CN111353475A - 自助交易设备异常识别方法及自助交易设备 - Google Patents
自助交易设备异常识别方法及自助交易设备 Download PDFInfo
- Publication number
- CN111353475A CN111353475A CN202010245330.2A CN202010245330A CN111353475A CN 111353475 A CN111353475 A CN 111353475A CN 202010245330 A CN202010245330 A CN 202010245330A CN 111353475 A CN111353475 A CN 111353475A
- Authority
- CN
- China
- Prior art keywords
- face
- self
- service transaction
- card
- protective cover
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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]
- G07F19/209—Monitoring, auditing or diagnose of functioning of ATMs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供一种自助交易设备异常识别方法及自助交易设备,所述方法包括:根据预设人脸检测模型对自助交易设备采集到的人脸图像信息进行实时人脸检测,得到人脸数量;若所述人脸数量大于预设人脸数量阈值,则向所述自助交易设备上设置的插卡防护盖发送交易异常指令并执行第一告警操作;根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别,确定对应的人脸遮挡类型;若所述人脸遮挡类型符合预设异常遮挡条件,则向所述插卡防护盖发送交易异常指令并执行第二告警操作;本申请能够提高自助设备的使用安全性,保障合法持卡者的资金安全。
Description
技术领域
本申请涉及自助设备领域,具体涉及一种自助交易设备异常识别方法及自助交易设备。
背景技术
科技飞速发展,线上交易已经成为许多客户的最优抉择,但是,在银行的自助设备上进行金融交易的客户仍然不少,例如在自助交易设备上取款、转账等等。交易过程中,自助交易设备通过检测到卡片的插入,进而提醒持卡人进行密码输入,然后持卡人通过自助设备所提供的操作界面以及语音提示完成交易,自助交易设备接收到退卡请求后退卡,持卡人取出银行卡,交易结束。若是在营业网点,还可能会有柜员提供帮助。
但是如果是在24小时自助交易设备,实际情况有可能是,非法分子在自助交易设备插卡处安装侧录器,并且遮挡住脸部大多数特征,无法记录下清晰的人脸,后续无法追查。后面使用自助交易设备的客户可能因此泄露银行卡磁道信息,而导致钱财的损失。亦可能是,犯罪分子劫持银行卡所有者到自助交易设备前进行转账或者取款等动作,为防止受到人身伤害,合法持卡人不敢强烈反抗,犯罪分子得逞逃逸之后,受害者后续再通过报警,警方介入处理,也可能因为错过最佳出警时间而导致严重损害合法持卡人的资金安全。
发明内容
针对现有技术中的问题,本申请提供一种自助交易设备异常识别方法及自助交易设备,能够提高自助设备的使用安全性,保障合法持卡者的资金安全。
为了解决上述问题中的至少一个,本申请提供以下技术方案:
第一方面,本申请提供一种自助交易设备异常识别方法,所述方法包括:
根据预设人脸检测模型对自助交易设备采集到的人脸图像信息进行实时人脸检测,得到人脸数量;
若所述人脸数量大于预设人脸数量阈值,则向所述自助交易设备上设置的插卡防护盖发送交易异常指令并执行第一告警操作;
根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别,确定对应的人脸遮挡类型;
若所述人脸遮挡类型符合预设异常遮挡条件,则向所述插卡防护盖发送交易异常指令并执行第二告警操作。
进一步地,在所述根据预设人脸检测模型对自助交易设备采集到的人脸图像信息进行实时人脸检测之前,包括:
建立未受遮挡人脸和受遮挡人脸的目标检测图像库以及与所述目标检测图像库对应的图像标签库;
根据所述图像标签库建立第一SSD深度学习模型,并根据反向传播算法和所述目标检测图像库对所述第一SSD深度学习模型进行模型训练,得到人脸检测模型。
进一步地,在所述根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别之前,包括:
建立眼睛、鼻子和嘴巴的目标特征图像库以及与所述目标特征图像库对应的图像特征标签库;
根据所述图像特征标签库建立第二SSD深度学习模型,并根据反向传播算法和所述目标特征图像库对所述第二SSD深度学习模型进行模型训练,得到人脸遮挡类型识别模型。
第一方面,本申请提供一种自助交易设备,包括:设备主体、处理器、与所述处理器电连接的摄像头和插卡防护盖;
