作。通过当发生风险时进行报警来进一步提高自助银行和ATM的风险处理的效率。
作为本发明的一个可选实施方式,第一摄像头201采集到的第一视频数据通过设置于第一摄像头内的安全芯片进行加密,第二摄像头202采集到的第二视频数据通过设置于第二摄像头内的安全芯片进行加密,第一摄像头201将加密后的第一视频数据发送至监控装置,第二摄像头202将加密后第二视频数据发送至监控装置203;监控装置203接收到加密后的第一视频数据和加密后的第二视频数据后,对加密后第一视频数据和加密后的第二视频数据进行解密,得到第一视频数据和第二视频数据。通过对视频数据进行加密传输,提高视频数据传输的安全性,防止视频数据被破解后篡改。
第一摄像头201采集到的第一视频数据通过设置于第一摄像头内的安全芯片进行签名得到第一签名数据,第二摄像头202采集到的第二视频数据通过设置于第二摄像头内的安全芯片进行签名得到第二签名数据,第一摄像头201将第一视频数据以及第一签名数据发送至监控装置,第二摄像头202将第二视频数据以及第二签名数据发送至监控装置203;监控装置203接收到第一视频数据和第一签名数据以及第二视频数据和第二签名数据后,对第一签名数据和第二签名数据进行验签,并在验签通过后使用第一视频数据和第二视频数据进行后续分析。通过对视频数据进行签名,可以保证视频数据来源的真实性,防止视频数据被篡改。
在图2的基础上,图3示出了本发明实施例提供的基于背景协同的风险检测装置的结构示意图,该基于背景协同的风险检测装置为图2中所示系统中的监控装置,本发明实施例提供的基于背景协同的风险检测装置应用上述系统和方法,以下仅对本发明实施例提供的基于背景协同的风险检测装置的结构进行简要说明,其他未尽事宜,参考上述基于背景协同的风险检测系统和方法的相关描述,参见图3,本发明实施例提供的基于背景协同的风险检测装置,包括:
接收模块2031,用于接收第一摄像头对待检测环境进行视频采集,获得的第一视频数据;接收第二摄像头对待检测环境进行视频采集,获得的第二视频数据,并将第二视频数据发送至监控装置,其中,第一摄像头与第二摄像头设置在待检测环境中的不同位置;
确定模块2032,用于识别出第一视频数据和第二视频数据中待分析用户对应的人脸,确定待分析用户;
提取模块2033,用于获取第一视频数据和第二视频数据中包含待分析用户位于必经点处的视频数据,并从包含待分析用户位于必经点处的视频数据中提取背景特征;
计算模块2034,用于将提取得到的背景特征输入预设的背景协同模型,计算得到背景特征与预设的背景协同模型之间的匹配度;
判断模块2035,用于将匹配度与预设的背景阈值进行比较,如果匹配度低于预设的背景阈值,则生成第一比较结果,确定存在预设风险。
由此可见,通过本发明实施例提供的基于背景协同的风险检测装置,将至少两个摄像头设置在不同位置,对人员进行识别,通过对待分析用户经过必经点时的背景特征进行分析,能够实时发现预设风险,(例如违法犯罪意图),解决以往单独摄像头监控下不可防范的蓄意伪造作假等犯罪行为的弊端。
作为本发明的一个可选实施方式,判断模块2035,还用于在匹配度不低于预设的背景阈值时,生成第二比较结果,确定不存在预设风险。由于背景特征与背景协同模型之间的匹配度足够高,可以认为不存在风险,例如:视频不存在风险或者待分析用户不存在风险。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (10)
1.一种基于背景协同的风险检测方法,其特征在于,包括:
第一摄像头对待检测环境进行视频采集,获得第一视频数据,并将所述第一视频数据发送至监控装置;
第二摄像头对待检测环境进行视频采集,获得第二视频数据,并将所述第二视频数据发送至所述监控装置,其中,所述第一摄像头与所述第二摄像头设置在所述待检测环境中的不同位置;
所述监控装置接收所述第一视频数据和所述第二视频数据,识别出所述第一视频数据和所述第二视频数据中待分析用户对应的人脸,确定所述待分析用户;
所述监控装置获取所述第一视频数据和所述第二视频数据中包含所述待分析用户位于必经点处的视频数据,并从所述包含所述待分析用户位于必经点处的视频数据中提取背景特征;
所述监控装置将提取得到的所述背景特征输入预设的背景协同模型,计算得到所述背景特征与所述预设的背景协同模型之间的匹配度;
所述监控装置将所述匹配度与预设的背景阈值进行比较,如果所述匹配度低于所述预设的背景阈值,则生成第一比较结果,确定存在预设风险。
2.根据权利要求1所述的方法,其特征在于,还包括:
所述监控装置在所述匹配度不低于所述预设的背景阈值时,生成第二比较结果,确定不存在预设风险。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
所述监控装置预先接收所述第一摄像头和所述第二摄像头采集得到的训练视频数据;
所述监控装置从所述训练视频数据中分别提取训练要素,根据所述训练要素训练得到所述预设的背景协同模型。
4.根据权利要求1或2所述的方法,其特征在于,还包括:
所述监控装置在确定所述待分析用户存在预设风险后,执行报警操作。
5.一种基于背景协同的风险检测系统,其特征在于,包括:
第一摄像头,用于对待检测环境进行视频采集,获得第一视频数据,并将所述第一视频数据发送至监控装置;
