一种银行ATM机预警安防监控的方法与流程

一种银行atm机预警安防监控的方法
技术领域
1.本发明涉及atm机预警技术领域，尤其涉及一种银行atm机预警安防监控的方法。


背景技术：

2.在当今社会中，银行自动取款机抢劫事件不断发生。目前许多银行atm机的安防措施是采用摄像头，单纯靠监控人员目视进行识别，遇到危险时报警，难免有所疏漏，特别是夜晚，只能录制案发视频，不能在案发时迅速发出警报，导致许多被抢案件不能被及时发现，给抓捕罪犯、救治被抢者造成了难度。


技术实现要素：

3.本发明的目的是为了解决现有技术中存在的缺点，而提出的一种银行atm机预警安防监控的方法。
4.为了实现上述目的，本发明采用了如下技术方案：一种银行atm机预警安防监控的方法，包括以下步骤：s1、读入图像：读取摄像头采集的视频图像；s2、预处理：对视频图像中的当前帧进行处理，去除图像中的噪声，提高图像的清晰度；s3、动态侦测：对预处理过的实时图像进行分析对比，对比当前帧和前一帧的二值化图像，如果当前阈值大于设定值，则认为此时遇到了紧急情况，进行报警，如果当前阈值小于等于设定值，则进行下一步；s4、手势识别：通过预处理过的实时图像，获取目标手势区域，提取当前的手部特征，获取当前帧手势信息，然后将当前帧手势信息与图库中的报警手势信息进行比对，如果比对结果一致或近似，则认为此时遇到了紧急情况，需要报警，如果比对结果不同，则重新进行s1步骤。
5.优选的，所述s2步骤中，预处理过程中采用了中值滤波、低通高斯滤波方法，对视频图像中的当前帧进行处理，去除图像中的噪声，以提高图像的清晰。
6.优选的，所述s3步骤中，需要将图像进行灰度化和二值化处理，便于对比当前帧和前一帧的二值化图像。
7.优选的，所述s4步骤中，对预处理过的实时图像经过膨胀算法、腐蚀算法和平滑处理后，对手部跟踪与定位，获取目标手势区域；进行肤色分割：将rgb图像转换到hsv空间中，并提取h通道图像；再进行区域分割：对h通道的图像进行阈值分割可初步得到肤色区域；之后进行特征提取，获得手势信息。
8.优选的，所述s4步骤中，特征提取模块包含动作特征提取和手势识别，特征提取用于检查每个像素来确定该像素是否代表一个特征。
9.优选的，特征处理包括小波压缩、高斯去噪和手势识别。
10.优选的，所述小波压缩能够有效的将资料压缩至最小，能够使信息被迅速的处理，
便于数据的传输压缩方法来确保本机器人对目标监控的实时性和准确性。
11.优选的，高斯滤波用于对整幅图像进行加权平均，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，高斯滤波的具体操作是：使用模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
12.优选的，手势识别是在现有手势识别基础上通过解决手心追踪定位问题得实现收拾的识别和实施性的高效性，自适应阈值对图像进行二值化处理，提取图像中所有的颜色以及类颜色的像素点，而后经过膨胀算法、腐蚀算法和平滑处理后，获取目标收拾区域，而后根据目标区域的特征进行识别，确定当前手势，获取手势信息。
13.本发明的有益效果是：本发明中所提到的方法，是利用安装在自助银行的摄像头采集实时图像，后台读取图像后，将实时侦测进入镜头中的人的动作，一旦发生异常将会自动报警确保取款者的人身安全；同时为了提高在不同情景下的使用，增加了手势识别，当识别到特定报警手势时会自动报警。在侦测和识别的过程中运用了小波变换、高斯去噪、模版对比等数字算法来提高在不同环境下识别的准确度。
附图说明
14.图1为本发明提出的一种银行atm机预警安防监控的方法的总设计流程图；图2为本发明提出的一种银行atm机预警安防监控的方法的动态侦测流程图；图3为本发明提出的一种银行atm机预警安防监控的方法的手势识别流程图。
具体实施方式
15.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。
16.参照图1
‑
3，一种银行atm机预警安防监控的方法，包括以下步骤：s1、读入图像：读取摄像头采集的视频图像；s2、预处理：对视频图像中的当前帧进行处理，去除图像中的噪声，提高图像的清晰度；s3、动态侦测：对预处理过的实时图像进行分析对比，对比当前帧和前一帧的二值化图像，如果当前阈值大于设定值，则认为此时遇到了紧急情况，进行报警，如果当前阈值小于等于设定值，则进行下一步；s4、手势识别：通过预处理过的实时图像，获取目标手势区域，提取当前的手部特征，获取当前帧手势信息，然后将当前帧手势信息与图库中的报警手势信息进行比对，如果比对结果一致或近似，则认为此时遇到了紧急情况，需要报警，如果比对结果不同，则重新进行s1步骤。
17.进一步的，s2步骤中，预处理过程中采用了中值滤波、低通高斯滤波方法，对视频图像中的当前帧进行处理，去除图像中的噪声，以提高图像的清晰。
18.进一步的，s3步骤中，需要将图像进行灰度化和二值化处理，便于对比当前帧和前一帧的二值化图像。
19.进一步的，s4步骤中，对预处理过的实时图像经过膨胀算法、腐蚀算法和平滑处理
后，对手部跟踪与定位，获取目标手势区域；进行肤色分割：将rgb图像转换到hsv空间中，并提取h通道图像；再进行区域分割：对h通道的图像进行阈值分割可初步得到肤色区域；之后进行特征提取，获得手势信息。
20.进一步的，s4步骤中，特征提取模块包含动作特征提取和手势识别，特征提取用于检查每个像素来确定该像素是否代表一个特征。
21.进一步的，特征处理包括小波压缩、高斯去噪和手势识别。
22.进一步的，小波压缩能够有效的将资料压缩至最小，能够使信息被迅速的处理，便于数据的传输压缩方法来确保本机器人对目标监控的实时性和准确性。
23.进一步的，高斯滤波用于对整幅图像进行加权平均，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，高斯滤波的具体操作是：使用模板扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
24.进一步的，手势识别是在现有手势识别基础上通过解决手心追踪定位问题得实现收拾的识别和实施性的高效性，自适应阈值对图像进行二值化处理，提取图像中所有的颜色以及类颜色的像素点，而后经过膨胀算法、腐蚀算法和平滑处理后，获取目标收拾区域，而后根据目标区域的特征进行识别，确定当前手势，获取手势信息本实施例中，本发明中所提到的方法，是利用安装在自助银行的摄像头采集实时图像，后台读取图像后，将实时侦测进入镜头中的人的动作，一旦发生异常将会自动报警确保取款者的人身安全；同时为了提高在不同情景下的使用，增加了手势识别，当识别到特定报警手势时会自动报警。在侦测和识别的过程中运用了小波变换、高斯去噪、模版对比等数字算法来提高在不同环境下识别的准确度。
25.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。