一种ATM银行卡调包行为监测方法

摘要

本发明提供了一种ATM银行卡调包行为监测方法，本方法基于视频图像检测技术，通过对人脸身份识别和插卡、取卡运动方式识别及插卡、取卡时间间隔的监控，将调包行为发生的多通道数据进行特征提取，并进行行为关联融合，来判断是否有银行卡调包行为发生，从而及时发出警报信息避免银行卡被调包的安全事件的发生。

权利要求

1.一种ATM银行卡调包行为监测方法，其具体方法步骤为：

步骤一、初始化系统参数；

步骤二、从ATM机屏幕上方正对人脸摄像头视频通道采集视频图像；

步骤三、对采集的图像进行皮肤分割监测；

步骤四、判断是否有用户出现，是，则执行步骤五，否，则返回步骤二；

步骤五、对ATM读卡器上方摄像头采集的图像进行运动目标监测，判断用户是否开始使用读卡器，是，则执行步骤六，否，则返回步骤二；

步骤六、对运动目标进行行为监测，判断运动目标为插卡动作还是取卡动作，若为插卡动作，则执行步骤七，若为取卡动作，则返回步骤二；

步骤七、对ATM屏幕上方正对人脸摄像头采集的图像进行跟踪监测，判断用户是否消失，是，则执行步骤八，否，则返回步骤二；

步骤八、判断在设定时间内是否有取卡动作，是，则执行步骤九，否，则返回步骤二；

步骤九、进行安全报警。

2.根据权利要求1所述的方法，所述步骤一中初始化的具体参数包括：A、设置ATM机屏幕上方正对人脸摄像头的通道为1，设置ATM机读卡器上方的摄像头的通道为2，并设置该两个通道的图像分辨率，设置视频帧率，设定视频帧图像的左下角为原点；

B、设置人脸皮肤团块的像素个数阈值，设置人脸皮肤团块的宽高比阈值，设置人脸皮肤团块与视频宽度比例，设置换卡时间间隔，设置运动差分灰度阈值，运动差分团块的像素个数阈值，运动团块的宽度范围，设置用户切换的帧计数器初始化值。

3.根据权利要求2所述的方法，所述步骤二为从视频通道1和2各采集一帧视频图像。

4.根据权利要求2所述的方法，判断用户是否出现的具体方法为：皮肤最大团块参数是否同时满足大于等于设定的人脸皮肤团块的像素个数阈值、人脸皮肤团块的宽高比阈值及符合人脸皮肤团块与视频宽度比例。

5.根据权利要求2所述的方法，判断用户是否开始使用读卡器的具体方法为：采用运动差分灰度阈值分割出来的运动差分团块的像素个数是否大于设定的团块阈值，且在设定的运动团块的宽度范围内。

6. 根据权利要求2所述的方法，判断运动目标为插卡动作或取卡动作的具体方法为：当运动目标行为监测检测到有运动团块并且是向上运动，逐渐靠近读卡器插卡口，则认为是插卡动作；当检测到有运动团块，并且是由读卡器口向下，逐渐远离读卡器插卡口，则认为是取卡动作。

7.根据权利要求2所述的方法，判断用户消失的具体方法为：跟踪人脸皮肤团块，判断用户人脸是否是从左侧消失，人脸皮肤团块的中心坐标变化满足x坐标越来越小，从高于

160变化到30附近后消失，y坐标越来越小，由大于120变化到30附近后消失，满足这两个条件则认为人脸从屏幕左侧消失。

8.根据权利要求4到7之一所述的方法，所述两个通道的分辨率设置为320*240；设置视频帧率为30帧/秒；设置人脸皮肤团块的宽高比阈值为0.7；设置人脸皮肤团块与视频宽度比例为1︰6；设置换卡时间间隔为3秒，帧计数器初始化值为100；设置运动差分灰度阈值为30；采用mean-shift算法实现对人脸皮肤团块的跟踪；采用帧间差分算法实现对读卡器上的运动目标行为监测。

