CN113538810A - 安防方法、安防系统和自动取款机设备 - Google Patents

Abstract

本申请公开了一种用于自动取款机的安防方法、安防系统和自动取款机，可用于金融领域，安防方法包括以下步骤：获取用户面部表情信息和语音音频；根据面部表情信息进行情绪类型分析，并输出风险值R1；根据语音音频进行情绪类型分析，并输出风险值V1；根据语音音频提取文字内容，并与风险语言库核对，输出风险值V2；根据风险值R1、风险值V1和风险值V2加权计算得出结果值T；当结果值T超过报警阈值时，输出报警通知。根据本申请的安防方法，能及时将风险情况通知网点安保值班人员，以帮助银行判断是否存在银行卡盗取、盗刷、诈骗、抢劫等风险行为，帮助银行识别潜在的安全风险事件，对维护社会稳定和杜绝违法犯罪有一定帮助。

Description

安防方法、安防系统和自动取款机设备

技术领域

本申请涉及人工智能技术领域，可用于金融领域，更具体地，涉及一种用于自动取款机的安防方法、安防系统和自动取款机设备。

背景技术

近来年生活中，有不少犯罪分子现场或电信胁迫用户在自动取款机上非自愿进行交易，造成用户的钱财损失，因此能及时判断用户是否自愿交易成为必要。

发明内容

本申请旨在至少解决现有技术中存在的技术问题之一。

为此，本申请的第一个目的在于提出一种用于自动取款机的安防方法，可以帮助银行识别潜在的安全风险事件，对维护社会稳定和杜绝违法犯罪有一定的帮助；

本申请的第二个目的在于提出一种用于自动取款机的安防系统，可承载上述的安防方法；

本申请的第三个目的在于提出一种自动取款机设备，包括上述的安防系统。

为了达到上述目的，本申请第一方面提供了用于自动取款机的安防方法，包括以下步骤：

获取用户面部表情信息和语音音频；

根据所述面部表情信息进行情绪类型分析，并输出风险值R1；

根据所述语音音频进行情绪类型分析，并输出风险值V1；

根据所述语音音频提取文字内容，并与风险语言库核对，输出风险值V2；

根据所述风险值R1、所述风险值V1和所述风险值V2加权计算得出结果值T；

当所述结果值T超过报警阈值时，输出报警通知。

根据本申请的安防方法，通过面部表情和语音音频对用户情绪类型的识别，能及时将风险情况通知网点安保值班人员，以帮助银行判断是否存在银行卡盗取、盗刷、诈骗、抢劫等风险行为，帮助银行识别潜在的安全风险事件，对维护社会稳定和杜绝违法犯罪有一定帮助。

进一步地，还包括：

判断所述面部表情信息是否清晰；

当所述面部表情信息清晰时，进行情绪类型分析；以及

当所述面部表情信息不清晰时，跳过所述情绪类型分析，并将所述风险值R1赋值为0。

进一步地，根据所述面部表情信息进行情绪类型分析，并输出风险值R1包括：

通过所述面部表情信息判断用户情绪类型；

当用户情绪类型正常时，将所述风险值R1赋值为0；

当用户情绪类型异常时，将所述风险值R1赋值为第一常数C1。

进一步地，根据所述语音音频进行情绪类型分析，并输出风险值V1包括：

通过所述语音音频判断用户情绪类型；

当用户情绪类型正常时，将所述风险值V1赋值为0；

当用户情绪类型异常时，将所述风险值V1赋值为第二常数C2。

进一步地，根据所述语音音频提取文字内容，并与风险语言库核对，输出风险值V2包括：

通过提取的所述文字内容与风险语言库核对；

当所述文字内容命中时，将所述风险值V2赋值为第三常数C3；

当所述文字内容无命中时，将所述风险值V2赋值为0。

进一步地，所述情绪类型包括消极情绪。

进一步地，所述报警通知包括：通过风险系统短信通知或者通过大屏幕报警通知。

本申请第二方面提供了用于自动取款机的安防系统，包括：

识别模块，所述识别模块包括：面部识别模块和语音识别模块，所述面部识别模块用于获取用户面部表情信息，所述语音识别模块用于获取用户语音音频并提取文字内容；

情绪信息分析模块，所述情绪信息分析模块包括：面部情绪信息分析模块和语音情绪信息分析模块，所述面部情绪信息分析模块用于计算用户面部表情信息的风险值R1，所述语音情绪信息分析模块用于计算用户语音音频的风险值V1以及计算文字内容风险值V2；

