一种基于关键点定位的ATM机异常人脸检测方法技术

本发明专利技术公开一种基于关键点定位的ATM机异常人脸检测方法，所述的方法包括以下步骤：（1）图像预处理，获取一张实时监控图像，消除图像中的噪声，以及对复杂光照条件下的视频图像进行增强调节；（2）人脸检测，检测图像是否包含人脸、人脸的位置及大小信息；（3）关键点定位，检测面部关键点位置，获取关键点响应值；（4）异常人脸判别，将关键点响应值向量输入到分类器中，分类器将根据响应值向量确定分类的结果，判别是否是异常人脸；该方法针对银行ATM机正面人脸监控视频，实时检测客户是否有面部伪装行为，及时预警。

An abnormal face detection method for ATM based on key point location

The invention discloses a method for detecting abnormal face point positioning based on ATM machine, the method comprises the following steps: (1) image preprocessing, obtain a real-time monitoring image, eliminating the noise in the image, and the complex illumination conditions of video image enhancement; (2) face whether the image contains face detection, face detection, location and size of information; (3) the key point positioning, detecting face key points, get the key points of response value; (4) abnormal face discrimination, the key points of response value vector input to the classifier, classifier will determine the classification result according to the vector discrimination response value. Whether it is abnormal face; the method for bank ATM machine face surveillance video, real-time detection of whether the customer face camouflage, timely warning.

