人脸识别技术经过长达半个多世纪的发展已经臻于成熟,随着3D技术及深度学习的发展,以往人脸识别存在的缺陷正在被弥补,识别精度也得到提高。自二零一九年新冠肺炎疫情爆发以来,公共场所佩戴口罩已经成为大众生活中必不可少的环节,但在口罩遮挡情况下,当前人脸识别技术的识别精度会大幅下降,人们需要冒着感染风险摘下口罩完成人脸识别工作。为解决上述问题,本文提出了人体头部检测、口罩区域分割、人脸修复及人脸识别的技术路线,主要工作如下:1.针对头部检测子问题,提出基于YOLOv4目标检测算法训练并实现针对口罩遮挡情况下的头部检测模型。首先搜集亚洲人脸图像和人脸佩戴口罩图像,标注头部区域制作数据集并训练模型,其次对模型进行适应性改造,使其在完成检测的同时获得指定大小的头部区域图像;2.针对口罩区域分割子问题,提出基于SOLOv2实例分割算法训练并实现针对口罩区域的实例分割模型。首先标注人脸佩戴口罩图像中的口罩区域制作数据集并训练模型,其次对模型进行适应性改造,使其在完成口罩区域分割的同时获得口罩区域掩膜;3.针对人脸修复子问题,提出基于PIC多样化图像补全算法训练并实现针对黄种人的人脸修复模型。首先采用数据集筛选、网络爬取和Style GAN生成三种方式制作亚洲人脸图像数据集并训练PIC模型,其次对模型进行适应性改造,使其能够针对口罩区域进行修复并获得指定数量的多样化修复结果;4.针对人脸识别子问题,提出基于Arc Face算法训练并实现人脸识别模型。首先对亚洲人脸图像进行对齐和裁剪制作数据集并训练人脸识别模型,其次使用模型对多样化人脸修复结果进行识别,获得最终结果。此外,本文根据实际需求设计并开发了一套面向口罩遮挡的人脸修复与识别系统,并对系统功能进行了测试,实验结果表明系统对于佩戴口罩的人脸图像具有较好的修复效果及识别准确率。