一種異物檢測方法及系統的制作方法

專利名稱：一種異物檢測方法及系統的制作方法
技術領域：
本發明涉及監控-忮術領域，尤其涉及一種一見頻異物4企測方法及系統。
背景技術：
隨著自動拒員機(ATM, Automatic Teller Machine)在各商業4艮行、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積4皮故意 破壞、防止利用ATM機進行詐騙，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，防范各種針對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，錄制監控視頻，并通過網絡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。現有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，為事后的公安機關的取證提供依據。
發明人在實施本發明的過程中，發現上述現有的ATM監控系統存在如下缺
現有的ATM監控系統主要是將監控視頻錄制下來，通過視頻進行事后取證， 排解糾紛。雖然現有的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后取證的缺陷，因此會耽誤了解決事件的最佳機會。并且 事后取證費時費力，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
本發明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。本發明實施例提供一種異物檢測方法，該方法包括 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 的特征值；
將所述圖像的特征值與前L幅圖像的特征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。
相應地，本發明還提供了一種異物檢測系統，包括
圖像獲取模塊，用于對檢測區域進行攝像，獲取所述檢測區域的圖像數據；
特征值計算模塊，用于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征值；
比較處理模塊，用于將所述圖像的特征值與前L幅圖像的特征值的均值進 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。
實施本發明實施例，具有如下有益效果
本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征值，并將 圖像的特征值與前L幅圖像的特征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。本發明實施例應于自 動柜員機中，可防范在自動拒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。


為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施 例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述 中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付 出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。 圖1是本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是本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是本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所示的特征計算^^莫塊的結構示意圖； 圖5是如圖3所示的比較處理模塊的第一實施例的結構示意6圖6是如圖3所示的比較處理模塊的第二實施例的結構示意圖。
具體實施例方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清 楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是 全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有作出創造 性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
參見圖1,是本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
SIOO，對檢測區域進行攝像，獲取所迷檢測區域的圖像數據；
SlOl，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
述圖像的特征值；
S102,將所述圖像的特征值與前L幅圖像的特征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S10l中，圖像特征值的計算方法如下
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系， 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。通過上迷的算法 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，并對主色分別為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； Nc表示主色為G的像素個數，Dc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)]描述一幅困像， 其中，NR + NC + NB = N (N為圖像的像素總數)，該數據項即為圖像的特征值。 上述步驟S102中，將圖像的特征值與前L幅圖像的特征值的均值進行差異 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，適用于環境變化影響較小，適用 時實時性要求非常高的環境。
短期比較方法采用滑動窗口技術處理數據項，將最新的視頻圖像的特征值， 同前面的圖像集合的特征值的均值進行差異比較，如果差異率超過了闊值，則 說明現場發生了變化，檢測區域中存在異物。
具體的，滑動窗口技術如下定義窗口長度為L,在工作過程中，不斷接收 已確認的正常圖像的特征值數據項，當累計到L幅圖像時，則對該L幅圖像的 特征值進行平均值計算，獲得均值凝:據項。當接收到第(L+l)幅圖像時，將 該圖像的特征值與前L幅圖像的特征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 )幅圖像的特征值數據項加入窗口中， 并去除第l幅圖像，即此時窗口包含第2- (L+1 )幅圖像的特征值數據項。當 獲得第(L + 2)幅圖像的特征值時，則將該圖像的特征值與窗口中的第2 (L + 1)幅圖像的特征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)幅圖像的特征值數據項加入窗口中，并刪掉第2幅圖像， 即此時窗口包含第3 (L + 2)幅圖像的特征值數據項。依次類推，每一幅圖像 的比較基值均為前L幅圖像的特征值的均值。
進一步的，短期比較方法通過將當前圖像的特征值與前L幅圖像的特征值 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4亍if細"i兌明，々口下
當前獲得的圖像的特征值數據項M'如下