综合分析模块，所述综合分析模块用于所述情绪信息分析模块输出的风险值的加权计算，并得到结果值T；

报警判别模块，所述报警判别模块用于判断结果值T是否超过报警阈值，若是则输出报警通知。

进一步地，所述面部识别模块还可以用来判断所述面部表情信息是否清晰。

本申请第三方面提供了一种自动取款机设备，包括：壳体；摄像头，所述摄像头设置在所述壳体周围，用于获取用户面部表情信息；麦克风，所述麦克风设置在所述壳体周围，用于获取用户语音音频；以及所述的安防系统，所述安防系统分别与所述摄像头和所述麦克风通信连接，以接收所述用户面部表情信息和所述用户语音音频。

进一步地，所述壳体上设置有避让槽，所述避让槽与用户脸部正对，所述摄像头和所述麦克风嵌入到所述避让槽内。

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1是根据本申请实施例中安防方法的流程示意图；

图2是根据本申请实施例中安防系统的示意图；

图3是根据本申请实施例中自动取款机设备的结构图。

附图标记：

识别模块1，面部识别模块11，语音识别模块12，

情绪信息分析模块2，面部情绪信息分析模块21，语音情绪信息分析模块22，

综合分析模块3，报警判别模块4，

自动取款机设备100，

避让槽101，

壳体10，摄像机20，麦克风30，自动取款机本体40。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。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者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。

近来年生活中，有不少犯罪分子现场或电信胁迫用户在自动取款机上非自愿进行交易，造成用户的钱财损失，因此能及时判断用户是否自愿交易成为必要。

随着人工智能技术的发展，通过人脸图像完成情绪分析的技术已非常成熟，具备根据用户不同时段的人脸图像分析出用户情绪变化的能力，在AI技术的帮助下，通过声音判断客户情绪也变得更加容易。

本申请将人工智能技术与自动取款机相结合，利用人脸面部情绪识别、语音情绪识别、自然语言处理等技术，识别客户在自动取款机上进行交易时的情绪状态，判断客户是否处于异常状态，以帮助银行判断是否存在银行卡盗取、盗刷、诈骗、抢劫等安全事件风险行为。

下面参照图1-图3描述根据本申请实施例的自动取款机的安防方法。

根据本申请的一个实施例公开了用于自动取款机的安防方法，参见附图1，该方法可以按照以下步骤或操作执行。

在步骤S10，获取用户面部表情信息和语音音频。

在用户站在自动存款机前办理业务时，自动存款机首先获取办理用户的面部表情信息和语音音频，具体可以通过拍摄视频和录音的方式获取。

例如：在用户办理业务时，对用户每隔一段时间拍摄10秒左右的短视频并进行录音。

在步骤S10之后，需要先判断面部表情信息是否清晰；当面部表情信息清晰时，进行情绪类型分析；以及当面部表情信息不清晰时，跳过情绪类型分析，并将风险值R1赋值为0。

在拍摄后首先对获取的用户面部表情信息的清晰度进行判断，是否能获取脸部表情信息，在清晰的情况下可以执行步骤S20，若不清晰则直接跳过情绪类型分析，将风险值R1赋值为0，并执行步骤S30。

由于在取款过程中，用户可能一直处于晃动状态，导致无法截取一个清晰的面部表情，或者因为获取用户面部表情的设备上有污点，导致无法截取到面部表情，又或者用户可能被帽檐或其他物遮挡住面部，导致无法识别面部表情信息，上述具体实施例均为面部表情信息不清晰的情况，在此种情况下，直接执行步骤S30，并将风险值R1赋值为0。

在面部表情信息清晰的情况下可以执行步骤S20。

在步骤S20，根据面部表情信息进行情绪类型分析，并输出风险值R1。

其中，根据面部表情信息进行情绪类型分析，并输出风险值R1包括：

通过面部表情信息判断用户情绪类型；

当用户情绪类型正常时，将风险值R1赋值为0；

当用户情绪类型异常时，将风险值R1赋值为第一常数C1。

可以理解为，在对面部表情信息进行分析后，输出风险值R1，而R1可以为两个结果值。一个是在通过面部表情分析后，结果为用户情绪类型良好，则令R1为0，另一个是在通过面部表情分析后，结果为用户情绪类型异常，则令R1为第一常数C1。