【技术实现步骤摘要】

本专利技术涉及人脸检测方法，更具体涉及一种基于关键点定位的ATM机异常人脸检测方法。
技术介绍
随着我国经济的高速发展，银行业务快速扩展，ATM机的数量不断增加，使用也普及到了全国各地，深入大众生活。ATM机具有自动取款存款汇款等功能和无人值守这一使用环境，在方便了人们快捷的存取款的同时，也导致了围绕ATM机的纠纷案件及金融犯罪的日益增多。一方面使得持卡人蒙受到巨大的财产损失；另一方面也扰乱了金融机构的正常工作秩序。视频监控是安全防范系统的重要组成部分，它是一种防范能力较强的综合系统。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。目前大部分的ATM机周边环境以及ATM机上都装有摄像头来监控ATM机以及周围环境。然而犯罪嫌疑人为了逃避摄像头的监视，在作案时往往在面部进行伪装，例如蒙面、戴墨镜、戴面具、戴口罩等，掩盖面部信息。在事后取证时，无法获取犯罪嫌疑人清晰可辨的人脸，给案件侦破带来了巨大困难。如果能在客户使用ATM机之时，及时检测出客户是否有面部伪装行为，如客户有伪装嫌疑，提示客户去除遮挡物。如果客户不听劝告，ATM机拒绝服务。这样不但可以大大预防此类犯罪行为的发生，而且可以在案件发生之后的调查侦破时，提供犯罪嫌疑人的清晰可辨的人脸图像，减轻案件侦破的难度。然而现有的ATM机监控系统一般都是依靠人来查看监控视频的，但是人的监控能力是有限的。科学研究表明，一个人最多可以同时对16 路视频进行监控。对于一个银行来说，ATM机的数量有几十台甚至上百台，相对应的监控视频就有可能有几百路甚至上千路，采用人工查看监控视频的方法，想要达到较好的监控效果是不可能的。而且长时间观看监控视频很容易造成监控人员的视觉疲劳，注意力下降，容易漏掉视频中的重要信息。这就对ATM机监控系统的性能提出了更高的要求，迫切需要自动化手段分析监控视频，及时检测出客户是否有面部伪装行为。为了增强ATM机监控系统的智能化。
技术实现思路
本专利技术要解决的技术问题是提供一种基于关键点定位的ATM机异常人脸检测方法，针对银行ATM机正面人脸监控视频，实时检测客户是否有面部伪装行为，及时预警。为解决上述技术问题，本专利技术采用如下技术方案：一种基于关键点定位的ATM机异常人脸检测方法，所述的方法包括以下步骤：（1）图像预处理，获取一张实时监控图像，消除图像中的噪声，以及对复杂光照条件下的视频图像进行增强调节；（2）人脸检测，检测图像是否包含人脸、人脸的位置及大小信息；（3）关键点定位，检测面部关键点位置，获取关键点响应值；（4）异常人脸判别，将关键点响应值向量输入到分类器中，分类器将根据响应值向量确定分类的结果，判别是否是异常人脸。进一步地，（11）采用中值滤波的局部图像平滑技术，消除图像中孤立噪声点；（12）采用直方图均衡化技术，通过改变图像中各个像素的灰度级的分布，并以此来均衡图像的灰度分布，使得某些局部偏亮的部分变暗或者局部偏暗的部分变亮。进一步地，步骤（2）是采用级联的卷积神经网络CNN检测图像中的人脸，进一步包括：（21）输入一张待检测图像，以不同尺度窗口密集扫描整个图像，产生许多待判别人脸框；（22）将所有待判别人脸框调整为12*12的分辨率，经过一个12尺度的判别网络，将待判别人脸框进行二分类，排除90%的错误人脸框；（23）通过一个12尺度的校正网络，调整剩余人脸框的大小和位置，用以获取原人脸框旁边潜在的更优人脸框，同时采用非极大抑制（NMS）算法来排除重合率过大的人脸框；（24）将剩余的人脸框调整为24*24的分辨率，经过一个24尺度的判别网络，进一步排除接近90%的错误人脸框。（25）通过一个24尺度的校正网络，调整剩余人脸框的大小和位置，同时采用NMS算法来排除重合率过大的人脸框。（26）将剩余的人脸框调整为48*48的分辨率，经过一个48尺度的判别网络，同时采用NMS算法来排除重合率过大的人脸框。（27）通过一个48尺度的校正网络，输出剩余人脸框，作为最终检测结果。进一步地，步骤（3）进一步包括：（31）把整幅图像输入主干网络，处理所有类型关键点、输出低分辨率的响应图像，粗略定位关键点；（32）根据响应图像粗略定位的关键点位置，以关键点为中心提取原图像中的对应图像块；（33）将图像块输入分支网络，输出高分辨率的响应图像，准确定位关键点。进一步地，在于：所述关键点位置包括左眼、右眼、鼻尖、左嘴角、右嘴角五个关键点。进一步地，所述的主干网络是由三个卷积层和三个最大值池化层交替堆叠而成；所述的分支网络是由四个卷积层构成。作为优选，所述的分类器是采用支持向量机SVM；所述的支持向量机SVM是采用通过AR数据库和ORL数据库样本训练的参数。作为优选，所述的步骤（1）是采用均值滤波、高斯平滑滤波或小波滤波消除图像中的噪声；采用灰度变换、灰度级校正或直方图规定化对图像进行增强调节。作为优选，所述步骤（2）是采用基于几何特征、基于模板匹配、预定模板或统计理论方法进行人脸检测；所述的步骤（3）是采用基于先验规则、基于几何形状信息、基于外观信息或是基于灰度信息的方法检测面部关键点位置，获取关键点响应值。作为优选，所述的步骤（4）是采用近邻分类器、线性分类器、朴素贝叶斯、逻辑回归、决策树或是Adaboost判别异常人脸。本专利技术的有益效果为：该当关键点特征明显时响应值就高，不明显时响应值就低。本方法能够快速准确地检测出实时视频是否有异常人脸，即客户是否有面部伪装行为，如果有则进行报警。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明，其中：图1为本专利技术一种基于关键点定位的ATM机异常人脸检测方法的步骤结构示意图；图2为本专利技术一种基于关键点定位的ATM机异常人脸检测方法的人脸检测网络结构示意图。具体实施方式实施例1图像预处理：由于很多ATM机常安装在环境复杂、干扰因素众多的环境，这就导致了ATM机的摄像头所采集的视频图像由于受到光照条件、背景等诸多因素的影响，包含阴影、噪声等很多不利因素。因此对ATM机所采集的视频图像进行预处理就很有必要。预处理不仅仅要考虑视频图像所包含的噪声，也要考虑光照等环境因素所产生的干扰。因此，本专利技术针对ATM机监控视频的预处理包含两部分：一是视频图像去噪；二是针对复杂光照条件下的视频图像的增强。（1）视频图像中产生噪声的原因有很多，一类是空域噪声，它是一种空间随机分布的误差噪声。空域噪声可以简单的描述为两个像素点对于相同的色彩和亮度信息所给出不同的像素值表示。另一类是时域噪声，这种噪声是一种时间随机分布的误差噪声。它可以简单的描述为同一位置的像素点对相同的色彩和亮度信息在不同的时间段上给出不同的像素值表示，最终造成真实值与像素值之间的误差就是时域噪声。滤除噪声的方法很多，例如均值滤波、中值滤波、高斯平滑滤波、小波滤波等，本专利技术采用中值滤波的方法。中值滤波是一种基于非线性滤波的局部图像平滑技术，不仅可以去除孤立的噪声点，还能够保持原图像的边缘特性。该方法的基本原理就是利用某个像素点的领域内各个像素灰度值的中值来取代该像素点原先的灰度值。过程如下：对于一幅图像的像素矩阵，首先取一个以目标像素为中心的一个矩阵窗口，窗口大小一般取 3×3，然后对窗口内的像素灰度进行排序，并将中间一个值作为目标像素本文档来自技高网...

