ATM防护舱的安全检测方法、装置、设备及存储介质

技术领域

本申请涉及视频图像处理技术领域，尤其涉及一种ATM防护舱的安全检测方法、装置、设备及存储介质。

背景技术

近年随着金融电子化的发展，银行卡在全国范围内联网通用的实现，ATM机被广泛使用。

相关技术中所使用的ATM机防护装置防护功能极为有限，由于两个侧面都暴露在外侧，容易被他人剽窃到使用者的密码，给使用者造成经济损失或人身安全的威胁，虽然市场上已有用于ATM机外保护的防护舱，但还是会容易导致信息泄漏，安全性低下。

发明内容

本申请的主要目的在于提供一种ATM防护舱的安全检测方法、装置、设备及存储介质，旨在解决现有技术中ATM机防护舱安全性低的技术问题。

为实现以上目的，本申请提供一种ATM防护舱的安全检测方法，所述ATM防护舱的安全检测方法包括：

获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像；

基于所述目标人物图像，确定所述目标人物的动作信息；

将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池；

其中，所述安全检测模型是基于动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签，对预设的待训练模型进行训练所得到的。

可选地，所述获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像的步骤之前，所述方法包括：

获取动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签；

基于所述动作信息样本的时间标签，确定所述动作信息样本的时间特征权重；

基于所述动作信息样本、所述动作信息样本的安全检测结果标签以及所述时间特征权重，对预设的待训练模型进行迭代训练，得到具有满足精度条件的安全检测模型。

可选地，所述基于所述动作信息样本、所述动作信息样本的安全检测结果标签以及所述时间特征权重，对预设的待训练模型进行迭代训练，得到具有满足精度条件的安全检测模型的步骤，包括：

将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果；

将所述预测安全检测结果与所述动作信息样本的安全检测结果标签进行差异计算，得到误差结果；

基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；

若所述误差结果未满足所述预设误差阈值范围指示的误差标准，返回将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果的步骤，直到所述训练误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到具有满足精度条件的安全检测模型。

可选地，所述将带有所述安全检测结果标签的视频图像保存至相应的视频资源池的步骤，包括：

基于所述安全检测结果，确定所述视频图像的价值；

将价值更高的视频图像存储至覆盖周期更长的资源池中，将价值更低的视频图像存储至覆盖周期更短的资源池中。

可选地，所述将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池的步骤之后，所述方法包括：

每隔预设时间，对所述视频资源池内的视频图像的视频流数据进行检测，判断所述视频流数据是否完整；

若所述视频流数据非完整，则基于预设的第一视频流存储单元和第二视频流存储单元，对所述视频流数据的缺失视频流数据进行补录，其中，所述第一视频流存储单元和所述第二视频流存储单元对所述视频图像的视频流数据进行实时存储，所述第一视频流存储单元相对于所述第二视频流存储单元对视频流数据的存储时长更短。

可选地，所述若判断所述目标视频流数据非完整，则基于预设的第一视频流存储单元和第二视频流存储单元，对所述目标视频流数据的缺失视频流数据进行补录的步骤，包括：

若所述视频流数据非完整，确定所述第二视频流存储单元的运行工况；

若二级存储单元的运行工况正常，则优先从二级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录；

若与二级存储单元的通信状态为异常，才从一级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录。

可选地，所述基于所述目标人物图像，确定所述目标人物的动作信息的步骤，包括：

基于所述目标人物图像，确定所述目标人物的头部图像、手部图像和腿部图像；

分别确定所述头部图像、手部图像和腿部图像中预设部位的特征点；

基于所述特征点，确定所述目标人物的动作信息。

本申请还提供一种ATM防护舱的安全检测装置，所述ATM防护舱的安全检测装置包括：

获取模块，用于获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像；

确定模块，用于基于所述目标人物图像，确定所述目标人物的动作信息；

分析模块，用于将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池；

其中，所述安全检测模型是基于动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签，对预设的待训练模型进行训练所得到的。