所述摄像头设置在所述设备主体上,用于采集人脸图像信息,并将所述人脸图像信息发送至所述处理器;
所述插卡防护盖覆盖设置在所述设备主体的插卡区,并在接收到所述处理器根据所述人脸图像信息和上述的自助交易设备异常识别方法得到的交易异常指令时处于关闭状态。
进一步地,所述插卡防护盖包括:盖体和防护盖开关,所述防护盖开关处于关闭状态时所述盖体覆盖所述插卡区。
进一步地,还包括音频播放单元,所述音频播放单元与所述处理器电连接,所述音频播放单元用于根据接收到的所述处理器发送的交易异常指令播放对应的告警音频。
进一步地,还包括后台服务器,所述后台服务器与所述处理器信号连接,所述后台服务器用于存储所述人脸检测模型和所述人脸遮挡类型识别模型。
由上述技术方案可知,本申请提供一种自助交易设备异常识别方法及自助交易设备,通过增设插卡防护盖,当有客户准备交易时,利用监控摄像头实时检测自助柜员机前的人脸数量以及人脸遮挡情况来判断是否打开插卡防护盖,进而提高自助设备的使用安全性,保障合法持卡者的资金安全。
附图说明
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中的自助交易设备的流程示意图;
图2为本申请实施例中的自助交易设备的结构图;
图3为本申请一具体实施例中自助交易设备的自动识别异常操作的方法流程图;
图4为本申请实施例中人脸检测模型训练流程图;
图5为本申请实施例中人脸遮挡类型识别模型训练流程图;
图6为本申请实施例中SSD深度学习模型结构示意图;
图7为本申请实施例中的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”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。这些术语主要是为了更好地描述本申请及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本申请中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
考虑到现有技术中使用自助交易设备的客户可能因此泄露银行卡磁道信息,而导致钱财的损失的问题,本申请提供一种自助交易设备,通过增设插卡防护盖,当有客户准备交易时,利用监控摄像头实时检测自助柜员机前的人脸数量以及人脸遮挡情况来判断是否打开插卡防护盖,进而提高自助设备的使用安全性,保障合法持卡者的资金安全。
为了能够提高自助设备的使用安全性,保障合法持卡者的资金安全,本申请提供一种自助交易设备的实施例,参见图2,所述自助交易设备具体包含有如下内容:
设备主体、处理器4、与所述处理器4电连接的摄像头3和插卡防护盖2;
所述摄像头3设置在所述设备主体上,用于采集人脸图像信息,并将所述人脸图像信息发送至所述处理器4;
所述插卡防护盖2覆盖设置在所述设备主体的插卡区,并在接收到所述处理器4根据所述人脸图像信息和自助交易设备异常识别方法得到的交易异常指令时处于关闭状态;
其中,参加图1,所述自助交易设备异常识别方法,包括:
步骤S101:根据预设人脸检测模型对自助交易设备采集到的人脸图像信息进行实时人脸检测,得到人脸数量。
步骤S102:若所述人脸数量大于预设人脸数量阈值,则向所述自助交易设备上设置的插卡防护盖2发送交易异常指令并执行第一告警操作。
步骤S103:根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别,确定对应的人脸遮挡类型。
步骤S104:若所述人脸遮挡类型符合预设异常遮挡条件,则向所述插卡防护盖2发送交易异常指令并执行第二告警操作。
具体的,所述监控摄像头3安装在自助交易设备上,并且面向自助交易设备操作人的脸部,处理器4通过判断防护盖开关处于开状态,利用人脸检测技术检测设定区域清晰人脸数量N1以及受遮挡人脸的数量N2,若N1+N2>1,并且N1不为1,则防护盖不会打开,通过语音提醒客户做出调整,然后再次检测人脸,若提示三次之后仍未检测到唯一的清晰人脸,则防护盖开关自动跳回关状态,并提醒用户若要进一步操作按下防护盖开关按钮,并保持摄像头3前必须有且仅有一清晰人脸。
从上述描述可知,本申请实施例提供的自助交易设备,能够通过增设插卡防护盖,当有客户准备交易时,利用监控摄像头实时检测自助柜员机前的人脸数量以及人脸遮挡情况来判断是否打开插卡防护盖,进而提高自助设备的使用安全性,保障合法持卡者的资金安全。
在本申请的一些实施例中,参加图4,在所述根据预设人脸检测模型对所述人脸图像信息进行实时人脸检测之前,包括:
步骤S201:建立未受遮挡人脸和受遮挡人脸的目标检测图像库以及与所述目标检测图像库对应的图像标签库。
可选的,建立未受遮挡的人脸和各种受遮挡人脸的目标检测图像库。所采集到的目标检测图像库包含以下特征:包含未受遮挡的人脸和各种受遮挡人脸,所有图片均缩放到(单位:pixel,下同),图像内容中包含大部分场景下的未受遮挡的人脸和各种受遮挡人脸,为了更加突出人脸的特征,经过图像裁剪之后使得人脸处于图像的中心,如果裁剪之后的图像像素高度或者宽度超过300,则缩放到。
