基于视频分析的银行自助服务区域尾随行为检测方法

1.一种基于视频分析的银行自助服务区域尾随行为检测方法，其特征在于，具体步骤如下：
步骤S1：设定一个尾随判别阈值，所述尾随判别阈值是一时间长度值；
步骤S2：利用摄像机，以俯视的视角拍摄银行自助服务区域的实时视频图像，且拍摄的视频图像覆盖整个银行自助服务区域；
步骤S3：利用视频处理设备分析步骤S2拍摄的实时视频图像，检测出视频图像中位于银行自助服务区域内的目标数量，及各目标进入银行自助服务区域的时间，再根据检测结果进行判断；
如果检测结果判定视频图像中位于银行自助服务区域内的目标数量多于1人，且进入银行自助服务区域内的前两个目标之间的进入时间差大于尾随判别阈值，则判定银行自助服务区域存在尾随行为，反之则判定银行自助服务区域不存在尾随行为；
所述步骤S3中，从视频图像中检测银行自助服务区域内人员的具体步骤如下：
步骤S31：采用目标检测算法检测并获取进入银行自助服务区域内的所有目标在视频图像中占据的像素点集合；
步骤S32：根据步骤S31获取的像素点集合，采用目标提取算法获取进入银行自助服务区域内的各个目标在视频图像中的位置及尺寸；
步骤S33：根据步骤S32从视频图像中提取各个目标，采用有效目标特征识别算法，识别出视频图像中的有效目标的数量及色彩纹理特征；
所述步骤S31中，所采用的目标检测算法是高斯混合背景算法；
所述步骤S32中，所采用的目标提取算法是区域生长法结合K均值特征聚类法的目标提取算法，该算法先采用区域生长法获取步骤S31所获取的像素点集合的生长区域，再采用K均值特征聚类法获取进入银行自助服务区域内的各个目标在视频图像中的尺寸。
2.根据权利要求1所述的基于视频分析的银行自助服务区域尾随行为检测方法，其特征在于：所述步骤S2中，摄像机的布设点位于银行自助服务区域的顶部。
3.根据权利要求1所述的基于视频分析的银行自助服务区域尾随行为检测方法，其特征在于：所述步骤S3中，先设定一个尾随计时器，根据尾随计时器的计时来判断尾随行为；
如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量为零，且尾随计时器的计时值非零，则将尾随计时器置零；
如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量为1个，且尾随计时器的计时值为零，则令尾随计时器启动计时；
如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量多于1个，且尾随计时器的计时值大于尾随判别阈值，则判定银行自助服务区域存在尾随行为，反之则判定银行自助服务区域不存在尾随行为。

基于视频分析的银行自助服务区域尾随行为检测方法\n技术领域\n[0001] 本发明涉及安全监控技术，特别是涉及一种基于视频分析的银行自助服务区域尾随行为检测方法的技术。\n背景技术\n[0002] 现有银行安全防范体系中，所采用的安防监控系统缺乏对银行自助服务区域存在威胁公共安全行为的实时检测分析和有效处理。而这种威胁公共安全的行为往往是某些恶性犯罪事件的前期表现，例如，尾随进入银行自助服务区域的行为必定是尾随抢劫事件的前奏。检测并发现这种行为对于预防犯罪事件的发生，及时制止犯罪事件的升级，以及事后处理侦破犯罪事件均有重要作用。\n[0003] 银行自助服务区域是指银行设立的客户可自行完成存款、取款、转账和查询等金融服务设备的操作和等待的独立区域。\n[0004] 银行自助服务区域尾随行为是指人员进入自助服务区域操作设备或等待服务的一段时间之后，其他人员再次进入该区域的行为。\n[0005] 目前，对于银行自助服务区域的尾随行为防范仅采取了安装防尾随联动门及防护设备等简单措施，这些措施都是被动式防范措施，其防防范效果较差，无法实时发现尾随行为，以预防、制止及处理自助银行内的犯罪事件，提高社会的安全稳定性。\n发明内容\n[0006] 针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种能实时发现银行自助服务区域的尾随行为，提高安全防范效果的基于视频分析的银行自助服务区域尾随行为检测方法。\n[0007] 为了解决上述技术问题，本发明所提供的一种基于视频分析的银行自助服务区域尾随行为检测方法，其特征在于，具体步骤如下：\n[0008] 步骤S1：设定一个尾随判别阈值，所述尾随判别阈值是一时间长度值；\n[0009] 步骤S2：利用摄像机，以俯视的视角拍摄银行自助服务区域的实时视频图像，且拍摄的视频图像覆盖整个银行自助服务区域；\n[0010] 步骤S3：利用视频处理设备分析步骤S2拍摄的实时视频图像，检测出视频图像中位于银行自助服务区域内的目标数量，及各目标进入银行自助服务区域的时间，再根据检测结果进行判断；\n[0011] 如果检测结果判定视频图像中位于银行自助服务区域内的目标数量多于1人，且进入银行自助服务区域内的前两个目标之间的进入时间差大于尾随判别阈值，则判定银行自助服务区域存在尾随行为，反之则判定银行自助服务区域不存在尾随行为。