本申请还提供一种ATM防护舱的安全检测设备，所述ATM防护舱的安全检测设备包括：存储器、处理器以及存储在存储器上的用于实现所述ATM防护舱的安全检测方法的程序，

所述存储器用于存储实现ATM防护舱的安全检测方法的程序；

所述处理器用于执行实现所述ATM防护舱的安全检测方法的程序，以实现所述ATM防护舱的安全检测方法的步骤。

本申请还提供一种存储介质，所述存储介质上存储有实现ATM防护舱的安全检测方法的程序，所述实现ATM防护舱的安全检测方法的程序被处理器执行以实现所述ATM防护舱的安全检测方法的步骤。

本申请提供的一种ATM防护舱的安全检测方法、装置、设备及存储介质，与相关技术中ATM机防护装置容易导致信息泄漏，安全性低下相比，在本申请中，获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像；基于所述目标人物图像，确定所述目标人物的动作信息；将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池。即在本申请中，通过预训练完成的安全检测模型，对防护舱舱内和舱外的视频图像进行实时安全检测，以此保证舱内人员在交易过程中的安全，提高了防护舱的安全。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本申请ATM防护舱的安全检测方法第一实施例的流程示意图；

图3为本申请ATM防护舱的安全检测装置的模块示意图；

图4为本申请ATM防护舱的安全检测方法第一实施例的实施例场景示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，图1是本申请实施例方案涉及的硬件运行环境的终端结构示意图。

本申请实施例终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3（Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3）播放器、MP4（Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4）播放器、便携计算机等具有显示功能的可移动式终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，终端还可以包括摄像头、RF（Radio Frequency，射频）电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上（一般为三轴）加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用（比如横竖屏切换、相关游戏、磁力计姿态校准）、振动识别相关功能（比如计步器、敲击）等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作装置、网络通信模块、用户接口模块以及ATM防护舱的安全检测程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端（用户端），与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的ATM防护舱的安全检测程序。

参照图2，本申请实施例提供一种ATM防护舱的安全检测方法，所述ATM防护舱的安全检测方法包括：

步骤S100，获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像；

步骤S200，基于所述目标人物图像，确定所述目标人物的动作信息；

步骤S300，将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池；

其中，所述安全检测模型是基于动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签，对预设的待训练模型进行训练所得到的。

在本实施例中，针对的应用场景是：

作为一种示例，ATM防护舱的安全检测的场景可以为，用户在银行ATM机的防护舱内办理业务时，对用户以及防护舱内外的环境进行安全检测。相关技术中所使用的ATM机防护装置防护功能极为有限，由于两个侧面都暴露在外侧，容易被他人剽窃到使用者的密码，给使用者造成经济损失或人身安全的威胁，虽然市场上已有用于ATM机外保护的防护舱，但还是会容易导致信息泄漏，安全性低下。针对此场景，本实施例的ATM防护舱的安全检测方法通过预训练完成的安全检测模型，对防护舱舱内和舱外的视频图像进行实时安全检测，以此保证舱内人员在交易过程中的安全，提高了防护舱的安全。

本实施例旨在：提高ATM防护舱的安全性。

在本实施例中，ATM防护舱的安全检测方法应用于ATM防护舱的安全检测装置。

具体步骤如下：

步骤S100，获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像；

在本实施例中，防护舱具体指ATM机防护舱，其中，ATM机防护舱是一种智能化金融自助服务设施，包括户外型和室内型，是由钢架结构组成的全封闭舱体。

在本实施例中，装置在防护舱舱内和舱外均设置有24小时开启的摄像头，根据该摄像头获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像，其中，目标人物是指出现在防护舱摄像头下的人员，通常为交易者和路人，当防护舱舱内和舱外的视频图像中出现目标人物后再执行后续步骤。

步骤S200，基于所述目标人物图像，确定所述目标人物的动作信息；

在本实施例中，所述动作信息为目标人物身体所表现的外部动作，装置基于所述目标人物图像，确定所述目标人物的动作信息，其中，所述动作信息包括但不限于ATM机器操作（存钱、取钱等）、打电话、玩手机、敲击舱门，装置通过目标人物的部位关键点确定相应的动作信息，部位包括但不限于手部、头部、腿部和躯干。