R1为0时，可以认为用户在自动取款机前正常办理业务，周围无异常，且为自愿操作；R1为第一常数C1时，可以认为用户可能遭遇电话诈骗或者正在遭遇歹徒抢劫。

需要注意的是，第一常数C1可以为一个定值，也可以为区间内的一个值，代表重要程度。

在一个实施例中，第一常数C1可以为定值1，也就是说，R1仅判断用户情绪类型是否异常。例如：在用户情绪类型良好时，直接输出R1为0，而在用户情绪类型异常时，直接输出R1为1。

此方式可以简便的，仅通过用户面部表情得到用户是否处于异常办理业务的情况，计算方式简便。

在另一个实施例中，根据用户情绪类型的异常程度将第一常数C1的取值范围设置在1-9之间，9代表用户情绪类型异常严重，1代表用户情绪类型异常较轻，也就是说，R1不仅可以判断用户情绪类型是否异常，还可以显示出用户情绪类型异常严重的程度。例如：在用户情绪类型良好时，输出R1为0；而在用户情绪类型异常时，如果用户情绪类型异常严重，则输出R1为9，如果用户情绪类型异常较轻，则输出R1为1。

此方式可以更精确的，通过用户面部表情判断用户是否处于异常办理业务的情况，减小在捕捉面部表情的过程中存在误差错误判断的概率。

在无法获得清晰地面部表情信息的情况下，或者在执行完步骤S20后，可以执行步骤S30。

在步骤S30，根据语音音频进行情绪类型分析，并输出风险值V1。

根据语音音频进行情绪类型分析，并输出风险值V1包括：

通过语音音频判断用户情绪类型；

当用户情绪类型正常时，将风险值V1赋值为0；

当用户情绪类型异常时，将风险值V1赋值为第二常数C2。

可以理解为，在对语音音频进行分析后，输出风险值V1，而V1可以为两个结果值。一个是在通过语音音频分析后，结果为用户情绪类型良好，则令V1为0，另一个是在通过语音音频分析后，结果为用户情绪类型异常，则令V1为第二常数C2。

V1为0时，可以认为用户在自动取款机前正常办理业务，周围无异常，且为自愿操作；V1为第二常数C2时，可以认为用户可能遭遇电话诈骗或者正在遭遇歹徒抢劫。

语音音频可以理解为，用户说话时的语声大小、语调起伏、语句连续情况等等。

需要注意的是，第二常数C2可以为一个定值，也可以为区间内的一个值，代表重要程度。

在一个实施例中，第二常数C2可以为定值1，也就是说，V1仅判断用户情绪类型是否异常。例如：在用户情绪类型良好时，直接输出V1为0，而在用户情绪类型异常时，直接输出V1为1。

此方式可以简便的，仅通过语音音频得到用户是否处于异常办理业务的情况，计算方式简便。

在另一个实施例中，根据用户情绪类型的异常程度将第二常数C2的取值范围设置在1-9之间，9代表用户情绪类型异常严重，1代表用户情绪类型异常较轻，也就是说，V1不仅可以判断用户情绪类型是否异常，还可以显示出用户情绪类型异常严重的程度。例如：在用户情绪类型良好时，输出V1为0；而在用户情绪类型异常时，如果用户情绪类型异常严重，则输出V1为9，如果用户情绪类型异常较轻，则输出V1为1。

此方式可以更精确的，通过语音音频判断用户是否处于异常办理业务的情况，减小在听取语音音频时存在误差错误判断的概率。

在得到风险值V1后，执行步骤S40。

在步骤S40，根据语音音频提取文字内容，并与风险语言库核对，输出风险值V2。

根据语音音频提取文字内容，并与风险语言库核对，输出风险值V2包括：

通过提取的文字内容与风险语言库核对；

当文字内容命中时，将风险值V2赋值为第三常数C3；

当文字内容无命中时，将风险值V2赋值为0。

可以理解为，在对提取的文字内容进行分析后，输出风险值V2，而V2可以为两个结果值。一个是在通过提取的文字内容分析并与风险语言库核对后，结果为文字内容无命中，则令V2为0，另一个是在通过提取的文字内容分析并与风险语言库核对后，结果为文字内容命中，则令V2为第三常数C3。

