《一種異物檢測方法及系統》是廣州廣電運通金融電子股份有限公司於2009年6月12日申請的發明專利，該專利的申請號為2009100401970，公布號為CN101576960，公布日為2009年11月11日，發明人是羅攀峰、唐鍵、謝文超、劉志梧，該專利涉及監控技術領域。
《一種異物檢測方法及系統》包括：對檢測區域進行攝像，獲取所述檢測區域的圖像數據；根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值；將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定所述檢測區域中是否存在異物。採用該發明實施例，通過對檢測區域的視頻圖像進行處理，可實時地準確地檢測出現場變化。
2014年11月6日，《一種異物檢測方法及系統》獲得第十六屆中國專利優秀獎。
（概述圖為《一種異物檢測方法及系統》摘要附圖）
基本介紹
- 中文名：一種異物檢測方法及系統
- 公布號：CN101576960
- 公布日：2009年11月11日
- 申請號：2009100401970
- 申請日：2009年6月12日
- 申請人：廣州廣電運通金融電子股份有限公司
- 地址：廣東省廣州市黃埔大道西平雲路163號
- 發明人：羅攀峰、唐鍵、謝文超、劉志梧
- 分類號：G06K9/64（2006.01）I、G06T7/00（2006.01）I、G07F9/00（2006.01）I
- 代理機構：廣州三環專利代理有限公司
- 類別：發明專利
- 代理人：郝傳鑫
專利背景,發明內容,專利目的,技術方案,有益效果,附圖說明,權利要求,實施方式,榮譽表彰,
專利背景
隨著自動櫃員機（ATM，Automatic Teller Machine）在各商業銀行、郵政儲蓄的大量投入使用，在方便了儲戶快捷存取款的同時，也伴隨了日益增多的ATM糾紛案件及ATM金融犯罪。如何保證ATM機的運行安全，防止ATM機被故意破壞、防止利用ATM機進行詐欺，有效保護銀行和儲戶的利益，成為當今金融領域亟待解決的問題。
為保護銀行ATM的安全使用，防範各種針對ATM的犯罪問題，ATM加裝監控系統已經勢在必行。傳統的ATM監控系統通過攝像頭監控ATM機及周圍的場景，錄製監控視頻，並通過網路將視頻圖像傳輸給監控中心，監控中心保存ATM機的視頻圖像。2009年6月前已有ATM監控系統可以防止或監控犯罪分子使用盜用、偽造、變造的銀行卡在ATM機上非法交易、支取現金，防止或監控ATM機被犯罪分子蓄意敲打或破壞，為事後的公安機關的取證提供依據。
發明人在實施該發明的過程中，發現上述2009年6月前已有ATM監控系統存在如下缺點：
ATM監控系統主要是將監控視頻錄製下來，通過視頻進行事後取證，排解糾紛。雖然ATM監控系統在一定程度上保證了ATM機的安全操作，但存在著僅能提供事後取證的缺陷，因此會耽誤了解決事件的最佳機會。並且事後取證費時費力，即使能夠找到犯罪證據，但有可能所造成的損失已無可挽回。
發明內容
專利目的
《一種異物檢測方法及系統》實施例提出了一種異物檢測方法及系統，通過對檢測區域的視頻圖像進行處理，可實時地準確地檢測出現場變化。
技術方案
該發明包括：對檢測區域進行攝像，獲取所述檢測區域的圖像數據；根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值；將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定所述檢測區域中是否存在異物；其中，L大於或大於等於1；所述根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值，具體包括：根據所述圖像的各個像素點的R值、G值及B值之間的大小關係，確定各個像素點的主色及色深信息；對主色分別為R、G、B的像素點個數進行統計，並對主色分別為R、G、B的所有像素點的色深值進行累加，得出所述圖像的特徵值M[R（NR，DR），G（NG，DG），B（NB，DB）]，其中：NR表示主色為R的像素個數，DR表示主色為R的所有像素的色深累加值；NG表示主色為G的像素個數，DG表示主色為G的所有像素的色深累加值；NB表示主色為B的像素個數，DB表示主色為B的所有像素的色深累加值；NR+NG+NB=N，N為所述圖像的像素總數。