具体地，所述步骤S200，包括以下步骤S210-S230：

步骤S210，基于所述目标人物图像，确定所述目标人物的头部图像、手部图像和腿部图像；

在本实施例中，由于人物的头部图像、手部图像和腿部图像最能体现目标人物的动作，因此装置基于所述目标人物图像，确定所述目标人物的头部图像、手部图像和腿部图像。

步骤S220，分别确定所述头部图像、手部图像和腿部图像中预设部位的特征点；

在本实施例中，特征点是指图像上最具有代表性的特征点位，预设部位包括但不限于头顶、手指、手腕、手肘、膝盖。

步骤S230，基于所述特征点，确定所述目标人物的动作信息。

在本实施例中，装置基于所述特征点，确定所述目标人物的动作信息，具体地，根据特征点的位置，确定所述目标人物的动作信息，例如，目标人物A手指在ATM机上，所述目标人物A的动作信息为ATM机器操作。

步骤S300，将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池；

其中，所述安全检测模型是基于动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签，对预设的待训练模型进行训练所得到的。

在本实施例中，安全检测结果根据不同安全等级进行区分，若目标人物的动作信息判定为危险动作，例如，敲击ATM机，安全检测结果为安全等级极低，装置并将该安全检测结果上传至管理端以及带有所述安全检测结果标签的视频图像保存至相应的视频资源池，以此作为后续处理的证据，保证舱内人员在交易过程中的安全，提高了防护舱的安全。

在本实施例中，装置将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，通过训练安全检测模型的过程中加入所述动作信息样本的时间标签，对所述动作信息进行安全分析，得到相应的安全检测结果，以此提高模型预测的准确度，其中，由于同一动作信息，在不同的时间所产生的影响不同，所以在不同的时间，同一动作信息的特征权重也会不同，因此要引入具有时间周期标签的特征权重，以此提高模型预测的准确度，例如，在工作日的下午，目标人物的动作信息是敲击ATM机，由于是在人多的时间，产生危险的系数较低，因此时间权重较低；若是在深夜，目标人物的动作信息是敲击ATM机，由于是在人少的时间，产生危险的系数较高，因此时间权重较高。

具体地，所述步骤S300，包括以下步骤S310-S320：

步骤S310，基于所述安全检测结果，确定所述视频图像的价值；

在本实施例中，装置基于所述安全检测结果，确定所述视频图像的价值，具体地，由于安全检测结果为安全等级低、极低的结果判定为易产生危险/冲突，因此该视频图像的价值高，而安全检测结果为安全等级高的结果为正常，不易产生危险/冲突，因此该视频图像的价值低，例如，目标人物深夜时间敲击ATM机的视频图像的价值为80，下午时间敲击ATM机的视频图像的价值为50，深夜时间在ATM机器操作的价值为10，下午时间在ATM机器操作的价值为5。

步骤S320，将价值更高的视频图像存储至覆盖周期更长的资源池中，将价值更低的视频图像存储至覆盖周期更短的资源池中。

在本实施例中，装置将价值更高的视频图像存储至覆盖周期更长的资源池中，将价值更低的视频图像存储至覆盖周期更短的资源池中，具体地，价值更高的视频图像应保存更久，价值低的视频图像应及时清理，充分利用资源空间。若将不同价值的视频流数据保存至同一资源池，监控视频数据无差别进行同一周期覆盖，会造成大量存储空间不合理使用，浪费有限的存储资源，因此在本申请中装置将所述视频图像进行价值分类。

具体地，所述步骤S100，获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像的步骤之前，所述方法包括以下步骤A100-A300：

步骤A100，获取动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签；

在本实施例中，所述动作信息样本为用于训练的样本，包括一定数量的动作信息。

在本实施例中，所述动作信息样本的安全检测结果标签为对应于动作信息样本的安全检测结果，例如，目标人物A动作信息为打电话，对应的安全检测结果标签为安全等级高，目标人物B动作信息为敲击ATM防护舱舱门，对应的安全检测结果标签为安全等级极低。

