自新型冠状病毒引起的疫情爆发以来,佩戴口罩出行成为人们的生活常态,这对已经融入大众生活的人脸识别应用来说是一个全新的挑战。传统的人脸识别算法在面对口罩遮挡的人脸时仍存在一些亟需解决的问题:一是口罩影响人脸的检测精度,二是在佩戴口罩与否的情形下,具有同一身份的人脸特征相似度不高。虽然可以通过要求用户摘下口罩或者直接下调相似度阈值来改善上述情形,但这些办法会造成误识别,甚至导致疫情传播等安全隐患。为了更好地解决上述问题,本论文提出一种基于多任务学习和眼部表征的戴口罩人脸识别算法。算法第一步是检测人脸,其结果包含置信度、预测框、类别和眼部关键点等信息,第二步根据眼部关键点截取眼部图像,并提取特征用于身份识别。在实际应用中该算法能够根据多任务人脸检测结果选择合适的特征表示方式,充分利用人脸的有效区域实现身份识别。以下是本论文的主要工作内容:（1）研究了基于RetinaNet的多任务人脸检测算法。首先针对现有公开数据集缺少口罩遮挡的人脸样本或缺少眼部关键点标注的问题,本论文构建了含有4万多张图片的人脸检测数据集。制作样本时本论文利用传统的人脸检测器标注信息,结合重构3D人脸的方法生成口罩。然后,以速度精度均衡的通用单阶段检测器RetinaNet为研究对象,从以下几个方面改进RetinaNet模型:替换主干网络为轻量型网络MobileNet、增设单阶段无头（Single Stage Headless,SSH）模块、改进SSH模块、设计多任务学习预测层和损失函数。最后本论文提出了SSH模块增设组和SSH模块改进组两组改进方案。实验表明本论文提出的RetinaNet-Improved多任务人脸检测算法具有较好的检测精度。（2）研究了基于ResNet-50的眼部表征算法。首先针对眼部公开数据集稀少的问题,本论文利用设计好的多任务人脸检测算法截取人脸照片的眼部区域,构建了样本容量近270万的眼部表征数据集。然后,以分类能力优秀的ResNet-50作为研究对象,改进了带有下采样功能的残差结构,并研究了几种适用于身份识别的分类损失函数。最后本论文提出下采样残差结构改进组和损失函数选型组两组实验方案。实验数据表明本论文提出的ResNet-Improved眼部表征算法具有较好的表征效果。（3）研究了基于多任务学习和眼部表征的戴口罩人脸识别系统的实现。整体系统包含后端、用户端、管理端和服务端。其中后端负责数据的管理和传输;用户端提供给用户注册个人信息;管理端提供给管理人员查看用户信息和门禁记录。本论文研究了RetinaNet-Improved多任务人脸检测算法和ResNet-Improved眼部表征算法的服务端部署,完成人脸识别功能。服务端工作时根据用户是否佩戴口罩,选择眼部表征算法或人脸表征算法进行特征表示。本系统的亮点是能够充分利用未遮挡区域,既不影响正常人脸的识别精度,又能完成对佩戴口罩的人脸识别。