可选的,建立与上述目标检测图像库对应的图像标签库。图库中的每幅图片建立相应的符合标准PASCAL VOC格式的xml标签文件,标签文件中包含了图片的以下信息:图片ID号,图片的像素高度、宽度与深度,图片的路径,图片所包含的目标种类,包括未受遮挡与受遮挡人脸两类,人脸目标所在区域的矩形边界框的坐标(xmin,ymin,xmax,ymax),其中(xmin,ymin)为边界框的左上顶点坐标,(xmax,ymax)为边界框的右下顶点坐标。若一图中包含多个人脸,则标签中可存储多个边界框。
步骤S202:根据所述图像标签库建立第一SSD深度学习模型,并根据反向传播算法和所述目标检测图像库对所述第一SSD深度学习模型进行模型训练,得到人脸检测模型。
可选的,建立深度学习模型。采用端到端的深度学习目标检测网络SSD(SingleShot MultiBox Detector),网络具体由基础特征提取网络和辅助网络组成,其中基础特征提取网络选用VGG-16。辅助网络使用以3×3卷积核,辅助网络的输入为前面所述基础网络的不同卷积层的特征图输出,最终得到人脸检测器。所述的检测器是根据不同尺寸的特征图生成的默认框。检测器有两种功能:(1)预测人脸目标边界框的位置(相对于默认框坐标的4个顶点的偏移量),训练时采用的损失函数(位置误差)是Smooth L1 loss;(2)所预测目标是人脸类别(是否受遮挡)的置信度得分,训练时采用的损失函数(置信度误差)是Softmax loss。
在本申请的一些实施例中,参加图5,在所述根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别之前,包括:
步骤S301:建立眼睛、鼻子和嘴巴的目标特征图像库以及与所述目标特征图像库对应的图像特征标签库。
可选的,建立眼睛、鼻子以及嘴巴的目标检测图像库。所采集到的包含人脸的目标检测图像库实际为步骤302中所标记出的人脸目标所在区域的矩形边界框,包含以下特征:所有图片缩放到,图像内容中包含各种形态的未受遮挡的人脸,且无背景。
可选的,建立与上述目标检测图像库对应的图像标签库。图库中的每幅图片建立相应的符合标准PASCAL VOC格式的xml标签文件,标签文件中包含了图片的以下信息:图片ID号,图片的像素高度、宽度与深度,图片的路径,图片所包含的目标种类,包括双眼、鼻子以及嘴巴三类,并标出其在人脸上所在区域的矩形边界框的坐标(xmin,ymin,xmax,ymax),其中(xmin,ymin)为边界框的左上顶点坐标,(xmax,ymax)为边界框的右下顶点坐标。由于是以一个人脸作为源图像进行标记,故一图中不可能包含多双眼、多个鼻子或者多个嘴巴,则标签中储存的同一类型的边界框有且只有一个。
步骤S302:根据所述图像特征标签库建立第二SSD深度学习模型,并根据反向传播算法和所述目标特征图像库对所述第二SSD深度学习模型进行模型训练,得到人脸遮挡类型识别模型。
可选的,建立深度学习模型。采用端到端的深度学习目标检测网络SSD,网络具体由基础特征提取网络和辅助网络组成,其中基础特征提取网络选用VGG-16。辅助网络使用以卷积核,辅助网络的输入为前面所述基础网络的不同卷积层的特征图输出,最终得到双眼、鼻子、嘴巴的目标检测器,所述的检测器是根据不同尺寸的特征图生成的默认框。检测器有两种功能:(1)预测人脸的双眼、鼻子、嘴巴目标边界框的位置,训练时采用的损失函数是Smooth L1 loss;(2)所预测目标是人脸上双眼、鼻子、嘴巴的置信度得分,训练时采用的损失函数是Softmax loss。
可选的,训练目标模型。利用SSD模型通过反向传播算法在目标图像库上进行训练,得到最终的人脸受遮挡类型目标模型B,即若无法检测出一张人脸图像中的眼睛、鼻子、嘴巴中的某一类,则是人脸此处受到遮挡。
在本申请的其他一些实施例中,参见图6,还提供了一种SSD目标检测模型结构。
所述SSD目标检测模型采用多尺度特征图用于检测,所述多尺度特征图就是采用大小不同的特征图,由于CNN深层网络一般都会经过每层的卷积和池化使得特征图变得越来越小,所以可以用小特征图来检测大目标,大特征图来检测小目标。
所述SSD目标检测模型采用VGG16作为基础模型,然后在VGG16的基础上新增了卷积层来获得更多的特征图以用于检测,直接采用卷积对上述不同的特征图来进行提取检测结果。对于形状为m×n×p的特征图,只需要采用3×3×p这样比较小的卷积核得到检测值。最终利用非极大值抑制的方法,寻找局部最大值,得到得分最高的框。
在本申请的一些实施例中,所述插卡防护盖2包括:盖体和防护盖开关1,所述防护盖开关1处于关闭状态时所述盖体覆盖所述插卡区。
在本申请的一些实施例中,还包括音频播放单元,所述音频播放单元与所述处理器4电连接,所述音频播放单元用于根据接收到的所述处理器4发送的交易异常指令播放对应的告警音频。
在本申请的一些实施例中,还包括后台服务器5,所述后台服务器5与所述处理器4信号连接,所述后台服务器5用于存储所述人脸检测模型和所述人脸遮挡类型识别模型。
由上述技术方案可知,本申请提供一种自助交易设备,通过增设插卡防护盖,当有客户准备交易时,利用监控摄像头实时检测自助柜员机前的人脸数量以及人脸遮挡情况来判断是否打开插卡防护盖,进而提高自助设备的使用安全性,保障合法持卡者的资金安全。