\n[0012] 进一步的，所述步骤S2中，摄像机的布设点位于银行自助服务区域的顶部。\n[0013] 进一步的，所述步骤S3中，先设定一个尾随计时器，根据尾随计时器的计时来判断尾随行为；\n[0014] 如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量为零，且尾随计时器的计时值非零，则将尾随计时器置零；\n[0015] 如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量为1个，且尾随计时器的计时值为零，则令尾随计时器启动计时；\n[0016] 如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量多于1个，且尾随计时器的计时值大于尾随判别阈值，则判定银行自助服务区域存在尾随行为，反之则判定银行自助服务区域不存在尾随行为。\n[0017] 进一步的，所述步骤S3中，从视频图像中检测银行自助服务区域内人员的具体步骤如下：\n[0018] 步骤S31：采用目标检测算法检测并获取进入银行自助服务区域内的所有目标在视频图像中占据的像素点集合；\n[0019] 步骤S32：根据步骤S31获取的像素点集合，采用目标提取算法获取进入银行自助服务区域内的各个目标在视频图像中的位置及尺寸；\n[0020] 步骤S33：根据步骤S32从视频图像中提取各个目标，采用有效目标特征识别算法，识别出视频图像中的有效目标的数量及色彩纹理特征。\n[0021] 进一步的，所述步骤S31中，所采用的目标检测算法是高斯混合背景算法。\n[0022] 进一步的，所述步骤S32中，所采用的目标提取算法有两个，按执行顺序依次分别为区域生长法、K均值特征聚类法。\n[0023] 本发明提供的基于视频分析的银行自助服务区域尾随行为检测方法，利用摄像机以俯视的视角拍摄银行自助服务区域的实时视频图像，再利用相关图像分析算法对拍摄的视频图像进行分析，从中检测出银行自助服务区域内的人员数量，及各人员进入银行自助服务区域的时间，进而检测是否存在人员尾随进入自助服务区域的行为，能实时发现银行自助服务区域的尾随行为，提高安全防范效果，有助于预防、制止及处理自助银行内的犯罪事件，提高社会的安全稳定性。\n具体实施方式\n[0024] 以下结合具体实施例对本发明作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似结构及其相似变化，均应列入本发明的保护范围。\n[0025] 本发明实施例所提供的一种基于视频分析的银行自助服务区域尾随行为检测方法，其特征在于，具体步骤如下：\n[0026] 步骤S1：设定一个尾随判别阈值，所述尾随判别阈值是一时间长度值；\n[0027] 步骤S2：利用摄像机，以俯视的视角拍摄银行自助服务区域的实时视频图像，且拍摄的视频图像覆盖整个银行自助服务区域；\n[0028] 其中，所述摄像机的布设点位于银行自助服务区域的顶部；\n[0029] 步骤S3：利用视频处理设备分析步骤S2拍摄的实时视频图像，检测出视频图像中位于银行自助服务区域内的目标（即人员）数量，及各目标进入银行自助服务区域的时间，再根据检测结果进行判断；\n[0030] 如果检测结果判定视频图像中位于银行自助服务区域内的目标数量多于1人，且进入银行自助服务区域内的前两个目标之间的进入时间差大于尾随判别阈值，则判定银行自助服务区域存在尾随行为，反之则判定银行自助服务区域不存在尾随行为。\n[0031] 本发明实施例的步骤S3中，先设定一个尾随计时器，根据尾随计时器的计时来判断尾随行为，所述尾随计时器可以是安装在视频处理设备中的软件计时器，也可以是安装在银行自助服务区域入口处的电子计时装置；\n[0032] 如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量为零，且尾随计时器的计时值非零，则将尾随计时器置零；\n[0033] 如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量为1个，且尾随计时器的计时值为零，则令尾随计时器启动计时；\n[0034] 如果视频图像检测结果判定视频图像中位于银行自助服务区域内的目标数量多于1个，且尾随计时器的计时值大于尾随判别阈值，则判定银行自助服务区域存在尾随行为，反之则判定银行自助服务区域不存在尾随行为。\n[0035] 本发明实施例的步骤S3中，判定银行自助服务区域存在尾随行为后，即发出报警信息。