9.根据权利要求7所述的方法，设置人脸皮肤团块的像素个数阈值为2000，运动差分团块的像素个数阈值为300，运动团块的宽度范围为50-80。

10.根据权利要求8所述的方法，所述步骤八中，判断取卡动作是否在设定时间内的具体方法为：从判断用户消失时刻帧计数器开始计数，若在0到90之内，则执行步骤九，若超出90，则不报警，并且初始化到100。

说明书

一种ATM银行卡调包行为监测方法

技术领域

[0001] 本发明涉及一种ATM银行卡调包行为监测方法，特别是涉及一种基于视频图像监测的ATM银行卡调包行为监测方法。

背景技术

[0002] ATM：Automated Tellermachine，即自动柜员机，目前广泛应用于全国金融界。随着金融市场的不断繁荣，许多必需在银行网点办理的业务逐渐转移到自助式ATM上进行。ATM给我们生活带来方便的同时，也暴露出一些安全上的问题，比如时有报道的ATM取钱抢劫、银行卡调包、偷窥密码、以及非法诈骗等事件的发生。因此，如何减少ATM安全事故的发生逐渐成为人们普遍关注的话题，尤其是如何借助现代防范技术将安全事件遏制在萌芽状态是一个亟待解决的问题。

[0003] 目前，视频监控技术已成为提高ATM安全防范的重要措施之一。现有ATM视频监控系统实现了实时监视、视频保存以及长时间存贮等等基本功能，但由于现有的视频监控系统均是采用半人工值守方式，往往容易出现报警不准确、不及时甚至错报、漏报等现象，因而现有的视频监控系统往往适用于事后查证，而无法实现实时分析与及时提醒功能，即无法起到进一步减少安全事件发生的作用。ATM银行卡调包事件作为全国ATM案件中较为隐蔽性的事件，在ATM取款时常有发生。因此，如何有效、实时地监控ATM用户环境以及分析判断是否有调包行为发生并及时发出警报信息是减少此类事件发生的关键所在。由于调包行为发生较突然且具有高度的隐蔽性以及所发生的环境较为复杂，现有的智能视频技术还没有较好的解决方案，不能做到实时发现此类行为的发生，从而导致犯罪分子得以成功调包。

发明内容

[0004] 本发明要解决的技术问题是提供一种ATM银行卡调包行为监测方法，本方法基于视频图像检测技术，通过对人脸身份识别和插卡、取卡运动方式识别及插卡、取卡时间间隔的监控，将调包行为发生的多通道数据进行特征提取，并进行行为关联融合，来判断是否有银行卡调包行为发生，从而及时发出警报信息避免银行卡被调包的安全事件的发生。

[0005] 本发明采用的技术方案如下：一种ATM银行卡调包行为监测方法，其具体方法步骤为：步骤一、初始化摄像头通道参数及皮肤团块参数；步骤二、从视频通道采集视频图像；步骤三、对采集的图像进行皮肤分割监测；步骤四、判断是否有用户出现，是，则执行步骤五，否，则返回步骤二；步骤五、对ATM读卡器上方摄像头采集的图像进行运动目标监测，判断用户是否开始使用读卡器，是，则执行步骤六，否，则返回步骤二；步骤六、对运动目标进行行为监测，判断运动目标为插卡动作还是取卡动作，若为插卡动作，则执行步骤七，若为取卡动作，则返回步骤二；步骤七、对ATM频幕上方正对人脸摄像头采集的图像进行跟踪监测，判断用户是否消失，是，则执行步骤八，否，则返回步骤二；步骤八、判断在一定时间内是否有取卡动作，是，则执行步骤九，否，则返回步骤二；步骤九、进行安全报警。

[0006] 作为优选，所述步骤一中初始化的具体参数包括：

[0007] A、设置ATM机屏幕上方正对人脸摄像头的通道为1，设置ATM机读卡器上方的摄像头的通道为2，并设置该两个通道的图像分辨率，设置视频帧率，设定取视频帧图像的左下角为原点；