为了更进一步说明本方案,本申请还提供一种自助交易设备的具体应用实例,参加图3,具体包含有如下内容:
所述插卡口防护盖安装于自助设备插卡口处,其开关决定着操作者能否进行插卡交易,并且旁边设有开关按钮;
所述监控摄像头安装在自助设备的显示屏上方,并且面向自助设备操作者的脸部;
防护盖开关按钮开启,触发处理器启动监控摄像头和调取后台服务器所存储的人脸检测模型识别设定区域的人脸情况,包括未受遮挡人脸数量N1,受遮挡人脸数量N2,若N1=1,并且N2=0,则处理器判断为正常操作,记录下人脸图像,并且打开插卡处防护盖,否则,设备作出相应的语音提醒,并且在三次提示后若仍未有唯一清晰人脸,则处理器判断为异常操作,并且将防护盖开关按钮置为关状态,关闭摄像头,同时提示用户,可再按下按钮继续操作。
从硬件层面来说,为了能够提高自助设备的使用安全性,保障合法持卡者的资金安全,本申请提供一种用于实现所述自助交易设备中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现自助交易设备与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输;该逻辑控制器可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该逻辑控制器可以参照实施例中的自助交易设备的实施例,以及自助交易设备的实施例进行实施,其内容被合并于此,重复之处不再赘述。
可以理解的是,所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中,所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中,自助交易设备的部分可以在如上述内容所述的电子设备侧执行,也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
图7为本申请实施例的电子设备9600的系统构成的示意框图。如图7所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图7是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,自助交易设备功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
步骤S101:根据预设人脸检测模型对所述人脸图像信息进行实时人脸检测,得到人脸数量。
步骤S102:若所述人脸数量大于预设人脸数量阈值,则向所述插卡防护盖发送交易异常指令并执行第一告警操作。
步骤S103:根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别,确定对应的人脸遮挡类型。
步骤S104:若所述人脸遮挡类型符合预设异常遮挡条件,则向所述插卡防护盖发送交易异常指令并执行第二告警操作。
从上述描述可知,本申请实施例提供的电子设备,通过增设插卡防护盖,当有客户准备交易时,利用监控摄像头实时检测自助柜员机前的人脸数量以及人脸遮挡情况来判断是否打开插卡防护盖,进而提高自助设备的使用安全性,保障合法持卡者的资金安全。
在另一个实施方式中,自助交易设备可以与中央处理器9100分开配置,例如可以将自助交易设备配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现自助交易设备功能。
如图7所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图7中所示的所有部件;此外,电子设备9600还可以包括图7中没有示出的部件,可以参考现有技术。
如图7所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的自助交易设备中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的自助交易设备的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤S101:根据预设人脸检测模型对自助交易设备采集到的人脸图像信息进行实时人脸检测,得到人脸数量。
步骤S102:若所述人脸数量大于预设人脸数量阈值,则向所述自助交易设备上设置的插卡防护盖发送交易异常指令并执行第一告警操作。
步骤S103:根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别,确定对应的人脸遮挡类型。
步骤S104:若所述人脸遮挡类型符合预设异常遮挡条件,则向所述插卡防护盖发送交易异常指令并执行第二告警操作。
从上述描述可知,本申请实施例提供的计算机可读存储介质,通过增设插卡防护盖,当有客户准备交易时,利用监控摄像头实时检测自助柜员机前的人脸数量以及人脸遮挡情况来判断是否打开插卡防护盖,进而提高自助设备的使用安全性,保障合法持卡者的资金安全。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种自助交易设备异常识别方法,其特征在于,所述方法包括:
