人工智能的概念被提出来已经有六十年,人脸识别作为人工智能的一个子方向也有了几十年的发展与进步。但这些发展与进步多数建立在合作条件下,即在用户合作环境下获取数据。但是在非合作条件下,人脸识别技术会受到光照、姿态、表情、年龄、遮挡、远距离等变化因素的干扰导致现有的人脸识别技术性能下降,严重阻挡了人脸识别技术的实用化进程。针对非合作条件下会出现的这些干扰,研究出有效的识别方法来解决这些干扰带来的问题,使人脸识别技术从合作条件向非合作条件的方向发展是极具研究意义和实际应用价值的。本文针对有部分遮挡情况下的人脸识别问题研究了两类方法,一类是基于全局图像的方法。这类方法将整张图像作为系统的输入,利用人脸图像的全局信息来完成识别任务,这类方法的一个典型技术方案就是将有部分遮挡的人脸识别问题,看作一个重构问题,使得重构误差最小的一类即为分类结果。另外一类是基于局部图像的方法。这类方法考虑到图像中的遮挡具有连续性并且成块状分布,因此利用局部的图像信息来做识别,尽可能地降低由于部分遮挡而导致的性能下降。针对这两类方法的不足,本文提出了两种新的改进方法和模型。一种是主动引入遮挡信息的方法,考虑到人脸识别技术在实际应用中经常会遇到训练集中的数据是干净无遮挡的,而测试数据被部分遮挡的情况,我们发现在这种情况下主动向训练数据中引入遮挡信息能有效地降低遮挡引起的性能下降。通过一个稀疏和密集混合表示框架,增强的训练数据集被分解为一个类依赖字典、一个非类依赖字典和一个稀疏噪声矩阵。通过人为引入遮挡信息使算法能得到一个更加富有区分度的人脸进行识别,从而有效地提升算法的识别率。针对有部分遮挡人脸识别技术识别率低及运行速度慢的问题,提出了一种快速协同匹配的人脸识别方法。该方法首先用稀疏表示分类快速确定疑似目标集合,然后利用动态图规整精确识别目标,从而改善有部分遮挡人脸识别方法的识别率和速度,推动人脸识别技术的实用化。