当前,人脸识别技术飞速发展,日趋成熟,越来越广泛的应用于人们的日常生活中。但是,在复杂环境中,人脸识别系统仍然存在人脸误检以及准确鲁棒性问题,无法很好满足实际业务需求,技术上主要由于难以提取具有鉴别性的特征,以及过于关注全局特征而忽视局部语义特征的重要性。对此,本文创新性的引入人脸语义分割技术,提出基于语义特征的人脸误检筛除方法和基于全局与局部语义特征相融合的人脸识别算法,大幅降低了人脸误检率,并增强了人脸识别准确鲁棒性。主要贡献如下:(1)围绕现有方案无法很好提取到具有代表性和鉴别性特征的问题,提出了基于语义特征的人脸误检筛除方法。通过引入人脸语义分割技术,并利用特征工程构造出表征能力更强的人脸语义特征,然后结合支持向量机结构简单、泛化能力强的优点,实现了对人脸误检结果的有效分类筛除,进一步降低了人脸误检率,提高了整体检测算法的性能与鲁棒性。实验结果表明,该方法能够有效减少80%左右的人脸误检,提升整体人脸检测算法1%左右的平均精确度。(2)围绕现有算法大多过于关注全局特征而忽视局部语义特征重要性的问题,提出了基于全局与局部语义特征相融合的人脸识别算法。通过人脸语义分割技术进行人脸局部语义区域的定位,然后对全局和局部语义区域分别进行特征提取,显式的引入人脸局部语义特征,最后结合局部遮挡信息对全局和局部特征进行有效的特征融合,提高了最终特征的表征能力和鲁棒性,进而提升了算法在复杂场景下的人脸识别准确鲁棒性。实验结果表明,该方法在多种人脸识别场景下都表现优异,尤其在带局部遮挡的场景下相比其他通用算法准确率有1.67%以上的提升,具有更好的人脸识别效果和鲁棒性,更加符合复杂环境下的业务应用需求。(3)设计并实现了完整的人脸识别系统,将本文提出的人脸误检筛除方法和人脸识别算法应用到具体的人脸识别业务场景中。该系统在人脸比对和人脸搜索上都表现出良好的运行效果。