李悦，钱亚冠，关晓惠，李蔚，王滨，顾钊铨

（1.浙江科技学院大数据学院，浙江 杭州 310023；2.浙江水利水电学院信息工程与艺术设计学院，浙江 杭州 310027；3.杭州海康威视网络与信息安全实验室，浙江 杭州 310051；4.广州大学网络空间先进技术研究院，广东 广州 510006）

1 引言

基于深度学习的人脸识别技术已被广泛应用于金融、公安、教育等领域，其中 DeepFace[1]是应用深度学习的经典人脸识别算法，在 LFB（lable2 +aces in the wil2）[2]数据集上取得了97.35%的识别率，已经接近人类的水平。最近提出的ArcFace[3]算法，则达到了99.8%的识别率。但目前的人脸识别算法在实际应用中易受一些外部因素（如人脸遮挡、光照、面部表情、面部朝向等）的影响。其中，遮挡的影响最为显著，可导致识别率降低10%左右[4]。

2020年年初，新型冠状病毒肺炎疫情突然爆发，要求人们必须佩戴口罩进入公共场所。尤其在机场、火车站等需要计算机人脸识别的场所，口罩对人脸的遮挡必然会影响识别的效率和准确率，而摘下口罩又会增加交叉感染的风险。因此，如何在戴口罩的情况下实现高精度的人脸识别成为当前急迫需要解决的问题。

事实上，遮挡条件下的人脸识别一直是该领域的研究热点[5-6]。Bang等[7]提出了两阶段的重建方法：先检测遮挡再恢复遮挡部分，这种联合遮挡检测和恢复方法可以产生有利于分类的良好全局特征。Zhang等[8]用去遮挡的自编码网络恢复被遮挡区域。Yuan等[9]利用3D重建修复人脸遮挡部位，但该方法需要与目标身份相同的参考数据。Zhao等[6]以相同身份的人脸图片为基础，使用生成对抗网络（generative a2versarial network，GAN）[10]生成无遮挡的人脸。……