M' [ R' ( NR' ， DR' ), G (NG、 DG' )， B (IV , DB')]前L幅圖像的特征值的均值數據項M，如下 M[ R(Nr， Dr)， G(Ng， Dg), B(Nb, Db)]
根據特征值數據項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lt的差異率[(NR'-NR) /NR]、 [ (Nc/ - 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[(D/ - DR) /DR]、 [ (DG'-DG) /DG]、 [ (DB' - Db) /Db]。
其中，第一闞值的大小可根據實際需要進行設置，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 關系是否滿足以下條件
(Nr'-NR)/NR《10%
-DR)/DR< 10%
-Ng)/NG《10%
(DG'-DG)/DG《10%
-NB)/NB< 10%
(DB'-DB)/DB《10%
若上述的任一項判斷返回^"誤，則確定當前圖^^為非正常圖1象，即4僉測區 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。
本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征值，并將圖像的
特征值與前L幅圖像的特征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，是本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，本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;險測。
如圖2所示，本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
述圖像的特征值；其中，本步驟的圖像特征值的計算方法，與上述的第一實施例相同，在此不再贅述。
S202，將所述圖像的特征值與前L幅圖像的特征值的均值進行差異比較， 計算出第一差異率；
5203, 將所述圖像的特征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；
5204, 根據第一差異率及第二差異率確定^f僉測區域中是否存在異物。 本發明第二實施例，通過對檢測區域進行攝像以獲取圖像數據，并同時采
用短期比較方法及長期比較方法對圖像數據進行處理，并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 圖像的特征值與前L幅圖像的特征值的均值進行差異比較的方法，同樣是采用 滑動窗口技術，在此不再贅述。
步驟S203為長期比較方法，由于在實際的應用場景中，若檢測區域處于亮 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征值是否符合氣象 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征值 進行統計分析，可獲得氣象變化規律函數。具體的， 一天當中的光強變化規律 近似于正弦函數， >>人上午時間Tl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獲得的圖像的特征值，與T1 T2時間段內 不斷獲取的圖像特征值的均值相比，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獲得的圖像特征值，與T2 T3時間段內 獲取的圖像特征值的均值相比，DR、 Dg、 Db三項的值要'j、一些。困像的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于正弦函數，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，并對特定時間段的圖像特征值進行統計分析，可確定正弦函數的最高點 光強、定點時間，從而總結出氣象變化規律函數，根據該氣象變化規律函數進 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數，使其符合當地的光強變化規律。
在步驟S203中，與當前圖像的特征值進行比較的圖像基準值可通過氣象變 化規律函數計算獲得的。在具體實施當中，可以在每天的特定時刻觸發基準值 計算程序，根據氣象變化規律函數進行計算，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4企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閎值，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"i殳置。
需要^L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，設置第 一 閾值及第二閾值作為差異率的比較 基值，其僅為本發明的其中一個實施例。在本發明還可以根據實際應用要求的 敏感度，適當設置緩沖閾值。具體的，設置闞值E1、 E2以及閣值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，則本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，為了屏蔽突發強光、瞬間遮擋等干擾，在本發明實施例在長期 比較步驟中，若當前所獲取的圖像特征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并已超過設定的閾值，則拋棄當前所獲取的圖
ii像，并開始計時，如果超出規定時間(例如，可設置為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值均等于255，由圖像特征值的計算方法可知， 大部分像素點的主色為R,導致NR值大，此時，將該圖像的特征值與對應的圖 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 行屏蔽處理，并記錄時間。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，則對該類圖像進行屏蔽處 理并開始記錄時間。因此，突發強光、瞬間遮擋等干擾不會影響本發明實施例 的圖片處理過程。更為具體的，若本發明實施例應用于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。
本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征值，并將圖像的 特征值與前L幅圖像的特征值的均值進行差異比較，并且進一步判斷當前圖像 的特征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，并能夠屏 蔽突發強光、瞬間遮擋、正常交易遮擋等干擾，適用于可靠性高的環境。
參見圖3，是本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 物檢測系統能夠用于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^f莫塊l、特征值計算模塊 2及比較處理模塊3，其中
圖像獲取模塊1 ，用于對檢測區域進行攝像，獲取所述檢測區域的圖像數據；
特征值計算模塊2，用于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征值；
比較處理模塊3，用于將所述圖像的特征值與前L幅圖像的特征值的均值進 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，所述特征值計算模塊2進一步包括主色及色深確 定單元20、特征值獲取單元21,其中