根据预设人脸检测模型对自助交易设备采集到的人脸图像信息进行实时人脸检测,得到人脸数量;
若所述人脸数量大于预设人脸数量阈值,则向所述自助交易设备上设置的插卡防护盖发送交易异常指令并执行第一告警操作;
根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别,确定对应的人脸遮挡类型;
若所述人脸遮挡类型符合预设异常遮挡条件,则向所述插卡防护盖发送交易异常指令并执行第二告警操作。
2.根据权利要求1所述的自助交易设备异常识别方法,其特征在于,在所述根据预设人脸检测模型对自助交易设备采集到的人脸图像信息进行实时人脸检测之前,包括:
建立未受遮挡人脸和受遮挡人脸的目标检测图像库以及与所述目标检测图像库对应的图像标签库;
根据所述图像标签库建立第一SSD深度学习模型,并根据反向传播算法和所述目标检测图像库对所述第一SSD深度学习模型进行模型训练,得到人脸检测模型。
3.根据权利要求1所述的自助交易设备异常识别方法,其特征在于,在所述根据预设人脸遮挡类型识别模型对所述人脸图像信息进行遮挡类型识别之前,包括:
建立眼睛、鼻子和嘴巴的目标特征图像库以及与所述目标特征图像库对应的图像特征标签库;
根据所述图像特征标签库建立第二SSD深度学习模型,并根据反向传播算法和所述目标特征图像库对所述第二SSD深度学习模型进行模型训练,得到人脸遮挡类型识别模型。
4.一种自助交易设备,其特征在于,包括:设备主体、处理器、与所述处理器电连接的摄像头和插卡防护盖;
所述摄像头设置在所述设备主体上,用于采集人脸图像信息,并将所述人脸图像信息发送至所述处理器;
所述插卡防护盖覆盖设置在所述设备主体的插卡区,并在接收到所述处理器根据所述人脸图像信息和权利要求1至3任一项所述的自助交易设备异常识别方法得到的交易异常指令时处于关闭状态。
5.根据权利要求4所述的自助交易设备,其特征在于,所述插卡防护盖包括:盖体和防护盖开关,所述防护盖开关处于关闭状态时所述盖体覆盖所述插卡区。
6.根据权利要求4所述的自助交易设备,其特征在于,还包括音频播放单元,所述音频播放单元与所述处理器电连接,所述音频播放单元用于根据接收到的所述处理器发送的交易异常指令播放对应的告警音频。
7.根据权利要求4所述的自助交易设备,其特征在于,还包括后台服务器,所述后台服务器与所述处理器信号连接,所述后台服务器用于存储所述人脸检测模型和所述人脸遮挡类型识别模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245330.2A CN111353475A (zh) | 2020-03-31 | 2020-03-31 | 自助交易设备异常识别方法及自助交易设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245330.2A CN111353475A (zh) | 2020-03-31 | 2020-03-31 | 自助交易设备异常识别方法及自助交易设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111353475A true CN111353475A (zh) | 2020-06-30 |
Family
ID=71194805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010245330.2A Pending CN111353475A (zh) | 2020-03-31 | 2020-03-31 | 自助交易设备异常识别方法及自助交易设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353475A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287802A (zh) * | 2020-10-26 | 2021-01-29 | 汇纳科技股份有限公司 | 人脸图像检测方法、系统、存储介质及设备 |
CN113536288A (zh) * | 2021-06-23 | 2021-10-22 | 上海派拉软件股份有限公司 | 数据认证方法、装置、认证设备及存储介质 |
CN116976879A (zh) * | 2023-09-22 | 2023-10-31 | 广州扬盛计算机软件有限公司 | 自助设备的支付系统异常监控方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034318A (zh) * | 2010-11-01 | 2011-04-27 | 秦小枢 | 与atm机配套的安全监控装置 |
US20170083752A1 (en) * | 2015-09-18 | 2017-03-23 | Yahoo! Inc. | Face detection |
