非限制场景下的人脸检测识别系统一直都是计算机视觉领域的一大挑战,特别是随着新型冠状病毒的流行,大量的人们戴上了口罩,需要一种不仅能够对非限制场景下人脸进行识别,还要能够对戴口罩的人脸进行识别的方法。本文提出一种基于人脸检测、遮挡物定位、人脸修复、人脸识别四个步骤的人脸识别方法。针对非限制场景下的人脸检测、人脸修复提出改进方案,同时标注了一种针对人脸遮挡物定位的数据集,最后整合四个步骤提出遮挡人脸识别系统。具体研究内容如下:（1）非限制场景下的人脸检测网络。非限制场景下的人脸检测网络基于Retina Net进行改进,本文认为通常情况下人脸的姿态、表情、光线等变化也可以看作是物体的各种属性变化,所以在通用目标检测中的各种方法同样也适用于人脸检测,使用了如下方法:在网络中添加inception结构用于多尺度感受与特征融合;使用注意力模块保证各个层次的网络更加关注当前层次应该关注的人脸;设置了贴近人脸比例的锚点;使用Io U预测分支保证高置信度人脸框和高Io U相适应;使用了CIo U函数保证目标人脸框快速收敛。在WIDER FACE的验证集和测试集上分别获得了92.9%和92.2%的AP成绩,超过了Refine Face、ASFDD6方法的成绩,使用了消融实验,证明了添加的各个结构的有效性。另外在MAFA数据集上测试,获得了89.1%的m AP成绩,超过了FAN方法。（2）人脸修复识别网络。人脸修复识别网络分为三个独立的部分:遮挡物定位、人脸修复、人脸识别。遮挡物定位使用基于MDD数据集训练的Refine Net网络,MDD数据集是基于MAFA、COFW以及Celeb A标注,针对人脸遮挡物定位的数据集;人脸修复网络基于La FIn网络提出,在人脸修复网络中使用了DFMB模块以增大感受野范围,提高高级语义信息提取能力,并使用部分卷积增强缺失边缘的感受能力。在Celeb A-HQ数据集上使用PSNR、SSIM和FID指标进行比较,本文的方法相比PIC、EC方法有更好的表现,分析使用改进人脸修复网络的修复结果,证明其具有良好的鲁棒性;人脸识别使用基于Arc Face损失函数的Res Net100网络作为人脸识别网络。（3）遮挡人脸识别系统。遮挡人脸识别系统基于本文提出的人脸检测网络、遮挡物定位网络、人脸修复网络以及人脸识网络实现,实现了1:1人脸识别、1:N人脸识别、人脸修复、识别记录保存以及注册管理等功能。并在自制的数据集上将本系统和MTCNN+Face Net识别方法进行对比,在人脸有遮挡的情况下检测率90%以上,查准率、查全率80%以上。