【技术保护点】
一种基于关键点定位的ATM机异常人脸检测方法，其特征在于：所述的方法包括以下步骤：（1）图像预处理，获取一张实时监控图像，消除图像中的噪声，以及对复杂光照条件下的视频图像进行增强调节；（2）人脸检测，检测图像是否包含人脸、人脸的位置及大小信息；（3）关键点定位，检测面部关键点位置，获取关键点响应值；（4）异常人脸判别，将关键点响应值向量输入到分类器中，分类器将根据响应值向量确定分类的结果，判别是否是异常人脸。

【技术特征摘要】
1.一种基于关键点定位的ATM机异常人脸检测方法，其特征在于：所述的方法包括以下步骤：（1）图像预处理，获取一张实时监控图像，消除图像中的噪声，以及对复杂光照条件下的视频图像进行增强调节；（2）人脸检测，检测图像是否包含人脸、人脸的位置及大小信息；（3）关键点定位，检测面部关键点位置，获取关键点响应值；（4）异常人脸判别，将关键点响应值向量输入到分类器中，分类器将根据响应值向量确定分类的结果，判别是否是异常人脸。2.根据权利要求1所述的一种基于关键点定位的ATM机异常人脸检测方法，其特征在于，步骤（1）进一步包括：（11）采用中值滤波的局部图像平滑技术，消除图像中孤立噪声点；（12）采用直方图均衡化技术，通过改变图像中各个像素的灰度级的分布，并以此来均衡图像的灰度分布，使得某些局部偏亮的部分变暗或者局部偏暗的部分变亮。3.根据权利要求1所述的一种基于关键点定位的ATM机异常人脸检测方法，其特征在于，步骤（2）是采用级联的卷积神经网络CNN检测图像中的人脸，进一步包括：（21）输入一张待检测图像，以不同尺度窗口密集扫描整个图像，产生许多待判别人脸框；（22）将所有待判别人脸框调整为12*12的分辨率，经过一个12尺度的判别网络，将待判别人脸框进行二分类，排除90%的错误人脸框；（23）通过一个12尺度的校正网络，调整剩余人脸框的大小和位置，用以获取原人脸框旁边潜在的更优人脸框，同时采用非极大抑制（NMS）算法来排除重合率过大的人脸框；（24）将剩余的人脸框调整为24*24的分辨率，经过一个24尺度的判别网络，进一步排除接近90%的错误人脸框；（25）通过一个24尺度的校正网络，调整剩余人脸框的大小和位置，同时采用NMS算法来排除重合率过大的人脸框；（26）将剩余的人脸框调整为48*48的分辨率，经过一个48尺度的判别网络，同时采用NMS算法来排除重合率过大的人脸框；（27）通过一个48尺...

【专利技术属性】
技术研发人员：周励琨，郭倩，王喆，林倞，张伟军，
申请(专利权)人：广州市维安科技股份有限公司，
类型：发明
国别省市：广东;44