目前关于人脸面部表情的研究主要是对静态人脸图片直接分析识别,这种方法往往在实验室环境下的人脸数据集上表现不错,却难以适用于含有有损人脸的野外复杂环境下的人脸数据集,比如低分和有部分遮挡等人脸图片。本文旨在通过人脸修复模型对有损人脸进行修复生成,然后利用人脸面部表情识别模型对修复后的人脸进行面部表情动作单元识别分析。本文主要解决的问题是保证修复生成后的人脸图片的人脸面部表情动作与真实的人脸面部表情动作相一致,从而保证野外复杂环境下有损人脸的面部表情动作识别分析获得较高的准确率。对于人脸修复模型,本文主要设计了两种基于生成对抗网络的方法:其中一种方法是通过弱监督的方式,将先验的人脸面部表情动作信息以条件信息的形式加到人脸修复模型中去辅助人脸修复;另外一种方法是通过改进图卷积网络,从无损区域学习有损区域来修复整个有损人脸图片,此设计主要是借助人脸面部表情动作单元之间的共生或互斥先验结构信息。对于人脸面部表情识别模型,本文采用端到端的模型直接进行面部表情动作分析与识别,并将其用于人脸修复模型中对修复后的人脸进行面部表情识别分析,以监督修复生成人脸的面部表情动作。本文在BP4D和DISFA两个通用表情数据集上进行相关实验,从定性和定量两方面对所提出人脸修复模型的有效性进行验证。