随着人工智能技术的飞速发展,智能化产品的普及程度越来越高,具有视觉信息识别和处理功能的智能视频监控系统已得到越来越多的关注,智能视频监控系统采用计算机视觉、模式识别和图像处理等技术分析和处理视频数据,极大地提升了视频监控系统的工作效率。其中,人脸遮挡检测已成为智能视频监控的研究热点,它在安防领域具有重要的应用价值。本文的研究对象是视频监控中的人脸遮挡,重点研究了视频监控场景中的人脸遮挡判定方法。首先,本文研究了运动目标检测技术,分析了基于Codebook的运动目标检测方法,然后在运动目标检测基础之上研究了基于HOG特征的人头检测算法,由于该算法计算复杂度较高,无法满足视频监控系统实时性,采用了基于CUDA并行计算的人头检测方法,并通过实验验证了该方法的有效性。其次,本文在人头检测算法的基础之上,提出了基于肤色判定和基于CNN-RBM模型的人脸遮挡判定方法。考虑到智能视频监控中所获取的人头图像质量较差的问题,采用了人头图像质量评估(HQA)的方法,该方法可以对获取到的人头图像进行质量评估,选择质量较高的人头图像。在基于肤色的人脸遮挡判定方法中,首先需要确定肤色比率阈值,根据肤色比率阈值判定人脸遮挡。在基于CNN-RBM模型的人脸遮挡判定方法中,利用迁移学习的方法解决了数据集中样本数据较少的问题,然后通过训练好的CNN-RBM模型判定人脸遮挡。实验表明以上两种方法有较好的人脸遮挡检测效果。最后,本文开发了一套基于视频监控的人脸遮挡检测原型系统,同时对系统进行了测试,实现了视频监控系统中人脸遮挡的实时检测。