V2为0时，可以认为用户在自动取款机前正常办理业务，周围无异常，且为自愿操作；V2为第三常数C3时，可以认为用户可能遭遇电话诈骗或者正在遭遇歹徒抢劫。

提取到的文字内容是语音音频的文字内容，可以是用户自己所述的，也可以是周围人或者电话内传入到语音音频而记录下来的内容。

风险语言库是对于之前案例中，犯罪分子在实施诈骗手段时通常使用到的语言进行整合而形成的风险语言库的集合，在命中时，说明用户可能正在遭遇电话诈骗或者遭遇歹徒抢劫。

需要注意的是，第三常数C3可以为一个定值，也可以为区间内的一个值，代表重要程度。

在一个实施例中，第三常数C3可以为定值1，也就是说，V2仅判断提取的文字内容是否命中风险语言库。例如：在提取的文字内容与风险语言库核对后无相同词句时，直接输出V2为0，而在提取的文字内容命中风险语言库内的词句时，直接输出V2为1。

此方式可以简便的，仅通过提取的文字内容得到用户是否处于异常办理业务的情况，计算方式简便。

在另一个实施例中，根据提取的文字内容与风险语言库核对的命中程度，将第三常数C3的取值范围设置在1-9之间，9代表语音音频内的文字的命中率极高，1代表语音音频内的文字的命中率较低，也就是说，V2不仅可以判断提取的文字内容是否命中风险语言库，还可以显示出提取的文字内容命中的概率，也就是严重程度。例如：在提取的文字内容与风险语言库核对后无相同词句时，输出V2为0；而在提取的文字内容命中风险语言库内的词句时，如果提取的文字内容与风险语言库核对的命中率极高，则输出V2为9，如果提取的文字内容与风险语言库核对的命中率较低，则输出V2为1。具体词句命中率高低的问题，可以根据银行风险需求自行设置。

此方式可以更精确的，通过提取的文字内容判断用户是否处于异常办理业务的情况，减小提取的文字内容存在误差错误判断的概率。

根据本申请的一个实施例，情绪类型包括消极情绪。

例如，消极情绪包括：恐惧、紧张、焦虑、忧愁、低落等。

更具体地，在用户面部表情为上述中的其中一种时，输出第一常数C1，在语音音频出现上述中的其中一种时，输出第二常数C2。

在得到风险值V2后，执行步骤S50。

在步骤S50，根据风险值R1、风险值V1和风险值V2加权计算得出结果值T。

加权计算即由风险值精度的不同在平方差计算中所取的权重不同，加权就是乘以系数的意思，系数越大权越大。

将风险值R1、风险值V1和风险值V2加权计算得到结果值T，使计算出的结果更贴合实际情况。

可以根据实际情况在风险值R1、风险值V1和风险值V2上加权。例如：面部表情信息在获取后判断错误的概率较大，或者经常不清晰，可以减小风险值R1的权重，而通过语音音频提取到的文字内容的准确率较高，通过关键词易核对是否命中风险语言库，可以增加风险值V2的权重。

在一个具体实施例中，令风险值R1、风险值V1和风险值V2前的权重系数总和为单位1，在风险值R1前加系数0.2，在风险值V1前加系数0.2，在风险值V2前加系数0.6，

最终结果值T将为：

T＝0.2R1+0.2V1+0.6V2

在本实施例中，面部表情信息和语音音频的权重相同，都为0.2，而提取到的文字内容的权重为0.6，大于面部表情信息的权重和语音音频的权重，说明与面部表情信息和语音音频相比，更偏重于提取到的文字内容与风险语言库核对的风险值，认为这样算出的结果值T的精确度更高、更准确。

在得到结果值T后，执行步骤S60。

在步骤S60，当结果值T超过报警阈值时，输出报警通知。

根据本申请的一个实施例，报警通知包括：通过风险系统短信通知或者通过大屏幕报警通知。

最终得到的结果值T与报警阈值比较，在结果值T超过报警阈值时，输出报警通知；在结果值T低于报警阈值时，可以在间隔一定时间后返回步骤S10。

需要注意的是，拍摄和录音的时间间隔以及拍摄和录音的时间长度可以根据银行的需求自行设定或者根据用户的状态设定，例如：在初次检测若结果为用户情绪状态良好，则下次再启动拍摄和录音的时间间隔可以加长，录制拍摄的时间保持不变；在初次检测若用户情绪状态不稳定，则下次再启动拍摄和录音的时间间隔可以缩短，录制拍摄的时间加长。