\n[0036] 本发明实施例的步骤S3中，检测视频图像中位于银行自助服务区域内目标的具体步骤如下：\n[0037] 步骤S31：采用目标检测算法检测并获取进入银行自助服务区域内的所有目标在视频图像中占据的像素点集合（即进入银行自助服务区域内的人员空间信息）；\n[0038] 步骤S32：根据步骤S31获取的像素点集合，采用目标提取算法获取进入银行自助服务区域内的各个目标在视频图像中的位置及尺寸（即进入银行自助服务区域内的各个人员的位置及尺寸）；\n[0039] 步骤S33：根据步骤S32从视频图像中提取各个目标，采用有效目标特征识别算法，识别出视频图像中的有效目标的数量及色彩纹理特征（即进入银行自助服务区域内的人员数量及每个人员的色彩纹理特征）。\n[0040] 现有的视频图像分析方法中，用于检测及获取所有目标在视频图像中占据的像素点集合的目标检测算法主要有背景减除类算法、时间差分类算法、光流类算法。\n[0041] 背景减除类算法的基本原理是利用背景的参数模型来近似背景图像的像素值，将当前帧与背景图像进行差分比较实现对运动区域的检测，其中区别较大的像素区域被认为是运动区域，而区别较小的像素区域被认为是背景区域。\n[0042] 时间差分类算法是视频图像分析方法中常用的运动目标检测方法之一，基本原理就是在图像序列相邻两帧或三帧间采用基于像素的时间差分通过闭值化来提取出图像中的运动区域。\n[0043] 光流类算法的基本原理是计算光流场，即在适当的平滑性约束条件下，根据图像序列的时空梯度估算运动场，通过分析运动场的变化对运动目标和场景进行检测。\n[0044] 本发明实施例的步骤S31中，所采用的目标检测算法是背景减除类算法中的高斯混合背景算法，该算法为现有技术，该算法的基本原理是：在视频图像中，目标与背景之间存在着灰度差异，视频图像的灰度直方图会呈现与背景、目标一一对应的多峰，将视频图像的灰度直方图多峰特性视为多个高斯分布的叠加，即可实现视频图像中的背景与目标的分割。\n[0045] 本发明实施例的步骤S31中，所采用的高斯混合背景算法采用多个（通常为3到5个）高斯混合模型来表征视频图像中各个像素点的特征，每获得新一帧视频图像后即将该图像中的各个像素点与高斯混合模型进行匹配，匹配成功的像素点判定为背景点，反之则判定为前景点，也就是进入银行自助服务区域的所有目标在视频图像中占据的像素点；\n[0046] 本发明其它实施例中，也可以用其它能实现相同功能的现有目标检测算法替代步骤S31中所采用的高斯混合背景算法，比如时间差分类算法、光流类算法，或其它背景减除类算法。\n[0047] 现有的视频图像分析方法中，用于获取各个目标在视频图像中的位置及尺寸的目标提取算法主要有基于阈值分割的目标提取算法、基于边缘分割的目标提取算法、基于区域分割的目标提取算法、基于模型的目标提取算法、基于特征聚类及神经网络的目标提取算法。\n[0048] 基于阈值分割的目标提取算法采用用一个或几个阈值将图像的灰度直方图分成几个类，将图像中灰度值在同一类中的像素归于同一物体，进而实现目标的提取。\n[0049] 基于边缘分割的目标提取算法基于不同区域之间的边缘像素灰度值变化剧烈的原理，采用空间灰度的一阶或二阶微分算子进行边缘检测，通过检测包含不同区域的边缘来实现目标的提取，常用的边缘检测算子有：Roberts算子、Laplace算子、Prewitt算子、Sobel算子、Robinson算子、Kirsch算子和Canny算子等。\n[0050] 基于区域分割的目标提取算法基于图像灰度、纹理、颜色和图像像素统计的均匀性等图像的空间局部特征，把图像中的像素划归到各个物体或区域中，进而将图像分割成若干个不同区域，实现目标的提取，现有基于区域分割的算法主要有：区域生长法、分裂合并法、分水岭分割法。\n[0051] 基于模型的目标提取算法基于一定的模型，将图像分割问题转换成目标函数的求解问题，进而实现目标的提取，基于模型的目标提取算法主要有：马尔可夫随机场模型、主动轮廓模型。\n[0052] 基于特征聚类及神经网络的目标提取算法主要利用人工智能方法得到用于图像分割的参数，然后基于这一参数来分割图像；\n[0053] 其中，基于特征聚类的目标提取算法将图像空间中的像素用对应的特征空间点表示，根据它们在特征空间的聚集对特征空间进行分割，然后将它们映射回原图像空间，得到分割结果，进而实现目标的提取，现有的特征聚类法有：K均值特征聚类法、模糊C均值聚类算法；\n[0054] 其中，基于神经网络的目标提取算法通过训练多层感知机来得到线性决策函数，然后用决策函数对像素进行分类来达到分割的目的，进而实现目标的提取。\n[0055] 本发明实施例的步骤S32中，所采用的目标提取算法为现有技术，具体为区域生长法结合K均值特征聚类法的目标提取算法，该算法的具体实施步骤如下：\n[0056] 步骤S321：采用区域生长法，以步骤S31获取的像素点集合中的各个像素点为种子像素点，并以这些像素点的灰度值作为数学期望值建立生长区域高斯分布；\n[0057] 步骤S322：将各种子像素点周围邻域中符合生长区域高斯分布的各像素点作为生长点分别合并到各种子像素点所在的区域中，再将各生长点作为新的种子像素点，重复本步骤至没有新的生长点出现，即可获取步骤S31获取的像素点集合的生长区域，进而得到进入银行自助服务区域内的各个目标在视频图像中的位置；