在本实施例中，所述动作信息样本的时间标签为当前动作信息样本的时间的标签，例如，动作样本X的时间为深夜23：30。

步骤A200，基于所述动作信息样本的时间标签，确定所述动作信息样本的时间特征权重；

在本实施例中，装置基于所述动作信息样本的时间标签，确定所述动作信息样本的时间特征权重。具体地，深夜到凌晨是办理ATM机业务人最少的时候，因此该时间段的时间特征权重大，上午至下午是办理ATM机业务人最多的时候，因此该时间段的时间特征权重小，其中，时间特征权重越大，则对安全检测结果的影响越大，视频图像的价值越大，例如，动作样本X的时间为深夜23：30，则X的时间权重为20，动作样本Y的时间为下午14：00，则Y的时间权重为5。

步骤A300，基于所述动作信息样本、所述动作信息样本的安全检测结果标签以及所述时间特征权重，对预设的待训练模型进行迭代训练，得到具有满足精度条件的安全检测模型。

在本实施例中，装置基于所述动作信息样本、所述动作信息样本的安全检测结果标签以及所述时间特征权重，对预设的待训练模型进行迭代训练，得到具有满足精度条件的安全检测模型。

具体地，所述步骤A300，包括以下步骤A310-A340：

步骤A310，将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果；

在本实施例中，装置将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果，其中，预测安全检测结果是在训练中的模型进行安全检测结果预测得到的。

步骤A320，将所述预测安全检测结果与所述动作信息样本的安全检测结果标签进行差异计算，得到误差结果；

在本实施例中，装置将所述预测安全检测结果与所述动作信息样本的安全检测结果标签进行差异计算，得到误差结果，即验证训练中的模型所得到的结果是否与已知的结果相一致，并进行结果之间的差异计算，得到误差结果。

步骤A330，基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；

在本实施例中，由于模型训练后的结果与实际的结果存在误差，允许误差结果在预设的误差阈值范围内，以此进一步判断所述误差结果是否满足预设误差阈值范围指示的误差标准。

步骤A340，若所述误差结果未满足所述预设误差阈值范围指示的误差标准，返回将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果的步骤，直到所述训练误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到具有满足精度条件的安全检测模型。

在本实施例中，若所述误差结果未满足所述预设误差阈值范围指示的误差标准，则表示模型在此次训练中误差存在过大，则返回将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果的步骤，即进行迭代训练，直到所述训练误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到满足精度条件的安全检测模型，以此提高模型预测的准确性。

在本实施例中，参照图4，以防护舱舱内的用户举例，装置获取防护舱舱内的视频图像以及所述视频图像中的目标人物图像，基于所述目标人物图像，确定所述目标人物的关键部位图像（包括但不限于头部图像、手部图像和腿部图像），得到所述目标人物A的动作信息为ATM机器操作；将所述动作信息（ATM机器操作）输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，其中，在对所述动作信息进行安全分析的过程中考虑当前时间的因素，例如，当前动作信息的获取时间为下午14：00，时间权重小（比如5），并且ATM机器操作的动作信息所映射的安全结果为安全等级高，最终所得到的安全检测结果为安全等级极高，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池，且由于所述安全检测结果标签为安全等级极高，放入视频图像价值低的视频资源池（该资源池覆盖周期短），完成对当前该ATM防护舱（及目标人物图像）的安全检测。

本申请提供的一种ATM防护舱的安全检测方法，与相关技术中ATM机防护装置容易导致信息泄漏，安全性低下相比，在本申请中，获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像；基于所述目标人物图像，确定所述目标人物的动作信息；将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池。即在本申请中，通过预训练完成的安全检测模型，对防护舱舱内和舱外的视频图像进行实时安全检测，以此保证舱内人员在交易过程中的安全，提高了防护舱的安全。

基于上述的第一实施例，本申请还提供另一实施例，所述ATM防护舱的安全检测方法包括：

在所述步骤S300，将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池的步骤之后，所述方法包括以下步骤B100-B200：

