本文基于RGB-D数据，研究了用于ATM机的遮挡人脸检测算法，并将其移植到嵌入式平台，实现了一个遮挡人脸预警报警系统。　　首先，模拟ATM机环境，采集了包含16组视频的遮挡人脸数据集，并基于深度数据，研究了前景-背景分离算法，用来从深度图像中分离出前景目标。实验表明，基于K-means聚类的前景-背景分离算法能有效地从深度数据中分离出前景目标。　　其次，提出一种基于双重投影的人头定位算法。通过分析双重投影图像的特点对其进行建模，针对模型构造目标函数，并利用积分向量快速计算该目标函数;通过分析目标函数的变化曲线与双重投影图像之间的关系给出定位人头区域的规则。在数据集上的人头定位准确率为96.35％(21583/22400)，这表明提出的人头定位算法是有效的。　　再次，将彩色图像配准问题建模成图像校正问题，使用双线性变换表示标准图像与待校正图像之间的映射关系。先在标准图像和待校正图像中寻找多组对应点对，使用最小二乘法求解双线性变换的参数，然后使用双线性插值算法，根据待校正图像计算得到标准图像。实验结果表明，深度图像和配准后的彩色图像之间基本具有逐像素对应关系，提出的彩色图像配准方案是有效的。　　然后，提出一种基于RGB-D数据和基于分块的遮挡判定策略。使用直方图、Haar特征和SVM在4个人脸分块上进行遮挡判定实验，并联合4个分类器得到总的分类器，在数据集上的准确率为93.46％(20173/21583)。实验结果表明，提出的遮挡判定策略是有效的。　　最后，将用于ATM机的遮挡人脸检测算法移植到嵌入式pcDuino+Kinect平台，实现了一个嵌入式遮挡人脸检测系统，并在此基础上，基于腾讯云服务器，实现了一个遮挡人脸预警报警系统。