1.一种基于视频监控的ATM机异常人脸检测方法，其特征在于包括以下步骤：步骤1：初始化系统参数，包括设置平均每行白点个数判定阈值N’，对称性指标判定阈值R以及人脸异常标志位置位总数判定阈值n；

步骤2：采集一帧视频图像；

步骤3：通过肤色模型对步骤2所采集的图像进行二值化处理；

步骤4：选定有效团块区域和眼睛/嘴巴区域；

步骤5：计算有效团块区域、眼睛区域/嘴巴区域平均每行白点个数；其中有效团块区域平均每行白点个数记为N，眼睛区域平均每行白点个数记为Ne，嘴巴区域平均每行白点个数记为Nm；

步骤6：判断N-Ne或N-Nm是否大于阈值N’；

如果N-Ne或N-Nm大于阈值N’，则进入步骤7；否则进入步骤8’；

步骤7：判断对称性指标是否大于阈值R；如果对称性指标大于阈值R，则进入步骤8，否则进入步骤8’；

步骤8：人脸异常标志位置位；

步骤8’：人脸异常标志位清零；

步骤9：统计人脸异常标志位数据；

步骤10：判断人脸异常标志位置位总数是否大于阈值n，如果人脸异常标志位置位总数大于阈值n，则进行人脸异常报警，否则，返回步骤2采集下一帧视频图像；

所述步骤4中选定有效团块的方法是从视频图像的顶部开始，选择二值化处理后像素点为1且相邻区域面积大于100的团块作为有效团块区域；将有效团块区域中行数上边1/3的区域作为眼睛区域，将有效团块区域中行数下边1/3的区域作为嘴巴区域；

所述步骤7中对称性指标为视频图像中左右两边像素点二值化处理后的相关系数，通过相关系数计算公式：进行计算，其中Xi表示视频图像中左边各个像素

点的像素值， 为其平均，Yi表示视频图像中右边各个像素点的像素值， 为其平均，M为左右两边像素点的个数。

2.根据权利要求1所述的基于视频监控的ATM机异常人脸检测方法，其特征在于：所述步骤2中采集的一帧视频图像按照320*240像素大小进行标准化处理。

3.根据权利要求1所述的基于视频监控的ATM机异常人脸检测方法，其特征在于：所述步骤3中的肤色模型选用YCbCr颜色空间进行计算，二值化处理时Cb取值为140-190，Cr取值为140-180。

4.根据权利要求1所述的基于视频监控的ATM机异常人脸检测方法，其特征在于：步骤5中按照 计算有效团块区域平均每行白点个数N，其中K为平均行缩放因子。