相應地，該發明還提供了一種異物檢測系統，包括：圖像獲取模組，用於對檢測區域進行攝像，獲取所述檢測區域的圖像數據；特徵值計算模組，用於根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值；比較處理模組，用於將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定所述檢測區域中是否存在異物；其中，L大於或大於等於1；所述根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值，具體包括：根據所述圖像的各個像素點的R值、G值及B值之間的大小關係，確定各個像素點的主色及色深信息；對主色分別為R、G、B的像素點個數進行統計，並對主色分別為R、G、B的所有像素點的色深值進行累加，得出所述圖像的特徵值M[R（NR，DR），G（NG，DG），B（NB，DB）]，其中：NR表示主色為R的像素個數，DR表示主色為R的所有像素的色深累加值；NG表示主色為G的像素個數，DG表示主色為G的所有像素的色深累加值；NB表示主色為B的像素個數，DB表示主色為B的所有像素的色深累加值；NR+NG+NB=N，N為所述圖像的像素總數。
有益效果
該發明實施例提供的異物檢測方法及系統，通過攝像獲取檢測區域的圖像數據，根據該圖像的各個像素點的主色及色深信息計算出圖像的特徵值，並將圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據比較結果確定檢測區域的異物情況，可實時地準確地檢測出現場變化。該發明實施例應於自動櫃員機中，可防範在自動櫃員機上安裝異物的犯罪行為，避免用戶或銀行的利益受到損失。
附圖說明
圖1是該發明提供的異物檢測方法的第一實施例的流程示意圖；
圖2是該發明提供的異物檢測方法的第二實施例的流程示意圖；
圖3是該發明提供的異物檢測系統的一個實施例的結構示意圖；
圖4是如圖3所示的特徵計算模組的結構示意圖；
圖5是如圖3所示的比較處理模組的第一實施例的結構示意圖；
圖6是如圖3所示的比較處理模組的第二實施例的結構示意圖。
權利要求
1、一種異物檢測方法，其特徵在於，包括：對檢測區域進行攝像，獲取所述檢測區域的圖像數據；根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值；將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定所述檢測區域中是否存在異物；其中，L大於或大於等於1；所述根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值，具體包括：根據所述圖像的各個像素點的R值、G值及B值之間的大小關係，確定各個像素點的主色及色深信息；對主色分別為R、G、B的像素點個數進行統計，並對主色分別為R、G、B的所有像素點的色深值進行累加，得出所述圖像的特徵值M[R（NR，DR），G（NG，DG），B（NB，DB）]，其中：NR表示主色為R的像素個數，DR表示主色為R的所有像素的色深累加值；NG表示主色為G的像素個數，DG表示主色為G的所有像素的色深累加值；NB表示主色為B的像素個數，DB表示主色為B的所有像素的色深累加值；NR+NG+NB=N，N為所述圖像的像素總數。
2、如權利要求1所述的異物檢測方法，其特徵在於，所述將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定所述檢測區域中是否存在異物，具體包括：將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，計算獲得第一差異率；判斷所述第一差異率是否超過第一閾值，若是，則確定所述檢測區域中存在異物。
3、如權利要求2所述的異物檢測方法，其特徵在於，在所述根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值的步驟之後，還包括：將所述圖像的特徵值與對應的符合氣象變化規律的圖像基準值進行差異比較，計算獲得第二差異率；判斷所述第二差異率是否超過第二閾值，若是，則確定所述檢測區域中存在異物。
4、如權利要求3所述的異物檢測方法，其特徵在於，若所述第一差異率未超過第一閾值，且所述第二差異率未超過第二閾值，則確定所述檢測區域中未存在異物。