主色及色深確定單元20，用于根據所述圖像的各個像素點的R值、G值及 B值之間的大小關系，確定各個像素點的主色及色深信息；
特征值獲取單元21，用于對所述圖像的所有像素點的主色及色深信息進行
12累加統計，獲得所述圖像的特征值。
如圖5所示，本發明的異物檢測系統的第一實施例中，所述比較處理模塊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,用于將所述圖像的特征值與前L幅圖像的特征值的均值 進行差異比較，計算獲得第一差異率，其中，L大于或等于l;
第一決策單元31，用于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。
本發明實施例提供的異物檢測系統，通過攝像獲取才全測區域的圖像數據， 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征值，并將圖像的 特征值與前L幅圖像的特征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。
在本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 征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，并能 夠屏蔽突發強光、瞬間遮擋、正常交易遮擋等干擾。如圖6所示，所述比較處 理模塊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，用于將所述圖像的特征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，用于判斷所述第二差異率是否超過第二闞^L，若是，則 確定所迷^r測區域中存在異物。
第三決策單元34，用于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，本發明實施例提供的異物檢測系統，能夠用于實現上述異 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。
本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征值，并將 圖像的特征值與前L幅圖像的特征值的均值進行差異比較，并且進一步判斷當 前圖像的特征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，并 能夠屏蔽突發強光、瞬間遮擋、正常交易遮擋等干擾。在具體實施當中，本發明實施例提供的異物檢測方法及系統可應用于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，可防范在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。
是可以通過計算機程序來指令相關的硬件來完成，所迷的程序可存儲于一計算 機可讀取存儲介質中，該程序在執行時，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、光盤、只讀存儲記憶體(Read-OnlyMemory, ROM)或隨機存儲記憶體(Random Access Memory, RAM)等。
以上所述是本發明的優選實施方式，應當指出，對于本技術領域的普通技 術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這 些改進和潤飾也視為本發明的保護范圍。
權利要求
1、一種異物檢測方法，其特征在于，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征值；將所述圖像的特征值與前L幅圖像的特征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。
2、 如權利要求1所述的異物檢測方法，其特征在于，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征值，具體包括根據所述圖像的各個像素點的R值、G值及B值之間的大小關系，確定各 個像素點的主色及色深信息；對所述圖像的所有像素點的主色及色深信息進行統計，計算出所述圖像的 特征值。
3、 如權利要求1或2所述的異物檢測方法，其特征在于，所述將所述圖像 的特征值與前L幅圖像的特征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征值與前L幅圖像的特征值的均值進行差異比較，計算獲 得第一差異率，其中，L大于或等于l;判斷所述第一差異率是否超過第一閾值，若是，則確定所述4企測區域中存 在異物。
4、 如權利要求3所述的異物檢測方法，其特征在于，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征值的步驟之 后，還包括將所述圖像的特征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。
5、 如權利要求4所述的異物檢測方法，其特征在于，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^r測區域中未 存在異物。
6、 一種異物檢測系統，其特征在于，包括圖像獲取模塊，用于對檢測區域進行攝像，獲取所述檢測區域的圖像數據； 特征值計算模塊，用于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征值；比較處理模塊，用于將所述圖像的特征值與前L幅圖像的特征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。
7、 如權利要求6所述的異物檢測系統，其特征在于，所述特征值計算模塊 具體包括主色及色深確定單元，用于根據所述圖像的各個像素點的R值、G值及B 值之間的大小關系，確定各個像素點的主色及色深信息；特征值獲取單元，用于對所述圖像的所有像素點的主色及色深信息進行統 計，獲得所述圖像的特征值。
8、 如權利要求6或7所述的異物檢測系統，其特征在于，所述比較處理模 塊具體包括第一比較單元，用于將所述圖像的特征值與前L幅圖像的特征值的均值進 行差異比較，計算獲得第一差異率，其中，L大于或等于l;第一決策單元，用于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。
9、 如權利要求8所述的異物檢測系統，其特征在于，所述處理才莫塊進一步 包括第二比較單元，用于將所述圖像的特征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，用于判斷所述第二差異率是否超過第二闞值，若是，則確定所述檢測區域中存在異物。
10、如權利要求9所述的異物檢測系統，其特征在于，所述處理模塊進一步包括第三決策單元，用于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。
全文摘要
本發明實施例公開了一種異物檢測方法及系統，該方法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征值；將所述圖像的特征值與前L幅圖像的特征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。采用本發明實施例，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。
文檔編號G07F9/00GK101576960SQ20091004019
公開日2009年11月11日 申請日期2009年6月12日 優先權日2009年6月12日
發明者劉志梧, 鍵 唐, 羅攀峰, 謝文超 申請人:廣州廣電運通金融電子股份有限公司