我国金融设备行业技术现状（原创）

将想要取的钱数输入光大银行的ATM机上，点击确认按钮，屏幕上便会出现是否仍需其他操作的字样。点击“否”后，ATM机便会提示客户，先取卡再取现。当客户将取现的银行卡拿走后，要取的现金再从出钞口中吐出。如果客户不及时取走，设备将在40秒内将卡片回收、15秒内将钞票回收。

虽然“先出卡再出钞”在国际上比较普遍，但在中国的银行业中，仍算少数，而这样做的目的就是为了减少吞卡率，减小银行花在这上面的时间成本。但这使得全国范围内，每天都有大量的客户取款之后忘了取卡,给自己带来不便的同时还会增加资金风险。

目前银行的客服系统仍然处于各自独立的状态，即使是有吞卡通知的银行，若客户在非本银行的ATM机上取卡，仍然不能检测到。如何在保证客户信息安全的同时，建立客服系统的联动服务，也是行业内需要关注的事情。

光大银行此前已在海口、沈阳、成都三地进行了试点,都取得了预期的效果,因客户误操作导致的吞卡量减少了90%。。

1、 图像识别在ATM的应用

图像识别技术由于能实时判断、分析摄像机监控画面的变化得到其不同的特征点，因此实时主动预警的功能与银行现有的视频监控联网功能，可有机地整合为一套针对目前ATM高风险的综合安防管理平台，该类检测可以准确标出报警框提醒相关人员注意。

(1)贴广告、假键盘、假读卡器报警。 贴广告是目前主要的一种ATM诈骗方式，它主要与堵塞出钞口、假读卡器方式共同使用，如果客户轻信了广告的内容和电话，犯罪分子就伪装成银行的工作人员骗取客户的个人资料进行犯罪活动。通过安装图像识别设备，首先学习正常情况下ATM的图像，然后实时地将监控一段时间的监控图像与过往的图像进行比对，如这段时间每个画面都与正常的图像有不同，系统提示报警。

(2)遗留物报警。 实时检测监控场景中出现的物品遗留，系统使用者可以自定义物品尺寸大小，提示有关人员处理。这个功能最早出现在欧美，主要用于公共场所人员聚集场所的反恐工具。在视频监控区域内，系统自动检测出场景中的遗留物品，实时发出报警。

(3)人员聚集报警，人员滞留、徘徊报警。 自动分析监控场景中出现的多人聚集异常行为，当某个自助银行或ATM周边出现多人聚集时，很多情况都在视频切换监控，由于各种因素往往会忽视此类问题的存在，而这些往往是犯罪分子作案前经常出现的状况，通过视频智能监控判断可能出现的情况并能及时的报警抓捕。

(4)打斗报警、人员跌倒。 通过对物体快速移动及其他相关辅助的检测方式能准确地检测人员打斗状态。人员跌倒检测，可当自助银行内出现的人员倒地或有人睡觉等异常情况，报警到监控中心。

(5)人脸面部识别。 面部主要通过ATM机安装的针孔摄像机实现对取款人的面部特征进行识别。犯罪分子在进行犯罪活动时，为避免监控摄像机拍摄下其面部，作案时经常遮挡面部，这样即使被录像，也无法分辨其是谁。相关流程如图5所示，如有人员遮盖面部，系统可以及时报警提示相关人员进行处理，因为很多人在不同季节都会带口罩，可以同时弹出不同角度的视频对该类人员进行人为识别，以便分辨出正常取款和犯罪行为。

(6)违规提款、越线报警。 主要防范用户从后面偷窥密码、被犯罪分子挟持、故意掉钱偷换客户银行卡等，或者是人员进入到自助银行、ATM区域所划定的区域进行报警。特别是违规提款，该类犯罪活动主要是针对女性一个人的情况进行犯罪，将此类报警与声强异常检测报警与ATM机、自助银行的门禁系统联动可以在第一时间自动关闭自助银行大门，给处警提供有利条件。

2、图像识别技术的不足

虽然图像识别已经在ATM监控系统中逐步使用，但由于摄像机成像受到光线影响，一天内不同时间段的最终成像也不相同。而且由于现有的图像分析设备受到成本、技术和主观因素的影响，现有图像分析设备的视频源都是采用从ATM原有监控摄像机图像，但这些摄像机有的安装年限早、有的摄像机无超宽动态成像能力、有的受隐蔽透光板的限制等诸多因素影响，目前用于ATM的图像识别系统还有如下不足：

(1)误报的影响。 误报的影响目前仍是智能视频分析技术无法回避的问题。造成误报的问题主要有以下问题： 1)受光线影响，特别是白天不同阶段与晚上所需的模型不同，而且业内还没有开发出一种可以涵盖所有使用情况的背景模型，也无法完全解决随机事件的影响。 2)摄像机成像效果，如果摄像机因故障、外界干扰、老化等问题，造成设备认为图像始终在变化，无法准确建模。

(2)不具备行为和假特征的判断能力。 1)以跨线报警、多人取款为例。如果出现有人跨线看顾客取钱或者是多个人同时在ATM机前，而这些人都是朋友，系统无法判别这些是否是需要人为干预的情况。智能视频分析只是一系列设定好的程序，其判断能力还远不能与人相比，但是该类误报的出现比漏报带来的问题可以忽略。 2)人脸面部识别对高仿面具的“易容术”无法判断，2010年安徽、浙江警方接连破获了数起利用“易容术”进行ATM犯罪，虽然最后案件破获，但是也对目前现有的人脸面部识别技术设立了专项课题进行研究。

(3)特征识别技术对画面要求高。 基于图像分析技术对于图像的要求较高，除了画面本身的清晰度外，还需要画面能够清楚地展示目标物体的特征，如遗留物、人脸的面部识别等，目前基于计算机设备的识别能力还是远远低于人类对物体特征的识别能力，特别是光照条件、拍摄角度等因素。

(4)设备和后台处理设备的处理能力仍然是瓶颈。 由于图像识别需要大量的计算机，以便将图像与模型和数据库保存数据进行大量计算，而要适应复杂的实际应用环境就需要复杂的算法，而目前DSP和ARM芯片的处理能力有限，已经不能满足某些复杂算法的需要，因此难以开发具有相应高级功能的嵌入式产品。 虽然图像分析设备具有一定的不足，但随着视频监控规模的不断扩大，现有视频监控画面的海量信息已远远超过人的处理能力，而图像识别设备具有的智能视频分析可以有效地过滤大量的无效信息，图像识别技术应用和发展同数字技术一定会代替模拟技术一样，将成为监控整体方案中不可缺少的部分。

严谨、科学的研究方法才能确保研究报告的准确性和质量。《2014-2018年中国金融电子支付设备行业研究及市场投资决策报告》主要采用的研究方法有：1）普查：我们对金融设备行业中近百家从业者进行了面访或电话访问，获得最佳一手数据。 2）跟踪研究：为确保实时掌握金融设备行业动态，我们在此金融设备行业建立了跟踪研究机制，每个月都通过访问获得金融设备行业的发展动态。3）政府机构数据：我们查询了金融设备行业的重点企业的工商档案、统计局档案、海关进出口数据等等，获得较为权威的信息。4）SOWT分析：应用SWOT分析、波特五力分析等方法，我们分析了金融设备行业及企业的竞争优劣势以及潜在的威胁及发展机会。5）科学预测：我们采用回归分析、时间序列分析、因子分析、组合分析等方法对金融设备的发展趋势做出了全的预测。

网站展示的内容有限，如您对此报告感兴趣，我们会为您提供更多增值服务，详情请直接在线联系我们或者拨打我们的咨询热线：400-088-5338。