一种基于ATM场景下的异常面板检测算法

1.一种基于ATM场景下的异常面板检测算法，其特征在于利用基于自适应前景提取进行初检，以提高算法效率；利用基于多维特征向量的方法进行复检，以提高算法准确率。
2.根据权利要求1所述的方法，其特征在于基于自适应前景提取算法通过前期基于三帧差算法进行前景检测来确定自适应背景，即当三帧差法获得前景变化小于阈值T时，确认当前帧为默认背景图，否则进行继续自适应学习背景。
3.根据权利要求1所述的方法，其特征在于基于自适应前景提取进行初检，其算法在于，通过权利要求2所述算法进行背景学习后，通过背景差法对当前图像和自适应背景进行差值，来获取当前前景图，对提取的前景图通过最大连通域法进行独立目标提取，当独立目标在一定合理范围内时，将该目标加入复检队列进行复检以此作为可疑异常面板目标；
若目标大小在设定范围之外时直接进行过滤，实验证明该初检方法可以有效提高算法效率，降低算法运算复杂度，从而提高系统运算并发度。
4.根据权利要求1所述的方法，其特征在于基于自适应前景提取进行异常目标复检算法，其算法通过基于多维特征向量的方法进行异常目标复检，以提高算法准确度，表现在算法中通过对复检目标和背景图对应区域进行基于占空比、纹理、边缘、颜色的方法进匹配，只有四个特征均满足异常面板需要才认为复检目标通过复检，若复检失败，则进行异常面板区域背景更新，从而对光照干扰进行过滤，从而达到复检的目的，提高算法准确度。
5.根据权利要求4所述的方法，其特征在于复检中对于纹理的特征，算法通过对复检目标和背景图对应区域同时计算4个方向的灰度共生矩阵，然后计算灰度共生矩阵中的能量、熵、惯性矩和相关性的均值和方差，得到两个八维的特征向量，计算两个向量的欧氏距离，来确认复检目标是否为异常目标。
6.根据权利要求4所述的方法，其特征在于复检中对于复检中对于边缘的特征特征，算法通过canny算子分别获取复检目标和背景图对应区域轮廓特征，然 后对对两个轮廓图进行按位或运算，之后通过卡方分布法分别求复检目标和背景图区域与或运算后目标图的差异性，若两个差异均大于阈值T，则认为当前目标为异常目标，否则进行过滤操作。
7.根据权利要求4所述的方法，其特征在于复检中对于颜色复检法，算法首先分别获取复检目标和背景图对应区域HSV颜色空间，HS颜色统计直方图，然后通过基于卡方分布的方法对比两个HS颜色统计直方图，若差异度小于阈值T，则认为复检目标为异常目标，否则对复检目标进行过滤。
8.一种基于ATM场景下的异常面板检测算法，其特征在于基于人员进入检测的ATM面板异常检测方法，表现在，算法首先通过背景差法判断人员站立区是否有人进入，若无人站立，则进行异常面板检测，否则不作检测；同时若长时间检测到有人站立，算法通过三帧差法进行复检，若检测到有人，则继续等待，若检测到无人，则进行光照干扰排除，进行当前背景图更新。

暂无