随着科技的发展,人脸识别在生活中的应用越来越广泛。与其他识别技术相比,人脸识别具有非接触性和事后可追踪能力强等特点。但是,当面部存在遮挡时人脸识别就会面临严峻的挑战,人脸识别准确率会受到较大的影响。因此,研究带遮挡的人脸识别方法具有十分重要的现实意义和价值。根据人脸遮挡类型的不同,本文对眼镜遮挡的人脸识别方法和遮挡位置、面积、形状都未知的局部遮挡人脸识别方法分别进行了深入的研究,具体研究内容如下:（1）针对面部中的眼镜遮挡问题,本文提出基于改进全变分模型进行眼镜遮挡去除的二维人脸识别方法。首先,检测戴眼镜人脸图像中的眼镜属性,属性检测包括镜框位置、镜框类型、镜片颜色与反射区域四种;然后,根据眼镜属性的检测结果,使用改进全变分模型的方法去除人脸眼镜遮挡;最后,针对去除眼镜后的人脸,采取LBP算法提取人脸特征并进行人脸识别。通过实验证明了本文提出的基于改进全变分模型的眼镜去除效果优于其他算法,采用该算法进行眼镜遮挡去除后的人脸在识别时与其他算法相比具有更高的识别率。（2）针对遮挡位置、遮挡面积和遮挡形状都不确定的面部遮挡问题,本文提出基于多字典加权协作的三维局部遮挡人脸识别方法。首先,对人脸采取相应的预处理操作并对人脸进行分区;其次,利用三维图像的曲率特征检测每个分区中的多个关键点;然后,以关键点为基准提取多种局部特征并构造特征描述符;最后,为每个分区的特征描述符分别构造特征字典,通过引入加权项来削弱关键点误差较大的点在识别时的权重,由多个特征字典加权协作完成人脸识别。实验结果表明,本文提出的基于多字典加权协作的三维局部遮挡人脸识别方法的稳定性与识别率与其他方法相比都有所提升。（3）设计并实现了一个面向局部遮挡的人脸识别系统。该系统实现了基于改进全变分模型进行眼镜遮挡去除的二维人脸识别方法和基于多字典加权协作的三维局部遮挡人脸识别方法。无论是眼镜遮挡的二维人脸还是遮挡的位置、面积和形状都不确定的三维局部遮挡人脸,本系统都可以保持较好的识别效果。