具有饰物遮挡的人脸检测与判识

摘要

随着银行不断加强用户自助存取款业务，自助取款机得到越来越广泛地使用。与此同时产生的自助取款机犯罪案件数量也明显上升，而此类案件的犯罪人员往往戴有墨镜、口罩或者帽子等遮挡饰物来遮挡面部。因此，为了及时防范该类案件的发生，检测并判识出戴有饰物遮挡的人脸显得尤其重要。
　　本文主要研究了在银行的复杂背景下，对具有饰物如墨镜、口罩、帽子遮挡的人脸进行检测与判识饰物所属类别的方法。该方法主要分为三个阶段。本文提出了一种由动到静的前景目标检测策略用来进行人的检测。第一阶段为所提策略的动态检测。该阶段提出基于更新学习的码本模型来检测动态目标，用来改善码本模型不能更新背景的缺点。第二阶段为所提策略的静态检测。该阶段提出基于LBP+HOG特征的头肩检测模型，通过这两个特征的结合，不仅能提高检测精度，还能大大提高计算效率。首先对运动的物体进行检测，排除静态背景的干扰，降低动态背景的影响，然后进一步确定该目标是否为人。同时，该策略在检测到有运动目标之后，才对检测到的目标区域进行人的检测，这样不仅可以节省系统的计算时间，而且能减少背景的干扰，提高检测精度。第三阶段为对遮挡人脸的检测与判识。该阶段提出基于遮挡饰物的Adaboost分类器，采用遮挡饰物区域图像作为正样本训练，并将正常人脸图像与背景图像一起作为负样本，能够使误检的情况明显减少，准确地检测出遮挡饰物的所在区域以及判识出饰物所属的类别。并利用PCA联合最近邻分类器对检测出的可能的遮挡区域来做进一步的判识，提高正确率。
　　经过在真实视频库和实验室视频库的大量实验证明，本文的方法在遮挡检测率、正确率、误检率和漏检率等指标上均能达到良好的效果。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 课题研究难点

1.4 本文的主要研究内容

第2章 运动目标检测

2.1 一种由动到静的前景目标检测策略

2.2 运动目标检测常用方法

2.3 背景建模常用方法

2.4 基于更新学习的码本模型

2.5 本章小结

第3章 静态目标检测

3.1 利用霍夫圆检测对人头进行检测

3.2 头肩检测

3.3 训练分类器

3.4 本章小结

第4章 遮挡人脸的检测与判识

4.1 Adaboost算法的主要思想与步骤

4.2 基于三类饰物的Adaboost分类器

4.3 对遮挡人脸的进一步判识

4.4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