[发明专利]基于多特征融合的人脸遮挡检测方法

说明书

技术领域

本发明属于视频检测方法，尤其是应用于人脸遮挡检测的视频检测方法。

背景技术

ATM自动柜员机在全国金融界的不断普及，许多原来要在银行网点办理的业务现在都可以在自助银行的ATM上自助进行。储户可通过手中的银行卡在ATM上进行存、取款，转帐，自助交费等服务。ATM给我们的生活带来了许多方便，成为我们生活中密不可分的助手，已经完全融入百姓的日常生活当中。但是自助银行作为无人值守、24小时提供金融服务的营业场所，其相关设备和客户交易过程的安全性一直是银行安全保卫部门的重要工作之一。而随着金融业ATM自动柜员机的大量使用也逐渐暴露出了一些问题，严重制约了ATM向更深层次更高要求发展。同时也产生了日益增多的ATM帐务纠纷及ATM金融犯罪案件。如何保护銀行ATM的安全使用、防范各种针对ATM的犯罪行为是一个亟待解決的问题。

目前，针对ATM自动柜员机的视频监控录像设备大都仅仅实现了通过摄像头捕捉视频，并保存到硬盘上的基本视频监控功能。随着通过ATM实现经济诈骗等刑事案件的频繁发生，如何有效、实时地监控ATM用户，判别ATM用户的不寻常行为举动并及时发出警报非常重要。而很多犯罪分子都有一定的反侦查意识，在ATM机上办理取款或转 账时，会有意识的遮挡自己，比如带帽子遮住上脸、带口罩遮住下脸，以及用墨镜来遮掩。针对这些由于遮挡而难以取证的问题，现有技术在这方面还做的不够充足，不能实时发现故意遮挡的现象，从而给不法分子找到犯罪的漏洞。

发明内容

本发明的基于多特征融合的人脸遮挡检测方法提供了一种解决上述问题的方案，提供一种性能更好、鲁棒性更强的基于视频分析技术的人脸遮挡检测技术。

本发明的技术方案是提供基于多特征融合的人脸遮挡检测方法，该方法是在以数字摄像机作为传感器以及数字信号处理芯片的支持下实现的，其特征在于：该方法包括以下步骤：

1)利用所述数字摄像机采集监控区域的数字视频并将其转换成数字图像；

2)应用人脸检测算法检测1)中所述数字图像获取其中的人脸图像；

3)将2)中所述人脸图像进行转正和缩放处理，并调整到固定分辩率，获得规定化人脸图像；

4)将3)中所述规定化人脸图像分成多个固定分辩率的单元格；

5)计算4)中所述单元格的多种特征组成其单元格特征向量；

6)应用SVM分类器分析5)中所述单元格特征向量，判断单元格是否遮挡；

7)循环5)和6)步骤，遍历分析3)中所有所述单元格是否遮 挡；

8)对7)中得到的单元格遮挡分析结果进行统计分析，依据遮挡判别原则确定是否发出遮挡警报信号。

优选的，步骤3)中所述规定化固定分辩率为120x140。

优选的，步骤4)中所述单元格分辩率为24x20。

优选的，步骤5)中所述多种特征包括Haa r特征、LBP特征和HOG特征。

优选的，步骤8)中所述遮挡判别原则包含以下两条：

①遮挡单元格总数超过设定的阈值；

②相邻遮挡单元格的个数超过设定的阈值。

本发明的基于多特征融合的人脸遮挡检测方法采用了Haar、LBP和HOG等多特征融合模式，应用SVM方法训练得到分类器。此外，为了增强对姿态的鲁棒性，采用图像分块检测的方法，用投票机制进行遮挡判断。实验结果表明对人脸图像中的饰物遮挡问题，包括帽子遮挡、墨镜遮挡、围巾遮挡、手遮挡以及其他物品遮挡等具有较好的分类性能。本发明可以广泛应用于各种监控场合，如ATM监控系统，判断取款人员是否有故意遮挡行为，从而筛选出可疑人员并进行异常报警。

附图说明

图1是本发明的算法原理框图；

图2是Haar扩展特征集原理图；

图3是LBP算子原理图。

具体实施方式

下面对本发明的具体实施方式作进一步详细的描述。

如图1所示，本发明基于多特征融合的人脸遮挡检测方法，首先进行视频采集，采集到的视频信息依次经过人脸检测、人脸图像处理、人脸图像划分单元格、计算单元格特征向量、支持向量机SVM(Support Vector Machine)分类器遮挡判断、遍历所有单元格，最后进行综合统计，判断人脸是否遮挡。

本发明的基于多特征融合的人脸遮挡检测方法是在数字摄像机作为传感器的支持下实现的，人脸遮挡检测原理主要是基于人脸分块纹理特征的统计机器学习。以下结合附图1所示的算法原理图，详细说明本发明的具体实施方式：