通过对拍摄和录音的间隔时间以及拍摄和录音的录制时间的控制，可以在保证能源最大化的利用，根据需求节省了电能的同时，对用户实际情绪状态的情况进行监测，以防漏掉必要信息，造成用户的钱财损失。

根据本申请的安防方法，通过面部表情和语音音频对用户情绪类型的识别，能及时将风险情况通知网点安保值班人员，以帮助银行判断是否存在银行卡盗取、盗刷、诈骗、抢劫等风险行为，帮助银行识别潜在的安全风险事件，对维护社会稳定和杜绝违法犯罪有一定帮助。

根据本申请实施例中的用于自动取款机的安防系统，参见附图2，该安防系统包括：

识别模块1，识别模块1包括：面部识别模块11和语音识别模块12，面部识别模块11用于获取用户面部表情信息，语音识别模块12用于获取用户语音音频并提取文字内容；

情绪信息分析模块2，情绪信息分析模块2包括：面部情绪信息分析模块21和语音情绪信息分析模块22，面部情绪信息分析模块21用于计算用户面部表情信息的风险值R1，语音情绪信息分析模块22用于计算用户语音音频的风险值V1以及计算文字内容风险值V2；

综合分析模块3，综合分析模块3用于情绪信息分析模块输出的风险值的加权计算，并得到结果值T；

报警判别模块4，报警判别模块4用于判断结果值T是否超过报警阈值，若是则输出报警通知。

根据本申请的一个实施例，面部识别模块11还可以用来判断面部表情信息是否清晰。

根据本申请的安防系统，可以将风险情况及时通报网点的安保值班人员，再由保安进行安全事件跟进，帮助银行识别潜在的安全风险事件，对维护社会稳定和杜绝违法犯罪有一定帮助。

根据本申请中的一个实施例，安防系统的整体流程如下：

1.用户在自动取款机前办理业务，面部识别模块11和语音识别模块12每隔一段时间拍摄10秒左右短视频并进行录音。

2.面部情绪信息分析模块21对视频进行处理，分析视频内用户的面部表情信息，计算用户的情绪类型，得出用户面部表情信息的风险值R1。

3.语音情绪信息分析模块22对语音文件进行处理，语音情绪信息分析模块22计算得出语音音频的风险值V1。

4.语音识别模块12将语音内容进行自然语言处理和分析，提取录音内的文字内容，并将关键字与风险语言库进行核对，语音情绪信息分析模块22根据核对结果计算出文字内容风险值V2。

5.综合分析模块3将用户面部表情信息的风险值R1、语音音频的风险值V1、文字内容风险值V2加权计算，最终得到风险结果值T。

6.报警判别模块4将结果值T与报警阈值进行比较，如超过阈值，则通过报警判别模块4将风险信息通知自动取款机所在的网点，由网点的安保人员进行进一步地确认和处理。

根据本申请实施例中的一种自动取款机设备100，包括：壳体10、摄像头20、麦克风30以及的安防系统。

具体的，摄像头20设置在壳体10周围，用于获取用户面部表情信息；麦克风30设置在壳体10周围，用于获取用户语音音频；安防系统分别与摄像头20和麦克风30通信连接，以接收用户面部表情信息和用户语音音频。

壳体10内装有自动取款机本体40，用户需要面向自动取款机本体40站立，在壳体10的周围装有摄像头20和麦克风30，用于获取用户的面部表情信息和语音音频，然后将获取到的用户的面部表情信息和语音音频发送给安防系统，安防系统用于监控和分析是否出现非法犯罪行为，可以及时判别，采取必要的安全措施。

根据本申请的一个实施例，壳体10上设置有避让槽，避让槽与用户脸部正对，摄像头20和麦克风30嵌入到避让槽内。

由于摄像头20和麦克风30需要采集用户的面部表情信息和语音音频，设置在正对面部时更利于清晰、准确的获取到需要的信息，摄像头20和麦克风30裸露在外，正对面部，一方面是用户在自动取款机本体40前办理业务不便，存在磕碰头部的危险，另一方面是犯罪分子或其他人员有意破坏摄像头20和麦克风30、或者一些人员在自动取款机前操作时在无意中损坏摄像头20和麦克风30，造成摄像头20和麦克风30无法使用，维修成本和替换成本增加。

