ATM自动柜员机给人们的生活带来了很多便利,但同时也有越来越多的不法分子将目光盯向了该公共设施并采取各种犯罪手段侵犯人们的财产。本文根据不法分子针对ATM机的主要犯罪手法对自助银行内的摄像头干扰检测、遗留物检测和非法告示检测这三个问题进行了研究。1根据自助银行的场景特点提出了基于Harris角点的图像特征函数和干扰检测算法。当监控场景发生变化时,相邻帧图像的特征函数值会发生明显的变化,函数差值的波形图中也会出现一个幅值较大的波峰,从而可以对干扰行为进行检测。通过实验证明了该方法能够较好的对干扰行为进行检测。2针对自助银行人流量大的场景特点,本文给出了一种自助银行内的遗留物检测算法,该算法能够有效的避免将取款人等运动目标和因光照变化产生的区域作为识别目标的情况发生。首先提出了一种改进的基于背景差分法的监控场景的变化区域提取算法；随后利用链码跟踪技术对变化区域的轮廓、面积和矩形相似度等形状参数进行提取,通过形状参数的约束可以有效地滤除干扰区域并实现对遗留物的检测；最后通过实验证明了本文的方法能够较好的对遗留物进行检测。3在遗留物检测的基础上对自助银行内的非法告示识别问题进行了研究。首先基于低分辨率文本图像的特点对非法告示区域进行了特征提取并对特征数据的分布情况进行了分析,提取的特征分别是：基于边缘图像的统计量特征、基于角点的特征和基于连通区域的特征；随后分别使用基于阈值分类和基于SVM分类器的识别方法对测试样本进行实验,实验前通过网格搜索法对两种分类方法的阈值和参数进行了确定,实验结果表明这两种方法都能够较好的对自助银行内的非法告示进行检测；最后对两种方法进行了比较,结果表明：根据本文所提取的特征,从工程应用方面来说基于阈值分类的方法优于基于SVM的识别方法。