5、一種異物檢測系統，其特徵在於，包括：圖像獲取模組，用於對檢測區域進行攝像，獲取所述檢測區域的圖像數據；特徵值計算模組，用於根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值；比較處理模組，用於將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定所述檢測區域中是否存在異物；其中，L大於或大於等於1；所述特徵值計算模組，根據所述圖像的各個像素點的R值、G值及B值之間的大小關係，確定各個像素點的主色及色深信息；對主色分別為R、G、B的像素點個數進行統計，並對主色分別為R、G、B的所有像素點的色深值進行累加，得出所述圖像的特徵值M[R（NR，DR），G（NG，DG），B（NB，DB）]，其中：NR表示主色為R的像素個數，DR表示主色為R的所有像素的色深累加值；NG表示主色為G的像素個數，DG表示主色為G的所有像素的色深累加值；NB表示主色為B的像素個數，DB表示主色為B的所有像素的色深累加值；NR+NG+NB=N，N為所述圖像的像素總數。
6、如權利要求5所述的異物檢測系統，其特徵在於，所述比較處理模組具體包括：第一比較單元，用於將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，計算獲得第一差異率；第一決策單元，用於判斷所述第一差異率是否超過第一閾值，若是，則確定所述檢測區域中存在異物。
7、如權利要求6所述的異物檢測系統，其特徵在於，所述處理模組進一步包括：第二比較單元，用於將所述圖像的特徵值與對應的符合氣象變化規律的圖像基準值進行差異比較，計算獲得第二差異率；第二決策單元，用於判斷所述第二差異率是否超過第二閾值，若是，則確定所述檢測區域中存在異物。
8、如權利要求7所述的異物檢測系統，其特徵在於，所述處理模組進一步包括：第三決策單元，用於在所述第一差異率未超過第一閾值，且所述第二差異率未超過第二閾值時，確定所述檢測區域中未存在異物。
實施方式
參見圖1，是該發明提供的異物檢測方法的第一實施例的流程示意圖，該方法具體包括以下步驟：
S100，對檢測區域進行攝像，獲取所述檢測區域的圖像數據；
S101，根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值；
S102，將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定所述檢測區域中是否存在異物。其中，L≥1。
具體的，上述步驟S101中，圖像特徵值的計算方法如下：
通過對圖像數據進行處理，獲得該圖像的各個像素點的RGB（紅綠藍）值；根據各個像素點的R（紅）值、G（綠）值及B（藍）值三者之間的大小關係，確定各個像素點的主色及色深信息，如下：當R＞G，R＞B時，主色為R，色深為R/256；當G＞R，G＞B時，主色為G，色深為G/256；當B＞R，B＞G時，主色為B，色深為B/256；當R＝G＝B時，主色為R，色深為R/256；當R＝G＞B時，主色為R，色深為R/256；當R＝B＞G時，主色為R，色深為R/256；當G＝B＞R時，主色為G，色深為G/256；其中，R、G、B分別代表該像素點的R值、G值、B值。通過上述的算法處理，可確定各個像素點的主色及色深信息。
進一步的，根據圖像的所有像素點的主色及色深信息，對主色分別為R、G、B的像素點個數進行統計，並對主色分別為R、G、B的所有像素點的色深值進行累加，得出與該圖像相關的數據項：R（NR，DR），G（NG，DG），B（NB，DB）；其中：NR表示主色為R的像素個數，DR表示主色為R的所有像素的色深累加值；NG表示主色為G的像素個數，DG表示主色為G的所有像素的色深累加值；NB表示主色為B的像素個數，DB表示主色為B的所有像素的色深累加值。
用數據項M[R（NR，DR），G（NG，DG），B（NB，DB）]描述一幅圖像，其中，NR+NG+NB＝N（N為圖像的像素總數），該數據項即為圖像的特徵值。
上述步驟S102中，將圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定檢測區域的異物情況的方法，為短期比較方法。短期比較方法可及時迅速地檢測出現場變化，適用於環境變化影響較小，適用時實時性要求非常高的環境。
短期比較方法採用滑動視窗技術處理數據項，將最新的視頻圖像的特徵值，同前面的圖像集合的特徵值的均值進行差異比較，如果差異率超過了閾值，則說明現場發生了變化，檢測區域中存在異物。
