徐遐龄，刘 涛，田国辉，于文娟，肖大军，梁陕鹏

1.国家电网公司华中分部 华中电力调控分中心，武汉430077

2.南瑞集团（国网电力科学研究院）有限公司，南京211106

3.北京科东电力控制系统有限责任公司 研发技术中心，北京100192

人脸识别是通过抽取并对比分析人脸视觉特征信息进行身份鉴别的一种方法。具有可靠、操作简单和无接触等特点，已经成为生物识别领域活跃技术之一。由于深度学习技术在图像处理领域展示出了良好的建模和自动特征抽取能力，使得基于深度学习开展人脸识别相关问题的研究得到了广泛关注并取得较大进展[1]。尽管如此，多数人脸识别模型和算法大多仍是在受限条件下执行的，在遇到光线和姿态变化、图像分辨率低、存在遮挡等场景时的识别准确率仍需要进一步提高。例如，现实环境中采集到的人脸图像通常是多变的，微笑、愤怒、被口罩、墨镜、帽子等物体遮挡，人脸特征的位置也会随之改变，造成人脸固有结构缺失。特别是受新型冠状病毒肺炎疫情影响，关于口罩遮挡人脸识别和检测分析更是近期热门的研究方向。人脸关键特征的提取和对比是人脸识别算法的关键，特征是否完整非常关键，遮挡会造成特征损失、含有噪声和局部混叠等问题，阻碍人脸识别算法做出准确的决策。本文聚焦遮挡环境下基于深度学习技术的人脸识别方法的研究进展，针对存在遮挡导致的特征提取困难、模型复杂、数据集不够丰富等问题，介绍了基于深度学习技术的人脸识别常用模型和算法，对比分析了不同算法的基本原理、性能评价以及存在的问题，探讨了未来可能的发展方向。……