第二摄像头,用于对待检测环境进行视频采集,获得第二视频数据,并将所述第二视频数据发送至所述监控装置,其中,所述第一摄像头与所述第二摄像头设置在所述待检测环境中的不同位置;
所述监控装置,用于接收所述第一视频数据和所述第二视频数据,识别出所述第一视频数据和所述第二视频数据中待分析用户对应的人脸,确定所述待分析用户;获取所述第一视频数据和所述第二视频数据中包含所述待分析用户位于必经点处的视频数据,并从所述包含所述待分析用户位于必经点处的视频数据中提取背景特征;将提取得到的所述背景特征输入预设的背景协同模型,计算得到所述背景特征与所述预设的背景协同模型之间的匹配度;将所述匹配度与预设的背景阈值进行比较,如果所述匹配度低于所述预设的背景阈值,则生成第一比较结果,确定存在预设风险。
6.根据权利要求5所述的系统,其特征在于,所述监控装置,还用于在所述匹配度不低于所述预设的背景阈值时,生成第二比较结果,确定不存在预设风险。
7.根据权利要求5或6所述的系统,其特征在于,所述监控装置,还用于预先接收所述第一摄像头和所述第二摄像头采集得到的训练视频数据;从所述训练视频数据中分别提取训练要素,根据所述训练要素训练得到所述预设的背景协同模型。
8.根据权利要求5或6所述的系统,其特征在于,所述监控装置,还用于在确定所述待分析用户存在预设风险后,执行报警操作。
9.一种基于背景协同的风险检测装置,其特征在于,包括:
接收模块,用于接收第一摄像头对待检测环境进行视频采集,获得的第一视频数据;接收第二摄像头对待检测环境进行视频采集,获得的第二视频数据,并将所述第二视频数据发送至所述监控装置,其中,所述第一摄像头与所述第二摄像头设置在所述待检测环境中的不同位置;
确定模块,用于识别出所述第一视频数据和所述第二视频数据中待分析用户对应的人脸,确定所述待分析用户;
提取模块,用于获取所述第一视频数据和所述第二视频数据中包含所述待分析用户位于必经点处的视频数据,并从所述包含所述待分析用户位于必经点处的视频数据中提取背景特征;
计算模块,用于将提取得到的所述背景特征输入预设的背景协同模型,计算得到所述背景特征与所述预设的背景协同模型之间的匹配度;
判断模块,用于将所述匹配度与预设的背景阈值进行比较,如果所述匹配度低于所述预设的背景阈值,则生成第一比较结果,确定存在预设风险。
10.根据权利要求1所述的装置,其特征在于,所述判断模块,还用于在所述匹配度不低于所述预设的背景阈值时,生成第二比较结果,确定不存在预设风险。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811311971.2A CN111144181A (zh) | 2018-11-06 | 2018-11-06 | 一种基于背景协同的风险检测方法、装置及系统 |
PCT/CN2019/102129 WO2020093757A1 (zh) | 2018-11-06 | 2019-08-23 | 一种基于背景协同的风险检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811311971.2A CN111144181A (zh) | 2018-11-06 | 2018-11-06 | 一种基于背景协同的风险检测方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144181A true CN111144181A (zh) | 2020-05-12 |
Family
ID=70515848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811311971.2A Pending CN111144181A (zh) | 2018-11-06 | 2018-11-06 | 一种基于背景协同的风险检测方法、装置及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111144181A (zh) |
WO (1) | WO2020093757A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112804502A (zh) * | 2021-03-10 | 2021-05-14 | 重庆第二师范学院 | 基于人工智能的视频监控系统、方法、存储介质及设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021190925A (ja) | 2020-06-02 | 2021-12-13 | キヤノン株式会社 | 処理装置、撮像装置、及び処理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103841367A (zh) * | 2012-11-21 | 2014-06-04 | 深圳市赛格导航科技股份有限公司 | 一种监控系统 |
CN105761261A (zh) * | 2016-02-17 | 2016-07-13 | 南京工程学院 | 一种检测摄像头遭人为恶意破坏的方法 |
