ATM机上的遮挡人脸判别方法研究

【摘要】：随着信息技术的发展与ATM机的出现,人们逐渐使用ATM机进行取款、存款、转账等业务代替银行柜台服务。ATM机的出现给人们办理银行业务带来了许多的便捷,因此得到了广泛的普及,但与此同时一些投机取巧的不法分子却通过遮挡面部的手段进行洗黑钱、盗取他人财产等违法犯罪活动,导致银行用户的财产安全与银行财务的安全周转存在隐患。因此,急需研究一种高效的ATM机上的遮挡人脸判别方法用于智能视频监控系统,进而阻止这类案件的发生。针对ATM机上违法犯罪分子通过遮挡面部进行一系列的犯罪活动,本文提出了一种ATM机上的遮挡人脸判别方法,可以实现ATM机上快速遮挡人脸判别。该方法主要分为两步:第一步,提出了利用YOLO模型对目标人脸进行快速检测的策略,并通过收集相关人脸数据集重新训练YOLO模型,对目标区域中的人脸进行快速回归。直接把整张图像作为网络的输入,在输出端直接回归出人脸位置,完成了从原始图像的输入到任意人脸位置的快速回归,相比其他文献相关方法,本文利用YOLO模型对人脸进行定位,具有更高的检测精度与更快的检测速率,达到快速定位人脸的目的,进而排除背景场景对下一步遮挡判别的干扰;第二步,采用基于DLIB的多角度人脸关键点检测方法对定位出的人脸进行遮挡判别,利用提取的HOG特征对人脸关键点进行级联回归,根据能否检测到人脸五官相应的68个特征点来做进一步的遮挡判定,假如能够匹配到人脸相应的68个特征点,则判断为正常人脸,否者判定为遮挡人脸禁止操作,这样确保了遮挡人脸判别的准确性,保证了提出的方法能适应各类情形的遮挡判别,并且判别速率要快于现有的传统方法。通过实验对比相关方法的遮挡检测率、漏检率、误检率与检测速率,验证了该方法的效果更优,能够准确快速地检测出各类遮挡,综合性能较出色,实现了 ATM机上的遮挡人脸判别对实时性与鲁棒性的要求,具有较高的应用价值。