[0008] B、设置人脸皮肤团块的像素个数阈值，设置人脸皮肤团块的宽高比阈值，设置人脸皮肤团块与视频宽度比例，设置换卡时间间隔，设置运动差分灰度阈值，运动差分团块的像素个数阈值，运动团块的宽度范围，设置用户切换的帧计数器初始化值。

[0009] 作为优选，所述步骤二为从视频通道1和2各采集一帧视频图像。

[0010] 作为优选，判断用户是否出现的具体方法为：皮肤最大团块参数是否同时满足大于等于设定的人脸皮肤团块的像素个数阈值、人脸皮肤团块的宽高比阈值及人脸皮肤团块与视频宽度比例。

[0011] 作为优选，判断用户是否开始使用读卡器的具体方法为：采用运动差分灰度阈值分割出来的运动差分团块的像素个数是否大于设定的团块阈值，且在设定的运动团块的宽度范围内。

[0012] 作为优选，判断运动目标为插卡动作或取卡动作的具体方法为：当运动目标行为监测检测到有运动团块并且是向上运动，逐渐靠近读卡器插卡口，则认为是插卡动作；当检测到有运动团块，并且是由读卡器口向下，逐渐远离读卡器插卡口，则认为是取卡动作。

[0013] 作为优选，判断用户消失的具体方法为：跟踪人脸皮肤团块，判断用户人脸是否是从左侧消失，人脸皮肤团块的中心坐标变化满足x坐标越来越小，从高于160变化到30附近后消失，y坐标越来越小，由大于120变化到30附近后消失，满足这两个条件则认为人脸从屏幕左侧消失。

[0014] 作为优选，所述两个通道的分辨率设置为320*240。

[0015] 作为优选，设置视频帧率为30帧/秒，设置用户切换的帧计数器初始化值为100。

[0016] 作为优选，设置人脸皮肤团块的像素个数阈值为2000，运动差分团块的像素个数阈值为300，运动团块的宽度范围为50-80。

[0017] 作为优选，设置人脸皮肤团块的宽高比阈值为0.7。

[0018] 作为优选，设置人脸皮肤团块与视频宽度比例为1︰6。

[0019] 作为优选，设置换卡时间间隔为3秒。

[0020] 作为优选，设置运动差分灰度阈值为30。

[0021] 作为优选，所述步骤八中，判断取卡动作是否在设定时间内的具体方法为：从判断用户消失时刻帧计数器开始计数，若在0到90之内，则执行步骤九，若超出90，则不报警，并且初始化到100。

[0022] 作为优选，采用mean-shift算法实现对人脸皮肤团块的跟踪。

[0023] 作为优选，采用帧间差分算法实现对读卡器上的运动目标行为监测。

[0024] 与现有技术相比，本发明的有益效果是：将调包行为发生的多通道数据进行特征提取，并进行行为关联融合，实现银行卡调包行为监测并及时报警提示功能，从而避免银行卡被调包的安全事件的发生。该方法的监测具有一定的鲁棒性，对银行卡调包行为针对性强，误报率低。

附图说明

[0025] 图1为本发明其中一实施例的方法流程图。

具体实施方式

[0026] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

[0027] 本说明书中公开的所有特征，除了互相排除的特征以外，均可以以任何方式组合。

[0028] 本说明书（包括任何附加权利要求、摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

[0029] 本发明技术方案是基于视频图像处理技术与信息融合技术实现银行卡调包行为监测方法。该方法是在CCD模拟视频摄像头采集信号下进行的数据处理与分析过程。所用到的通道数据是指传统的模拟视频采集设备所输出的信号，其中要求视频采集设备安装在ATM客户操作人的正前方，具体以正对人脸为最佳效果，另外还需要安装一台视频采集设备用于获取读卡器区域的实时数据。

