Face detection perceives great importance in surveillance paradigm and security paradigm areas. Face recognition is the technique to identify a person identity after face detection. Extensive research has been done on these topics. Another important research problem is to detect concealed faces, especially in high-security places like airports or crowded places like concerts and shopping centres, for they may prevail security threat. Also, in order to help effectively in preventing the spread of Coronavirus, people should wear masks during the pandemic especially in the entrance to hospitals and medical facilities. Surveillance systems in medical facilities should issue warnings against unmasked people. This paper presents a novel technique for concealed face detection based on complexion detection to challenge a concealed face assumption. The proposed algorithm first determine of the existence of a human being in the surveillance scene. Head and shoulder contour will be detected. The face will be clustered to cluster patches. Then determination of presence or absent of human skin will be determined. We proposed a hybrid approach that combines normalized RGB (rgb) and the YCbCr space color. This technique is tested on two datasets; the first one contains 650 images of skin patches. The second dataset contains 800 face images. The algorithm achieves an average detection rate of 97.51% for concealed faces. Also, it achieved a run time comparable with existing state-of-the-art concealed face detection systems that run in real time.

人脸检测在监控范式和安全范式领域非常重要。人脸识别是在人脸检测后识别个人身份的技术。已经对这些主题进行了广泛的研究。另一个重要的研究问题是检测隐藏的面孔，特别是在机场等高度安全的地方或音乐会和购物中心等拥挤的地方，因为它们可能会威胁到安全。此外，为了有效防止冠状病毒的传播，人们在大流行期间应戴上口罩，尤其是在医院和医疗设施的入口处。医疗设施中的监视系统应针对未戴口罩的人发出警告。本文提出了一种基于肤色检测的隐藏人脸检测新技术，以挑战隐藏人脸假设。所提出的算法首先确定监控场景中是否存在人。将检测头部和肩部轮廓。面部将被聚集成簇块。然后确定是否存在人体皮肤。我们提出了一种结合归一化 RGB (rgb) 和 YCbCr 空间颜色的混合方法。该技术在两个数据集上进行了测试；第一个包含 650 张皮肤补丁图像。第二个数据集包含 800 张人脸图像。该算法对隐藏人脸的平均检测率为97.51%。此外，它的运行时间可与现有的实时运行的最先进的隐藏式人脸检测系统相媲美。面部将被聚集成簇块。然后确定是否存在人体皮肤。我们提出了一种结合归一化 RGB (rgb) 和 YCbCr 空间颜色的混合方法。该技术在两个数据集上进行了测试；第一个包含 650 张皮肤补丁图像。第二个数据集包含 800 张人脸图像。该算法对隐藏人脸的平均检测率为97.51%。此外，它的运行时间可与现有的实时运行的最先进的隐藏式人脸检测系统相媲美。面部将被聚集成簇块。然后确定是否存在人体皮肤。我们提出了一种结合归一化 RGB (rgb) 和 YCbCr 空间颜色的混合方法。该技术在两个数据集上进行了测试；第一个包含 650 张皮肤补丁图像。第二个数据集包含 800 张人脸图像。该算法对隐藏人脸的平均检测率为97.51%。此外，它的运行时间可与现有的实时运行的最先进的隐藏式人脸检测系统相媲美。第二个数据集包含 800 张人脸图像。该算法对隐藏人脸的平均检测率为97.51%。此外，它的运行时间可与现有的实时运行的最先进的隐藏式人脸检测系统相媲美。第二个数据集包含 800 张人脸图像。该算法对隐藏人脸的平均检测率为97.51%。此外，它的运行时间可与现有的实时运行的最先进的隐藏式人脸检测系统相媲美。