具體的，滑動視窗技術如下：定義視窗長度為L，在工作過程中，不斷接收已確認的正常圖像的特徵值數據項，當累計到L幅圖像時，則對該L幅圖像的特徵值進行平均值計算，獲得均值數據項。當接收到第（L+1）幅圖像時，將該圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，若確定該第（L+1）幅圖像為正常圖像時，則將該第（L+1）幅圖像的特徵值數據項加入視窗中，並去除第1幅圖像，即此時視窗包含第2～（L+1）幅圖像的特徵值數據項。當獲得第（L+2）幅圖像的特徵值時，則將該圖像的特徵值與視窗中的第2～（L+1）幅圖像的特徵值的均值進行差異比較，若確定第（L+2）幅圖像為正常圖像，則將該第（L+2）幅圖像的特徵值數據項加入視窗中，並刪掉第2幅圖像，即此時視窗包含第3～（L+2）幅圖像的特徵值數據項。依次類推，每一幅圖像的比較基值均為前L幅圖像的特徵值的均值。
進一步的，短期比較方法通過將當前圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，計算獲得兩者的差異率，該差異率為第一差異率。判斷所述第一差異率是否超過第一閾值，若是，則確定所述檢測區域中存在異物。下面通過舉例進行詳細說明，如下：
當前獲得的圖像的特徵值數據項M′如下：M′[R′（NR′，DR′），G（NG′，DG′），B（NB′，DB′）]。
前L幅圖像的特徵值的均值數據項M，如下：M[R（NR，DR），G（NG，DG），B（NB，DB）]。
根據特徵值數據項M′及均值數據項M進行計算，獲得第一差異率。具體的，該第一差異率包括主色分別為R、G、B的像素個數的差異率：[（NR′-NR）/NR]、[（NG′-NG）/NG]、[（NB′-NB）/NB]；以及主色分別為R、G、B的所有像素的色深累加值的差異率：[（DR′-DR）/DR]、[（DG′-DG）/DG]、[（DB′-DB）/DB]。
其中，第一閾值的大小可根據實際需要進行設定，下面僅以定義第一閾值為10％為例進行說明。判斷第一差異率是否超過第一閾值，即判斷兩者的大小關係是否滿足以下條件：（NR′-NR）/NR≤10％；（DR′-DR）/DR≤10％；（NG′-NG）/NG≤10％；（DG′-DG）/DG≤10％；（NB′-NB）/NB≤10％；（DB′-DB）/DB≤10％；若上述的任一項判斷返回錯誤，則確定當前圖像為非正常圖像，即檢測區域中存在異物。若上述六項均驗證通過，則確定當前圖像為正常圖像，即檢測區域中不存在異物。
該發明實施例提供的異物檢測方法，通過攝像獲取檢測區域的圖像數據，根據該圖像的各個像素點的主色及色深信息計算出圖像的特徵值，並將圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據比較結果確定檢測區域的異物情況，可實時地準確地檢測出現場變化。
參見圖2，是該發明提供的異物檢測方法的第二實施例的流程示意圖。
與上述的第一實施例相比，該發明第二實施例是在短期比較方法的基礎上，同時結合了長期比較方法來進行異物檢測。
如圖2所示，該發明第二實施例具體包括以下步驟：
S200，對檢測區域進行攝像，獲取所述檢測區域的圖像數據；
S201，根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值；其中，該步驟的圖像特徵值的計算方法，與上述的第一實施例相同；
S202，將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，計算出第一差異率；
S203，將所述圖像的特徵值與對應的符合氣象變化規律的圖像基準值進行差異比較，計算出第二差異率；
S204，根據第一差異率及第二差異率確定檢測區域中是否存在異物。
該發明第二實施例，通過對檢測區域進行攝像以獲取圖像數據，並同時採用短期比較方法及長期比較方法對圖像數據進行處理，並綜合考慮短期比較結果及長期比較結果對異物情況作出決策，以降低異物誤報率，達到高度識別的目的。
其中，步驟S202為短期比較方法，與上述的第一實施例相同，所述將當前圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較的方法，同樣是採用滑動視窗技術，在此不再贅述。
步驟S203為長期比較方法，由於在實際的套用場景中，若檢測區域處於亮度不斷變化的戶外環境中，則所獲取的檢測區域的圖像亮度將會隨著環境亮度的變化而變化。長期比較方法通過判斷當前檢測期的圖像特徵值是否符合氣象變化規律，從而確定異物情況，可進一步提高異物檢測的準確性。