CN108806121A (zh) * | 2017-05-04 | 2018-11-13 | 上海弘视通信技术有限公司 | 主动式银行atm机保护方法及其装置 |
-
2020
- 2020-03-31 CN CN202010245330.2A patent/CN111353475A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034318A (zh) * | 2010-11-01 | 2011-04-27 | 秦小枢 | 与atm机配套的安全监控装置 |
US20170083752A1 (en) * | 2015-09-18 | 2017-03-23 | Yahoo! Inc. | Face detection |
CN108806121A (zh) * | 2017-05-04 | 2018-11-13 | 上海弘视通信技术有限公司 | 主动式银行atm机保护方法及其装置 |
Non-Patent Citations (1)
Title |
---|
邵一鸣;孙红星;陈虹羊;: "基于深度学习的人脸遮挡检测方法" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287802A (zh) * | 2020-10-26 | 2021-01-29 | 汇纳科技股份有限公司 | 人脸图像检测方法、系统、存储介质及设备 |
CN113536288A (zh) * | 2021-06-23 | 2021-10-22 | 上海派拉软件股份有限公司 | 数据认证方法、装置、认证设备及存储介质 |
CN113536288B (zh) * | 2021-06-23 | 2023-10-27 | 上海派拉软件股份有限公司 | 数据认证方法、装置、认证设备及存储介质 |
CN116976879A (zh) * | 2023-09-22 | 2023-10-31 | 广州扬盛计算机软件有限公司 | 自助设备的支付系统异常监控方法及系统 |
CN116976879B (zh) * | 2023-09-22 | 2024-01-09 | 广州扬盛计算机软件有限公司 | 自助设备的支付系统异常监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816441B (zh) | 策略推送方法、系统及相关装置 | |
US11501614B2 (en) | Skip-scanning identification method, apparatus, and self-service checkout terminal and system | |
CN111353475A (zh) | 自助交易设备异常识别方法及自助交易设备 | |
CN110097428B (zh) | 电子订单生成方法、装置、终端及存储介质 | |
US20160180141A1 (en) | Guided fingerprint enrolment | |
CN106228168B (zh) | 卡片图像反光检测方法和装置 | |
CN110097429B (zh) | 电子订单生成方法、装置、终端及存储介质 | |
CN106875181A (zh) | 一种扫码支付处理方法及移动终端 | |
CN113366487A (zh) | 基于表情组别的操作确定方法、装置及电子设备 | |
CN111914812B (zh) | 图像处理模型训练方法、装置、设备及存储介质 | |
KR20190106853A (ko) | 텍스트 인식 장치 및 방법 | |
CN107193983A (zh) | 图像搜索方法及装置 | |
AU2015324346A1 (en) | Credit card with built-in sensor for fraud detection | |
CN107527053A (zh) | 目标检测方法及装置 | |
CN111368811B (zh) | 活体检测方法、装置、设备及存储介质 | |
CN106980840A (zh) | 脸型匹配方法、装置及存储介质 | |
CN107742120A (zh) | 银行卡卡号的识别方法及装置 | |
CN107766820A (zh) | 图像分类方法及装置 | |
CN110619239A (zh) | 应用界面处理方法、装置、存储介质及终端 | |
CN104662889A (zh) | 用于在便携式终端中进行拍摄的方法和设备 | |
CN113888159A (zh) | 一种应用的功能页面的开启方法和电子设备 | |
CN111263009B (zh) | 电话录音的质检方法、装置、设备及介质 | |
CN113409056B (zh) | 支付方法、装置、本地识别设备、人脸支付系统及设备 | |
CN106527685A (zh) | 一种终端应用的控制方法及装置 | |
JP5192324B2 (ja) | 監視システム及び自動取引装置 |
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 |