具有飾物遮擋的人臉檢測與判識.pdf

1、隨著銀行不斷加強用戶自助存取款業(yè)務，自助取款機得到越來越廣泛地使用。與此同時產生的自助取款機犯罪案件數量也明顯上升，而此類案件的犯罪人員往往戴有墨鏡、口罩或者帽子等遮擋飾物來遮擋面部。因此，為了及時防范該類案件的發(fā)生，檢測并判識出戴有飾物遮擋的人臉顯得尤其重要。
　　本文主要研究了在銀行的復雜背景下，對具有飾物如墨鏡、口罩、帽子遮擋的人臉進行檢測與判識飾物所屬類別的方法。該方法主要分為三個階段。本文提出了一種由動到靜的前景目標檢測

2、策略用來進行人的檢測。第一階段為所提策略的動態(tài)檢測。該階段提出基于更新學習的碼本模型來檢測動態(tài)目標，用來改善碼本模型不能更新背景的缺點。第二階段為所提策略的靜態(tài)檢測。該階段提出基于LBP+HOG特征的頭肩檢測模型，通過這兩個特征的結合，不僅能提高檢測精度，還能大大提高計算效率。首先對運動的物體進行檢測，排除靜態(tài)背景的干擾，降低動態(tài)背景的影響，然后進一步確定該目標是否為人。同時，該策略在檢測到有運動目標之后，才對檢測到的目標區(qū)域進行人的檢

3、測，這樣不僅可以節(jié)省系統(tǒng)的計算時間，而且能減少背景的干擾，提高檢測精度。第三階段為對遮擋人臉的檢測與判識。該階段提出基于遮擋飾物的Adaboost分類器，采用遮擋飾物區(qū)域圖像作為正樣本訓練，并將正常人臉圖像與背景圖像一起作為負樣本，能夠使誤檢的情況明顯減少，準確地檢測出遮擋飾物的所在區(qū)域以及判識出飾物所屬的類別。并利用PCA聯合最近鄰分類器對檢測出的可能的遮擋區(qū)域來做進一步的判識，提高正確率。
　　經過在真實視頻庫和實驗室視頻庫的