[0030] 如图1所示，一种ATM银行卡调包行为监测方法，其具体方法步骤为：步骤一、初始化系统参数；步骤二、从ATM机屏幕上方正对人脸摄像头视频通道采集视频图像；步骤三、对采集的图像进行皮肤分割监测；步骤四、判断是否有用户出现，是，则执行步骤五，否，则返回步骤二；步骤五、对ATM读卡器上方摄像头采集的图像进行运动目标监测，判断用户是否开始使用读卡器，是，则执行步骤六，否，则返回步骤二；步骤六、对运动目标进行行为监测，判断运动目标为插卡动作还是取卡动作，若为插卡动作，则执行步骤七，若为取卡动作，则返回步骤二；步骤七、对ATM屏幕上方正对人脸摄像头采集的图像进行跟踪监测，判断用户是否消失，是，则执行步骤八，否，则返回步骤二；步骤八、判断在设定时间内是否有取卡动作，是，则执行步骤九，否，则返回步骤二；步骤九、进行安全报警。

[0031] 所述步骤一中初始化的具体参数包括：

[0032] A、设置ATM机屏幕上方正对人脸摄像头的通道为1，设置ATM机读卡器上方的摄像头的通道为2，并设置该两个通道的图像分辨率，设置视频帧率，设定取视频帧图像的左下角为原点；

[0033] B、设置人脸皮肤团块的像素个数阈值，设置人脸皮肤团块的宽高比阈值，设置人脸皮肤团块与视频宽度比例，设置换卡时间间隔，设置运动差分灰度阈值，运动差分团块的像素个数阈值，运动团块的宽度范围，设置用户切换的帧计数器初始化值。

[0034] 通道1和2 是同时取视频帧图像的。

[0035] 以像素为单位设定运动团块面积大小，以秒为单位设定换卡间隔时间。

[0036] 在本具体实施例中，使用的是RGB三通道的彩色视频图像。

[0037] 所述步骤二为从视频通道1和2各采集一帧视频图像。采集视频帧主要是借助采集卡提供的开发包，直接从帧容器中读取帧数据即可。

[0038] 判断用户是否出现的具体方法为：对视频通道1中的图像进行RGB模型的皮肤分割检测，皮肤最大团块参数是否同时满足大于等于设定的人脸皮肤团块的像素个数阈值、人脸皮肤团块的宽高比阈值及人脸皮肤团块与视频宽度比例。如果三者均为是，则认为有用户到达ATM机前，人脸正对屏幕准备操作，否，则认为ATM为空闲状态。

[0039] 判断用户是否开始使用读卡器的具体方法为：采用运动差分灰度阈值分割出来的运动差分团块的像素个数是否大于设定的团块阈值，且在设定的运动团块的宽度范围内。如果均为是，则认为有用户开始使用读卡器。

[0040] 判断运动目标为插卡动作或取卡动作的具体方法为：当运动目标行为监测检测到有运动团块并且是向上运动，逐渐靠近读卡器插卡口，则认为是插卡动作；当检测到有运动团块，并且是由读卡器口向下，逐渐远离读卡器插卡口，则认为是取卡动作。

[0041] 判断用户消失的具体方法为：跟踪人脸皮肤团块，判断用户人脸是否是从左侧消失，人脸皮肤团块的中心坐标变化满足x坐标越来越小，从高于160变化到30附近后消失，y坐标越来越小，由大于120变化到30附近后消失，满足这两个条件则认为人脸从屏幕左侧消失。

[0042] 所述两个通道的分辨率设置为320*240。分辨率太大不方便计算，太小则难于识别。为了便于调试以及方法的有效计算，需要将所得的视频数据进行标准化采样处理，即初始化为320*240大小的图像。

[0043] 视频速率越快，对运动目标的抓取越准确，设置视频帧率为30帧/秒。

[0044] 根据摄像头安装、镜头焦距和摄像头分辨率，在本具体实施例中，设置人脸皮肤团块的像素个数阈值为2000，运动差分团块的像素个数阈值为300，运动团块的宽度范围为50-80。

[0045] 设置人脸皮肤团块的宽高比阈值为0.7。人脸皮肤团块的宽高比阈值设置后可以剔除一些非人脸的皮肤团块，比如说裸露的胳膊，便于识别计算。

[0046] 设置人脸皮肤团块与视频宽度比例为1︰6。此比例的设置有利于正确判断用户距离屏幕的远近。太远了，不是正在使用ATM机的用户。

[0047] 设置换卡时间间隔为3秒，帧计数器初始化值为100。一般调包银行卡，也就是取银行卡的时间非常短，一旦吸引用户A的注意力成功后，犯罪分子立刻会取出用户A的卡，这个时间是非常短的，因此我们这里设置换卡时间间隔为3秒，也可根据实际情况进行具体设置。帧计数器初始化值需要大于设定的报警时间*帧速 这样才会在A用户从左侧离开，正常排队的其他用户D 来插卡前不会产生错误的报警。有取卡情况时 检查计数器的值 从0到90之间就报警，否则就不报警 并初始化到100 防止下次检测时不启动该报警。

[0048] 设置运动差分灰度阈值为30。该阈值越小对运动检测越灵敏。

[0049] 所述步骤八中，判断取卡动作是否在设定时间内的具体方法为：从判断用户消失时刻帧计数器开始计数，若小于90，则执行步骤九，若大于等于90，则不报警，并且初始化到100。

[0050] 考虑到用户切换的问题，帧计数器如果等于初始值，则清零，否则自增一，继续数到初始值。用户切换的帧计数器中的额数值是否小于设定的用户切换时间*帧率，如果小于，则启动报警信息输出，否则不启动报警信息输出。

[0051] 利用mean-shift算法实现对人脸皮肤团块的跟踪。采用现有的mean-shift算法进行已经分割出的皮肤团块跟踪，记录下来其中心的移动轨迹。由皮肤团块跟踪算法记录下来的人脸皮肤团块中心位置记录，判断用户人脸是否从屏幕的左侧消失。

[0052] 皮肤团块跟踪主要采用求中心位置的思路(mean-shift算法)来实现，具体是求得每帧图像中最大面积的皮肤团块的中心位置，以此点为人脸皮肤的中心，记录下来，并和前一帧的人脸皮肤团块中心位置相比较，计算出相对位移，当视频帧中跟踪不到人脸皮肤团块时，计算前一次跟踪过程中的人脸移动过程，如果前一次人脸皮肤团块的水平移动过程由右向左，并且垂直移动由上到下，即认为该用户从ATM机左侧离开了正常操作位置，如果前一次人脸皮肤团块的水平移动过程由左向右，认为该用户从ATM机右侧离开正常操作位置。

[0053] 人脸皮肤团块的颜色比较单一，容易用RGB分割，监控人脸的视频中运动目标可能会很多 ，会有运动目标叠加的情况 例如 用户A挡住了用户C 而用户A被用户B吸引开了以后，也就是用户A离开视频后，后面的C还可以在视频图像中运动,这就对这种遮挡型的多运动目标难以区分，难以检测出A是否运动离开视频。

[0054] 利用帧间差分算法实现对读卡器上的运动目标行为监测。利用帧间差分灰度阈值参数进行运动团块的分割，并对分割出的目标团块进行分析。

[0055] 读卡器区域的运动目标监测采用的是经典的帧间差分的方法来实现，其帧间差分的值满足初始化参数设定阈值为有效，此外运动目标的像素大小也需满足初始化参数中设定的团块面积大小，这是判定有无运动目标的关键所在，在具体实施过程中只需要根据读卡器的像素大小设定运动目标团块面积大于手指的像素个数即可。读卡器区域的插卡和退卡操作可以通过运动目标的方向来监测，用户插卡时，银行卡在读卡器口的运动方向向上，反之，读卡器退卡时，银行卡从读卡器中退出来的运动方向向下。

[0056] 在不存在运动目标重叠的情况下，帧间算法相对于mean-shift算法可以减少运算量，因此，我们在对运动目标行为进行监测时，采用帧间算法。