步骤B100，每隔预设时间，对所述视频资源池内的视频图像的视频流数据进行检测，判断所述视频流数据是否完整；

步骤B200，若所述视频流数据非完整，则基于预设的第一视频流存储单元和第二视频流存储单元，对所述视频流数据的缺失视频流数据进行补录，其中，所述第一视频流存储单元和所述第二视频流存储单元对所述视频图像的视频流数据进行实时存储，所述第一视频流存储单元相对于所述第二视频流存储单元对视频流数据的存储时长更短。

在本实施例中，装置设置有第一视频流存储单元和所述第二视频流存储单元对所述视频图像的视频流数据进行实时存储，其中，所述第一视频流存储单元相对于所述第二视频流存储单元对视频流数据的存储时长更短。具体地，前端摄像头所获取的视频图像的视频流数据首先上传至装置的云端服务器中的第一视频流存储单元和所述第二视频流存储单元，即第一视频流存储单元和所述第二视频流存储单元备份有该视频图像的视频流数据，其中，所述二级存储单元的视频流数据存储时间大于所述一级存储单元的视频流数据存储时间，所述二级存储单元可以为多个，所述二级存储单元和一级存储单元为两级视频流的读取路径，其中，所述二级存储单元包括但不限于NVR（网络视频录像机，NetworkVideo Recorder）、CVR（视频中心存储，Central Video Recorder），所述一级存储单元可以是前端摄像机的本地存储单元，即前端摄像机本地SD卡。

由于视频资源池内的视频图像的视频流数据有可能会缺失，因此装置每隔预设时间，对所述视频资源池内的视频图像的视频流数据进行检测，判断所述视频流数据是否完整，其中，预设时间即定时巡检的周期，时间为自行设置的，时间设置的约束条件有预设时间小于前端摄像机本地存储介质的存储时长，例如，前端摄像机本地存储介质的存储时长为24小时，预设时间的设置时间小于24小时，例如20小时，即装置每隔20小时对所述目标视频流数据进行完整性检测。

在本实施例中，若所述视频流数据非完整，则装置基于预设的第一视频流存储单元和第二视频流存储单元，对所述视频流数据的缺失视频流数据进行补录。第一视频流存储单元和第二视频流存储单元的读取路径为预设的录像数据补录路径，也可以设置更多的存储单元，每个视频流读取路径备份有所述前端摄像机的实时视频流数据，视频流读取路径为两个及两个以上数量的路径，并且不同的路径对视频流数据的保存时间可以不同，装置优先从保存时间长的视频流读取路径中读取，对所述视频流数据的缺失视频流数据进行补录。

例如，视频流读取路径包括第二视频流存储单元A和第一视频流存储单元B二个路径，因此若判断所述目标视频流数据非完整，则装置优先从A路径读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录；若装置无法从A路径读取，则选择B路径读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录。

在本实施例中，装置设置有多个视频流读取路径，在云端存储服务器录像丢失时能从所述多个视频流读取路径补录缺失视频流数据，以此避免了在网络波动时录像丢失的风险，保证发生网络故障后录像不丢失，充分保障云存储的视频完整性。

具体地，所述步骤B200，包括以下步骤B210-B230：

步骤B210，若所述视频流数据非完整，确定所述第二视频流存储单元的运行工况；

步骤B220，若二级存储单元的运行工况正常，则优先从二级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录；

步骤B230，若与二级存储单元的通信状态为异常，才从一级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录。

在本实施例中，若所述视频流数据非完整，优先确定是否能从所述第二视频流存储单元中进行补录，即确定所述第二视频流存储单元的运行工况，若二级存储单元的运行工况正常，则优先从二级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录；若与二级存储单元的通信状态为异常，才从一级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录，具体地，若与二级存储单元的通信状态为异常，即装置确定无法从二级存储单元读取相应的视频流数据，则装置继而读取一级存储单元的视频流数据，其中，装置预设有所述一级存储单元的设备信息，装置在二级存储单元读取视频流数据失败时，则基于所述一级存储单元的设备信息，读取一级存储单元的视频流数据。