氣象變化規律是指每天的光強變化規律，通過對特定時間段的圖像特徵值進行統計分析，可獲得氣象變化規律函式。具體的，一天當中的光強變化規律近似於正弦函式，從上午時間T1到中午時間T2，光線漸漸變強，而到了晚上時間T3，光線漸漸變弱。在時間T2獲得的圖像的特徵值，與T1～T2時間段內不斷獲取的圖像特徵值的均值相比，NR、NG、NB三項變化不大，而DR、DG、DB三項的值則要大一些。在時間T3獲得的圖像特徵值，與T2～T3時間段內獲取的圖像特徵值的均值相比，DR、DG、DB三項的值要小一些。圖像的NR、NG、NB三項的值可以在一定程度上反映了圖像的亮度變化。同理，一年當中的光強變化規律也是近似於正弦函式，在同一時間，夏天的圖像亮度要比春天的高些，冬天的圖形亮度要比秋天的低些。因此，通過攝像獲取檢測區域的圖像數據，並對特定時間段的圖像特徵值進行統計分析，可確定正弦函式的最高點光強、定點時間，從而總結出氣象變化規律函式，根據該氣象變化規律函式進行計算，可得出各個時間段的符合氣象變化規律的圖像基準值。進一步的，在工作過程中，通過記錄特定時間段的圖像數據，在一個周期（一天或一年）結束時，對該特定時間段的圖像數據進行處理，例如，可將當前周期的圖像數據項與前N個周期的圖像數據項進行平均值計算，將均值作為新的規律數據項，以修正氣象變化規律函式，使其符合當地的光強變化規律。
在步驟S203中，與當前圖像的特徵值進行比較的圖像基準值可通過氣象變化規律函式計算獲得的。在具體實施當中，可以在每天的特定時刻觸發基準值計算程式，根據氣象變化規律函式進行計算，獲得當天的各個時間段的圖像基準值，形成基準值列表，次日再使用新的計算結果刷新基準值列表。則在步驟S203中，可根據當前圖像的攝像時間段，從基準值列表中讀取對應的圖像基準值進行差異比較，計算出兩者的差異率，即第二差異率。
在步驟S204中，根據第一差異率及第二差異率確定檢測區域中是否存在異物的方法，具體包括：判斷所述第一差異率是否超過第一閾值，若是，則確定所述檢測區域中存在異物；判斷所述第二差異率是否超過第二閾值，若是，則確定所述檢測區域中存在異物；若所述第一差異率未超過第一閾值，且所述第二差異率未超過第二閾值，則確定所述檢測區域中未存在異物。在具體實施當中，第一閾值及第二閾值的大小可以根據實際情況進行設定。
需要說明的是，步驟S202、S203中的第一差異率及第二差異的計算方法，以及步驟S204中差異率與閾值的比較方法，均與上述的第一實施相同，在此不再贅述。
上述步驟S204異物決策方法，設定第一閾值及第二閾值作為差異率的比較基值，其僅為該發明的其中一個實施例。在該發明還可以根據實際套用要求的敏感度，適當設定緩衝閾值。具體的，設定閾值E1、E2以及閾值L1、L2，其中，E1＜E2；L1＜L2。設在短期比較步驟中獲得第一差異率為X，在長期比較步驟中獲得第二差異率為Y，則該實施例的異物決策方法為：若X≥E2，則返回異物信息；若Y≥L2，則返回異物信息；若E1＜X＜E2，且L1＜Y＜L2，則返回異物信息；若E1＜X＜E2，且Y＜L1，則不返回異物信息；若L1＜Y＜L2，且X＜E1，則不返回異物信息；若X＜E1且Y＜L1，則不返回異物信息。
進一步的，為了禁止突發強光、瞬間遮擋等干擾，在該發明實施例在長期比較步驟中，若當前所獲取的圖像特徵值與對應的符合氣象變化規律的圖像基準值相比，兩者的差異率足夠大並已超過設定的閾值，則拋棄當前所獲取的圖像，並開始計時，如果超出規定時間（例如，可設定為3秒或5秒），所獲取的新的圖像仍是這種情況，則發出報警信號。例如，在突發強光時，所獲取的圖像大部分像素的R值、G值、B值均等於255，由圖像特徵值的計算方法可知，大部分像素點的主色為R，導致NR值大，此時，將該圖像的特徵值與對應的圖像基準值進行差異比較，主色為R的像素個數差異率偏大，因此，對該圖像進行禁止處理，並記錄時間。同理，當攝像頭被紅色、黑色或者藍色之類的不透明物體遮蓋時，當前所獲取的圖像為簡單的單色光，則對該類圖像進行禁止處理並開始記錄時間。因此，突發強光、瞬間遮擋等干擾不會影響該發明實施例的圖片處理過程。更為具體的，若該發明實施例套用於ATM中，則對正常交易遮擋的處理方式為：將ATM正常交易時間內所攝取的圖像與非交易時間攝取的圖像分開保存，不對正常交易時間內所攝取的圖像進行處理。