CN106897716A (zh) * | 2017-04-27 | 2017-06-27 | 广东工业大学 | 一种宿舍安全监控系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101227600B (zh) * | 2008-02-02 | 2011-04-06 | 北京海鑫科金高科技股份有限公司 | 一种用于自助银行与自动柜员机的智能监控装置和方法 |
CN101609581A (zh) * | 2008-06-16 | 2009-12-23 | 云南正卓信息技术有限公司 | Atm机的异常视频预警装置 |
CN101794481A (zh) * | 2009-02-04 | 2010-08-04 | 深圳市先进智能技术研究所 | Atm自助银行监控系统和方法 |
TWI638569B (zh) * | 2014-11-05 | 2018-10-11 | 晶睿通訊股份有限公司 | 監控系統與監控方法 |
CN107368728A (zh) * | 2017-07-21 | 2017-11-21 | 重庆凯泽科技股份有限公司 | 可视化报警管理系统及方法 |
-
2018
- 2018-11-06 CN CN201811311971.2A patent/CN111144181A/zh active Pending
-
2019
- 2019-08-23 WO PCT/CN2019/102129 patent/WO2020093757A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103841367A (zh) * | 2012-11-21 | 2014-06-04 | 深圳市赛格导航科技股份有限公司 | 一种监控系统 |
CN105761261A (zh) * | 2016-02-17 | 2016-07-13 | 南京工程学院 | 一种检测摄像头遭人为恶意破坏的方法 |
CN106897716A (zh) * | 2017-04-27 | 2017-06-27 | 广东工业大学 | 一种宿舍安全监控系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112804502A (zh) * | 2021-03-10 | 2021-05-14 | 重庆第二师范学院 | 基于人工智能的视频监控系统、方法、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020093757A1 (zh) | 2020-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017107734A1 (zh) | 一种金融终端安全防护方法及系统 | |
AU2019204149A1 (en) | Video Analytics System | |
CN101344980B (zh) | 一种atm设备安全检测系统及方法 | |
RU2680747C1 (ru) | Устройство наблюдения за терминалом, банкомат, способ принятия решения и программа | |
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 | |
CN101609581A (zh) | Atm机的异常视频预警装置 | |
CN102930243A (zh) | 一种特殊人员人脸信息的识别方法和系统 | |
CN103873825A (zh) | 一种atm智能监控系统及方法 | |
CN101556717A (zh) | 一种atm智能安保系统及监测方法 | |
CN109961587A (zh) | 一种自助银行监控系统 | |
CN103634535A (zh) | 智能视频叠加处理器 | |
JP5752882B2 (ja) | 監視カメラシステム | |
CN111144181A (zh) | 一种基于背景协同的风险检测方法、装置及系统 | |
CN101692281A (zh) | 一种安全监控方法、安全监控装置及自动柜员机系统 | |
CN205581878U (zh) | 双摄像头柜机人证识别装置 | |
TWI671701B (zh) | 交易行為偵測系統及其方法 | |
CN112016509B (zh) | 人员站位异常提醒方法及装置 | |
CN107368728A (zh) | 可视化报警管理系统及方法 | |
CN109460714B (zh) | 识别对象的方法、系统和装置 | |
CN111144182B (zh) | 一种视频中人脸风险检测方法及系统 | |
US20230252803A1 (en) | Hand action tracking for card slot tampering | |
CN111144180B (zh) | 一种监控视频的风险检测方法及系统 | |
CN112818150B (zh) | 一种图片内容审核方法、装置、设备和介质 | |
CN111145456A (zh) | 一种基于背景协同的风险检测方法、装置及系统 | |
CN111144183B (zh) | 一种基于人脸凹凸度的风险检测方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |