METHOD AND SYSTEM FOR DETECTING ALARM EVENTS WHEN INTERACTING WITH SELF-SERVICE DEVICE

FIELD: physics.SUBSTANCE: invention relates to analysis of video images for detection of alarm events in interaction with self-service devices (hereinafter, SSD). Such a result is achieved by obtaining data from at least one video surveillance camera, characterizing the image of at least one figure of a person located near the SSD; performing analysis of obtained data using machine learning model, during which processed images are processed to identify key points of human figure; performing the analysis of key points detected at the previous step to determine the posture taken by the human figure by constructing a human skeleton using the machine learning model and analysing the angles between the key points of said graphic skeleton; calculating angles between said key points, wherein the value of angles in range of 0 to 120 degrees is used to fix the non-standard position of the person next to the SSD; analysing the presence of human figure interaction in the detected non-standard pose with the SSD; determining the time interval of the detected interaction, wherein if the time interval is greater than the predetermined threshold value, the presence of the alarm event when operating with the SSD is identified.EFFECT: technical result is higher accuracy of detecting alarm events.13 cl, 7 dwg Изобретение относится к области анализа видеоизображений для выявления тревожных событий при взаимодействии с устройствами самообслуживания (далее - УС). Технический результат заключается в повышении точности выявления тревожных событий. Такой результат достигается за счет получения данных с по меньшей мере одной камеры видеонаблюдения, характеризующих изображение по меньшей мере одной фигуры человека, находящего вблизи УС; выполнения анализа полученных данных с помощью модели машинного обучения, в ходе которого осуществляют обработку полученных изображений для выявления ключевых точек фигуры человека; выполнения анализа ключевых точек, выявленных на предыдущем шаге, для определения позы, принятой фигурой человека, с помощью построения графического скелета фигуры человека с применением модели машинного обучения и анализа углов между ключевыми точками упомянутого графического скелета; осуществления расчета углов между упомянутыми ключевыми точками, причем при значении углов в диапазоне от 0 до 120 градусов фиксируют нестандартную позу человека рядом с УС; выполнения анализа наличия взаимодействия фигуры человека в выявленной нестандартной позе с УС; определения временног