本申请在壳体10上开设避让槽，将摄像头20和麦克风30安装在避让槽内。

在本申请的一个实施例中，如图3所示，在自动取款机本体40的上方的壳体10上开设避让槽，摄像头20和麦克风30安装避让槽内，用户在面向自动取款机本体40站立时，摄像头20和麦克风30正好处于用户脸部的位置，利于摄像头20和麦克风30清晰地采取到用户面部表情信息和语音音频。

在本申请的自动取款机设备100内装有上述的安防系统，并且可以运行上述的安防方法，通过判断用户是否处于紧张、焦虑、恐惧等消极状态推论出是否存在盗刷、盗取、诈骗、抢劫等风险行为。

需要说明的是，装置部分实施例中各模块/单元/子单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (11)

1.一种用于自动取款机的安防方法，其特征在于，包括以下步骤：

获取用户面部表情信息和语音音频；

根据所述面部表情信息进行情绪类型分析，并输出风险值R1；

根据所述语音音频进行情绪类型分析，并输出风险值V1；

根据所述语音音频提取文字内容，并与风险语言库核对，输出风险值V2；

根据所述风险值R1、所述风险值V1和所述风险值V2加权计算得出结果值T；

当所述结果值T超过报警阈值时，输出报警通知。

2.根据权利要求1所述的安防方法，其特征在于，还包括：

判断所述面部表情信息是否清晰；

当所述面部表情信息清晰时，进行情绪类型分析；以及

当所述面部表情信息不清晰时，跳过所述情绪类型分析，并将所述风险值R1赋值为0。

3.根据权利要求2所述的安防方法，其特征在于，根据所述面部表情信息进行情绪类型分析，并输出风险值R1包括：

通过所述面部表情信息判断用户情绪类型；

当用户情绪类型正常时，将所述风险值R1赋值为0；

当用户情绪类型异常时，将所述风险值R1赋值为第一常数C1。

4.根据权利要求1所述的安防方法，其特征在于，根据所述语音音频进行情绪类型分析，并输出风险值V1包括：

通过所述语音音频判断用户情绪类型；

当用户情绪类型正常时，将所述风险值V1赋值为0；

当用户情绪类型异常时，将所述风险值V1赋值为第二常数C2。

5.根据权利要求1所述的安防方法，其特征在于，根据所述语音音频提取文字内容，并与风险语言库核对，输出风险值V2包括：

通过提取的所述文字内容与风险语言库核对；

当所述文字内容命中时，将所述风险值V2赋值为第三常数C3；

当所述文字内容无命中时，将所述风险值V2赋值为0。

6.根据权利要求1-4中任一项所述的安防方法，其特征在于，所述情绪类型包括消极情绪。

7.根据权利要求1所述的安防方法，其特征在于，所述报警通知包括：通过风险系统短信通知或者通过大屏幕报警通知。

8.一种用于自动取款机的安防系统，其特征在于，包括：

识别模块，所述识别模块包括：面部识别模块和语音识别模块，所述面部识别模块用于获取用户面部表情信息，所述语音识别模块用于获取用户语音音频并提取文字内容；

情绪信息分析模块，所述情绪信息分析模块包括：面部情绪信息分析模块和语音情绪信息分析模块，所述面部情绪信息分析模块用于计算用户面部表情信息的风险值R1，所述语音情绪信息分析模块用于计算用户语音音频的风险值V1以及计算文字内容风险值V2；

综合分析模块，所述综合分析模块用于所述情绪信息分析模块输出的风险值的加权计算，并得到结果值T；

报警判别模块，所述报警判别模块用于判断结果值T是否超过报警阈值，若是则输出报警通知。

9.根据权利要求8所述的安防系统，其特征在于，所述面部识别模块还可以用来判断所述面部表情信息是否清晰。

10.一种自动取款机设备，其特征在于，包括：

壳体；

摄像头，所述摄像头设置在所述壳体周围，用于获取用户面部表情信息；

麦克风，所述麦克风设置在所述壳体周围，用于获取用户语音音频；以及

权利要求8或9所述的安防系统，所述安防系统分别与所述摄像头和所述麦克风通信连接，以接收所述用户面部表情信息和所述用户语音音频。

11.根据权利要求10所述的自动取款机设备，其特征在于，所述壳体上设置有避让槽，所述避让槽与用户脸部正对，所述摄像头和所述麦克风嵌入到所述避让槽内。

Images