在本实施例中，装置对所述视频流数据的缺失视频流数据进行补录的补录方法包括但不限于将所述视频流数据对所述视频流数据的缺失视频流数据进行覆盖；确定所述视频流数据的缺失视频流数据的时间标签，即缺失视频流数据的起止时间，并基于所述缺失视频流数据的起止时间，截取所述视频流数据中该起止时间的视频流数据，再将截取的视频流数据补录至所述视频流数据。

在本实施例中，通过多级视频存储方法备份视频数据，提高该视频经过的可追溯性，以此保障舱内人员在交易过程中的安全。

本申请还提供一种ATM防护舱的安全检测装置，所述ATM防护舱的安全检测装置包括：

获取模块10，用于获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像；

确定模块20，用于基于所述目标人物图像，确定所述目标人物的动作信息；

分析模块30，用于将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池；

其中，所述安全检测模型是基于动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签，对预设的待训练模型进行训练所得到的。

可选地，所述ATM防护舱的安全检测装置还包括：

样本获取模块，用于获取动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签；

时间特征权重确定模块，用于基于所述动作信息样本的时间标签，确定所述动作信息样本的时间特征权重；

训练模块，用于基于所述动作信息样本、所述动作信息样本的安全检测结果标签以及所述时间特征权重，对预设的待训练模型进行迭代训练，得到具有满足精度条件的安全检测模型。

可选地，所述训练模块，包括：

输入模块，用于将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果；

计算模块，用于将所述预测安全检测结果与所述动作信息样本的安全检测结果标签进行差异计算，得到误差结果；

判断模块，用于基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；

迭代训练模块，用于若所述误差结果未满足所述预设误差阈值范围指示的误差标准，返回将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果的步骤，直到所述训练误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到具有满足精度条件的安全检测模型。

可选地，所述分析模块30，包括：

价值确定模块，用于基于所述安全检测结果，确定所述视频图像的价值；

资源池存储模块，用于将价值更高的视频图像存储至覆盖周期更长的资源池中，将价值更低的视频图像存储至覆盖周期更短的资源池中。

可选地，所述ATM防护舱的安全检测装置还包括：

检测模块，用于每隔预设时间，对所述视频资源池内的视频图像的视频流数据进行检测，判断所述视频流数据是否完整；

补录模块，用于若所述视频流数据非完整，则基于预设的第一视频流存储单元和第二视频流存储单元，对所述视频流数据的缺失视频流数据进行补录，其中，所述第一视频流存储单元和所述第二视频流存储单元对所述视频图像的视频流数据进行实时存储，所述第一视频流存储单元相对于所述第二视频流存储单元对视频流数据的存储时长更短。

可选地，所述检测模块，包括：

工况确定模块，用于若所述视频流数据非完整，确定所述第二视频流存储单元的运行工况；

第一补录模块，用于若二级存储单元的运行工况正常，则优先从二级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录；

第二补录模块，用于若与二级存储单元的通信状态为异常，才从一级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录。

可选地，所述确定模块20，包括：

部位图像确定模块，用于基于所述目标人物图像，确定所述目标人物的头部图像、手部图像和腿部图像；

特征点确定模块，用于分别确定所述头部图像、手部图像和腿部图像中预设部位的特征点；

动作确定模块，用于基于所述特征点，确定所述目标人物的动作信息。

本申请ATM防护舱的安全检测装置具体实施方式与上述ATM防护舱的安全检测方法各实施例基本相同，在此不再赘述。

参照图1，图1是本申请实施例方案涉及的硬件运行环境的终端结构示意图。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，该ATM防护舱的安全检测设备还可以包括矩形用户接口、网络接口、摄像头、RF（Radio Frequency，射频）电路，传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏（Display）、输入子模块比如键盘（Keyboard），可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

本领域技术人员可以理解，图1中示出的ATM防护舱的安全检测设备结构并不构成对ATM防护舱的安全检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块以及ATM防护舱的安全检测程序。操作系统是管理和控制ATM防护舱的安全检测设备硬件和软件资源的程序，支持ATM防护舱的安全检测程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与ATM防护舱的安全检测系统中其它硬件和软件之间通信。

