司春晖，张丽红

(山西大学 物理电子工程学院，山西 太原 030006)

0 引 言

人脸识别具有图像获取途径简单、成本较低、身份鉴定的过程中完全不需要接触目标等优点，应用范围越来越广.但实际人脸识别系统的图像采集过程中往往存在光照、姿态、遮挡等不确定性因素，其中，遮挡因素占比重很大，而传统的人脸识别方法对其识别效果不佳，如何有效地处理遮挡问题并提高识别效率仍是人脸识别系统中的难点之一.

为了解决人脸遮挡的问题，Wu等人[1]提出一种基于自适应无监督学习模型和注意力学习模型的遮挡人脸识别算法，对深度人脸特征进行自适应学习，在遮挡面部的无监督学习领域取得了优良的识别率和准确率；为充分考虑遮挡的空间局部连续性，Wei等人[2]提出一种基于有监督遮挡字典的遮挡结构稀疏性人脸识别方法；Zhu等人[3]提出一种自适应的稳定人脸特征检测，用于遮挡人脸识别，利用几何注意知识蒸馏的方法进行低秩学习，在野外具备良好的鲁棒性.但是这些方法均需要建立字典，并且需要庞大的数据支撑，而且在识别时并不能完全排除遮挡物的影响，由此会使识别率降低.

目前，国内外在解决人脸遮挡问题方面，大都基于卷积神经网络(Convolutional Neural Networks, CNN)方法[4]，通过不断卷积提取高层次信息，在识别过程中尽可能忽略掉遮挡的影响[4].但是随着遮挡场景越来越复杂，卷积层数越来越多，对研究人员以及设备的要求越来越高，单靠……