随着ATM机的广泛应用,关于ATM机的违法犯罪行为也越来越多,本文研究了用于ATM机的遮挡人脸检测算法,希望对ATM机的安全交易加以保障。本文首先回顾了已有的运动目标检测方法,研究了基于运动目标检测的人头粗定位算法。该算法通过帧差图、Canny边缘和距离变换等方法提取目标的运动边缘,通过计算当前帧运动边缘图的峰度值来判断是否有足够的运动信息来继续后续运算,若有足够信息,则通过水平和垂直投影得到人头关键点位置。其次,研究了基于多分辨率主动形状模型(MR-ASM)的人头定位算法。通过手工标定样本集上的头肩轮廓进行训练,得到全局形状模型和局部灰度模型,其中局部灰度模型统计了训练样本集中每个形状中每个点的法线方向的归一化梯度信息。对视频中的每一帧,通过粗定位辅助定位出初始位置,局部灰度模型指引单个点的运动方向和运动位移,全局统计模型的约束使目标形状保持与样本类似,最终搜索匹配到目标位置。利用MR-ASM可以精确的定位出头肩轮廓位置,然后利用最小二乘意义下的椭圆拟合定位人脸的位置。在定位人脸位置的基础上,比较和分析了两种遮挡判定的方法。其一,基于肤色检测的方法,在YCbCr颜色空间中通过观察颜色分布,定义了一系列非线性变换的规则,将肤色范围拟合到一个椭圆内,然后通过分区域的方法进行判定遮挡；其二,基于Adaboost的人脸部件检测器的遮挡判定方法,由于应用中人脸姿态多样,使用降级后的正面人眼检测器和嘴巴检测器,通过分区域的方法进行遮挡判定。本文模拟ATM环境采集了40段视频,在视频的前50帧内(若25帧/秒,2秒),通过统计的方法,给出遮挡的预警信息。经测试,本文研究的基于多分辨率的主动形状模型的方法以超过96%的正确率精确定位出人头位置,基于肤色检测和Adaboost人脸部件检测器的遮挡判定方法在统计意义下都得到了正确的判定。