The invention provides an intelligent ATM video surveillance method based on image processing, which uses face detection technology and image processing algorithm to detect the behavior of human face occlusion in video, uses dynamic target detection and similarity tracking algorithm to realize the detection of residual objects in surveillance video, and combines depth learning, target detection and tracking algorithm to realize the human wandering of surveillance video. In order to detect, the intelligent video surveillance effect is obtained. Compared with the existing video surveillance method based solely on human resources, the proposed method can reduce the human and material resources of video surveillance, and play a positive role in monitoring problems such as abnormal behavior alarm, false alarm, missed alarm, video data analysis difficulties, etc.
【技术实现步骤摘要】
一种基于图像处理的ATM视频智能监控方法
本专利技术涉及一种基于图像处理的ATM室内视频智能监控方法，涵盖了深度学习
、目标检测
、图像处理领域以及特征工程等相关领域。
技术介绍
近年来，国内外在智能视频监控方面展开了很多研究，也取得了丰富的进展。但是仍然受到了一些固有因素的限制：1)耗费大量的人力物力，不能保证监控效率；2)事后查看监控录像时，犯罪行为已经发生，错过阻止犯罪的最佳时期；3)报警滞后、误报、漏报、录像数据分析困难等。因此智能视频处理方法对解决传统视频监控问题起到了积极作用。ATM智能视频处理技术模块主要包括人脸遮挡检测模块、遗留物检测模块、异常行为检测模块等。在人脸识别领域，随着最近几年深度学习大潮的出现，也相应地带动了人脸识别技术这一领域的突飞猛进，人脸识别技术已经广泛应用于智能安检系统、智能安防门禁系统等领域。SeetaFace是中科院山世光老师及他的团队所研发并于2016年开源的人脸识别引擎。包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块SeetaFaceDetection、面部特征点定位模块SeetaFac...
【技术保护点】
1.一种基于图像处理的ATM视频智能监控方法，其特征在于：人脸遮挡检测模块、遗留物检测模块和徘徊行为检测模块三个模块是并列运行，单独运行任何一个模块，合作同时运行三个模块，人脸遮挡检测模块中利用SeetaFace对人脸进行活体检测，再利用adaboost眼睛和嘴部的检测器在人脸标记窗口内进行检测判断人员是否发生脸部遮挡行为；遗留物检测模块中利用混合高斯背景建模GMM和三帧差算法相结合提取暂时静止的物体，然后利用该物体的颜色相似度，灰度直方图匹配等方法对目标进行跟踪，统计目标静止的帧数t，并和阈值帧数T进行比较来判断该目标是否为遗留物；徘徊行为检测模块在Caffe深度框架下，...
【技术特征摘要】
1.一种基于图像处理的ATM视频智能监控方法，其特征在于：人脸遮挡检测模块、遗留物检测模块和徘徊行为检测模块三个模块是并列运行，单独运行任何一个模块，合作同时运行三个模块，人脸遮挡检测模块中利用SeetaFace对人脸进行活体检测，再利用adaboost眼睛和嘴部的检测器在人脸标记窗口内进行检测判断人员是否发生脸部遮挡行为；遗留物检测模块中利用混合高斯背景建模GMM和三帧差算法相结合提取暂时静止的物体，然后利用该物体的颜色相似度，灰度直方图匹配等方法对目标进行跟踪，统计目标静止的帧数t，并和阈值帧数T进行比较来判断该目标是否为遗留物；徘徊行为检测模块在Caffe深度框架下，利用SSD算法对监控区域内的人体进行检测，然后利用相似度跟踪算法对人体进行跟踪，计算目标的路径和位移，来判断该目标是否发生了徘徊行为。2.根据权利要求1所述的监控方法，其特征在于：遗留物检测模块算法设计：运用混合高斯背景建模GMM和三帧差法检测出前景和暂时静止目标，利用基于YCrCb颜色空间中的Y通道的阴影消除算法准确提取出暂时静止目标，然后利用灰度平均值和质心判距离法对暂时静止目标进行跟踪并统计其持续静止时间t，若t>阈值T,则被认定为遗留物，对其进行标记。3.根据权利要求1所述的监控方法，其特征在于：徘徊行为检测模块算法设计：在C++语言平台下搭建Caffe深度网络框架，利用SSD算法对监控视频每帧实现人体检测，然后将检测到的目标转换为HSV颜色模型，利用视频前后两帧的颜色特征和H通道的灰度直方图特征，计算两帧目标的欧式距离，来实现目标跟踪，计算目标行走的路径S和位移L，若S/L>1.5，则在该监控区域内，有目标发生了徘徊行为并实施报警响应。4.根据权利要求1所述的监控方法，其特征在于，人脸遮挡检测模块实现步骤：步骤1：对SeetaFace进行编译，并配置VS2013和OpenCV；步骤2：在线收集眼睛和嘴部的数据集并做好xml类型文件的标签；步骤3：用Adaboost级联分类器训练眼睛和嘴部的检测器，并调用...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。