該發明實施例提供的異物檢測方法，通過攝像獲取檢測區域的圖像數據，根據該圖像的各個像素點的主色及色深信息計算出圖像的特徵值，並將圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，並且進一步判斷當前圖像的特徵值是否符合氣象變化規律，可準確地實時地判斷出異物情況，並能夠禁止突發強光、瞬間遮擋、正常交易遮擋等干擾，適用於可靠性高的環境。
參見圖3，是該發明提供的異物檢測系統的一個實施例的結構示意圖，該異物檢測系統能夠用於實現上述異物檢測方法中的步驟。
如圖3所示，該異物檢測系統具體包括：圖像獲取模組1、特徵值計算模組2及比較處理模組3，其中：
圖像獲取模組1，用於對檢測區域進行攝像，獲取所述檢測區域的圖像數據；
特徵值計算模組2，用於根據所述圖像的各個像素點的主色及色深信息進行統計，計算出所述圖像的特徵值；
比較處理模組3，用於將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據兩者的差異率確定所述檢測區域中是否存在異物。
具體的，如圖4所示，所述特徵值計算模組2進一步包括：主色及色深確定單元20、特徵值獲取單元21，其中：
主色及色深確定單元20，用於根據所述圖像的各個像素點的R值、G值及B值之間的大小關係，確定各個像素點的主色及色深信息；
特徵值獲取單元21，用於對所述圖像的所有像素點的主色及色深信息進行累加統計，獲得所述圖像的特徵值。
如圖5所示，該發明的異物檢測系統的第一實施例中，所述比較處理模組3具體包括：第一比較單元30、第一決策單元31，其中：
第一比較單元30，用於將所述圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，計算獲得第一差異率，其中，L大於或等於1；
第一決策單元31，用於判斷所述第一差異率是否超過第一閾值，若是，則確定所述檢測區域中存在異物。
該發明實施例提供的異物檢測系統，通過攝像獲取檢測區域的圖像數據，根據該圖像的各個像素點的主色及色深信息計算出圖像的特徵值，並將圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，根據比較結果確定檢測區域的異物情況，可實時地準確地檢測出現場變化。
在該發明提供的異物檢測系統的第二實施例中，進一步判斷當前圖像的特徵值是否符合氣象變化規律，可以準確地判斷檢測區域中是否存在異物，並能夠禁止突發強光、瞬間遮擋、正常交易遮擋等干擾。如圖6所示，所述比較處理模組3還進一步包括：第二比較單元32、第二決策單元33、第三決策單元34，其中：
第二比較單元32，用於將所述圖像的特徵值與相應時間段的符合氣象變化規律的圖像基準值進行差異比較，計算獲得第二差異率；
第二決策單元33，用於判斷所述第二差異率是否超過第二閾值，若是，則確定所述檢測區域中存在異物。
第三決策單元34，用於在所述第一差異率未超過第一閾值，且所述第二差異率未超過第二閾值時，確定所述檢測區域中未存在異物。
需要說明的是，該發明實施例提供的異物檢測系統，能夠用於實現上述異物檢測方法實施例中的步驟，其具體的數據處理過程已在上述的異物檢測方法實施例中作了詳細的描述，在此不再贅述。
該發明實施例提供的異物檢測方法及系統，通過攝像獲取檢測區域的圖像數據，根據該圖像的各個像素點的主色及色深信息計算出圖像的特徵值，並將圖像的特徵值與前L幅圖像的特徵值的均值進行差異比較，並且進一步判斷當前圖像的特徵值是否符合氣象變化規律，可準確地實時地判斷出異物情況，並能夠禁止突發強光、瞬間遮擋、正常交易遮擋等干擾。
在具體實施當中，該發明實施例提供的異物檢測方法及系統可套用於ATM監控系統中，使用高性能攝像頭對ATM設備的關鍵部位（如ATM設備的面板、進卡口）進行攝像，通過對圖像數據進行決策分析，得出ATM設備的異物情況。進一步通過預定義的處理機制進行處理，如上報分析結果給監控中心，或者情況嚴重時直接驅動ATM設備停機等，可防範在ATM機上安裝異物的犯罪行為，及時地保護用戶或銀行的利益。
該領域普通技術人員可以理解實現上述實施例方法中的全部或部分流程，是可以通過電腦程式來指令相關的硬體來完成，所述的程式可存儲於一計算機可讀取存儲介質中，該程式在執行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質可為磁碟、光碟、唯讀存儲記憶體（Read-Only Memory，ROM）或隨機存儲記憶體（Random Access Memory，RAM）等。
榮譽表彰
2014年11月6日，《一種異物檢測方法及系統》獲得第十六屆中國專利優秀獎。