在图1所示的ATM防护舱的安全检测设备中，处理器1001用于执行存储器1005中存储的ATM防护舱的安全检测程序，实现上述任一项所述的ATM防护舱的安全检测方法的步骤。

本申请ATM防护舱的安全检测设备具体实施方式与上述ATM防护舱的安全检测方法各实施例基本相同，在此不再赘述。

本申请还提供一种存储介质，所述存储介质上存储有实现ATM防护舱的安全检测方法的程序，所述实现ATM防护舱的安全检测方法的程序被处理器执行以实现如下所述ATM防护舱的安全检测方法：

获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像；

基于所述目标人物图像，确定所述目标人物的动作信息；

将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池；

其中，所述安全检测模型是基于动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签，对预设的待训练模型进行训练所得到的。

可选地，所述获取防护舱舱内和舱外的视频图像以及所述视频图像中的目标人物图像的步骤之前，所述方法包括：

获取动作信息样本、所述动作信息样本的安全检测结果标签和所述动作信息样本的时间标签；

基于所述动作信息样本的时间标签，确定所述动作信息样本的时间特征权重；

基于所述动作信息样本、所述动作信息样本的安全检测结果标签以及所述时间特征权重，对预设的待训练模型进行迭代训练，得到具有满足精度条件的安全检测模型。

可选地，所述基于所述动作信息样本、所述动作信息样本的安全检测结果标签以及所述时间特征权重，对预设的待训练模型进行迭代训练，得到具有满足精度条件的安全检测模型的步骤，包括：

将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果；

将所述预测安全检测结果与所述动作信息样本的安全检测结果标签进行差异计算，得到误差结果；

基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；

若所述误差结果未满足所述预设误差阈值范围指示的误差标准，返回将所述动作信息样本和所述时间特征权重输入至所述待训练模型，得到预测安全检测结果的步骤，直到所述训练误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到具有满足精度条件的安全检测模型。

可选地，所述将带有所述安全检测结果标签的视频图像保存至相应的视频资源池的步骤，包括：

基于所述安全检测结果，确定所述视频图像的价值；

将价值更高的视频图像存储至覆盖周期更长的资源池中，将价值更低的视频图像存储至覆盖周期更短的资源池中。

可选地，所述将所述动作信息输入至预设的安全检测模型，基于所述安全检测模型，对所述动作信息进行安全分析，得到安全检测结果，并将带有所述安全检测结果标签的视频图像保存至相应的视频资源池的步骤之后，所述方法包括：

每隔预设时间，对所述视频资源池内的视频图像的视频流数据进行检测，判断所述视频流数据是否完整；

若所述视频流数据非完整，则基于预设的第一视频流存储单元和第二视频流存储单元，对所述视频流数据的缺失视频流数据进行补录，其中，所述第一视频流存储单元和所述第二视频流存储单元对所述视频图像的视频流数据进行实时存储，所述第一视频流存储单元相对于所述第二视频流存储单元对视频流数据的存储时长更短。

可选地，所述若判断所述目标视频流数据非完整，则基于预设的第一视频流存储单元和第二视频流存储单元，对所述目标视频流数据的缺失视频流数据进行补录的步骤，包括：

若所述视频流数据非完整，确定所述第二视频流存储单元的运行工况；

若二级存储单元的运行工况正常，则优先从二级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录；

若与二级存储单元的通信状态为异常，才从一级存储单元读取视频流数据，对所述目标视频流数据的缺失视频流数据进行补录。

可选地，所述基于所述目标人物图像，确定所述目标人物的动作信息的步骤，包括：

基于所述目标人物图像，确定所述目标人物的头部图像、手部图像和腿部图像；

分别确定所述头部图像、手部图像和腿部图像中预设部位的特征点；

基于所述特征点，确定所述目标人物的动作信息。

本申请存储介质具体实施方式与上述ATM防护舱的安全检测方法各实施例基本相同，在此不再赘述。

本申请还提供一种计算机程序产品、包括计算机程序，该计算机程序被处理器执行时实现上述的ATM防护舱的安全检测方法的步骤。

本申请计算机程序产品的具体实施方式与上述ATM防护舱的安全检测方法各实施例基本相同，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。