随着银行自动化建设的迅猛发展,ATM自动取款机在人们的日常生活中扮演的角色也越来越重要。但是,由于ATM机具有露天、无人值守的特点,由使用ATM机而引发的顾客与银行的财产纠纷、违法犯罪等问题也都迎面而来。为了有效预防和制止自助银行中的违法犯罪行为,增强自助银行的安全性,很有必要对自助银行中的取款人员进行人脸伪装检测,并将检测结果提交到银行的中央监控室,提醒其对这些被检测为伪装的取款人员进行重点人工监控。　　本文的主要任务是针对银行ATM机经常出现的伪装类型(戴口罩、墨镜、鸭舌帽),设计相应的伪装检测方法,预防违法犯罪的发生。由于伪装检测方法应用于实际ATM取款机,场景相对复杂,视频设备成像质量较差,分别率较低,传统的人脸伪装检测方法不能满足实际需求,为此,通过对取款机大量监控视频的分析研究,本文提出了基于二次判定过程的人脸伪装检测方法。该方法首先对采集到的伪装人脸样本提取 Haar特征,用经过训练的Adaboost算法进行伪装人脸的初步检测;然后使用设计的二次判定过程清除初步检测中可能存在的误报。对于三种类型的初步检测结果,在经过图像处理工作后,分别提取Tamura纹理特征、Hu氏矩特征、Hralick纹理特征,然后采用BP神经网络进行第二次判识,并配合一定的过滤规则,最后给出伪装检测结果。如上方法的二次判定过程能有效缩小问题的求解空间和难度,能够较好的取得漏报率与误报率之间的平衡。　　大量真实场景视频数据的测试显示,本文提出的基于二次判定过程的人脸伪装检测方法表现出较高的检测性能,可用于银行实时监控系统。