[发明专利]ATM取款机前的异常人脸检测方法

说明书

技术领域

本发明涉及的是一种视频图像处理和模式识别技术领域的方法，具体是一种应用于视频监控系统的异常人脸检测方法。

背景技术

ATM取款机前的异常人脸检测的主要任务是对处于监控下的ATM取款机前是否出现蒙面或者脸部遮挡的情况，判断运动目标行为是否异常，从而达到异常检测的目的。异常人脸检测则是在行人目标检测的基础之上进一步识别出特定的异常人脸，例如在给定视频中检测戴口罩，戴墨镜，带鸭舌帽等遮蔽人脸的行为。异常人脸的检测技术可应用于视频监控、视频检索等领域，从而减少海量的监控视频数据给操作人员带来的负担。

典型的行人目标检测方法是基于背景建模的，根据当前序列帧图片信息与背景模型进行对比，并将提取出的多个前景块都当作独立的物体，然后直接利用前景块的特征进行物体分类检测，例如J.Renno等人在”Object Classification in Visual Surveillance Using Adaboost”中提到的方法，该论文收录在2007年的《Computer Vision and Pattern Recognition》会议集第1到8页。这种方法的优点在于根据背景模型能快速的找到前景块，可以达到良好的实时性，而且识别原理比较简单。然而，很多时候在一个前景块中可能出现多个物体，由于运动目标可能出现相互遮挡，在前景的提取处理中他们会被当成一个前景块，该方法就可能将整个前景块判定为一个物体。

对于静态图片中的目标检测问题，Navneet Dalal等人在2005年的《Computer Vision and Pattern Recognition》会议上提出了利用方向梯度直方图特征HoG对行人的形状进行学习并训练SVM分类器，通过分类器去判别和检测行人目标的方法。该论文收录在2005年《Computer Vision and Pattern Recognition》会议集的第886到893页。由于不同行人的形状都比较相似，而且这种方法容许行人有一些细微的肢体动作，这些细微的肢体动作可以被忽略而不影响检测效果，这种方法在静态图片的行人检测中得到了广泛的应用和发展。但这种方法在特征提取和分类过程中将消耗很长时间，使其难以单独应用于视频监控领域。

对于视频目标的跟踪问题，Comaniciu D等人在2000年的《Computer Vision and Pattern Recognition》会议上提出了对基于Mean-shift和颜色特征的实时视频目标跟踪算法，事先给定或者在起始帧中人工确定目标窗口，给目标模板区域的像素设置权值，计算加权核函数下该目标的特征直方图分布，建立目标模型，再用同样的方法计算当前帧图像中搜索窗口的特征分布，提高了跟踪算法的鲁棒和准确性，降低了运算的复杂度。该论文收录在2000年《Computer Vision and Pattern Recognition》会议集的第142到149页。但是当出现严重的局部遮挡、背景和目标相似时，Mean-shift算法会失效。

异常人脸检测的主要任务是识别出戴口罩，戴墨镜，带鸭舌帽等遮蔽人脸的行为，由于遮挡会掩盖脸部的大部分信息，这个技术的难点是头部的定位问题，例如Wei Zou等人在《Real-time elliptical head contour detection under arbitrary pose and wide distance range》中提到了基于四分之一圆弧检测头部的方法，该论文收录在2009年的《JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION》期刊第2卷的第217到第228页。Min Li等人在《Rapid and robust human detection and tracking based on omega-shape features》中提到的一种基于ω形状的头部检测方法，该论文收录在2009年的《International Conference on Image Processing》会议集的第2545到2548页。但是他们的缺点：当头部的轮廓形状变化大时，便不能很好的进行头部的定位。

发明内容

本发明针对现有异常人脸检测技术存在的缺陷，提供了一种新的基于运动前景分析和视频序列图片检测技术的异常人脸检测方法，既提升了目标检测的速度和准确度，又能在前景检测的基础上有效地定位出人的头部，然后实时的对头部进行跟踪和遮挡异常的判断，提高了实用性。