计算机应用研究

作者：张庆辉,张媛,张梦雅,

单位：河南工业大学信息科学与工程学院,郑州450001；

关键词：人脸识别,有遮挡人脸数据集,深度学习,鲁棒性特征提取,遮挡信息恢复,

基金：河南省重大公益专项资助项目(201300311200)；河南省科技攻关项目(222102320039)；郑州市协同创新专项资助项目(22ZZRDZX41)；河南工业大学博士基金资助项目(BS2019027)；；

人脸识别技术水平不断提升，在身份认证、人机交互等应用上得到了较为理想的识别率，市场规模不断增长。然而真实场景下的遮挡问题并没有被彻底解决，如何抑制或消除遮挡对人脸关键性特征的负面影响是当前人脸识别领域的热点之一。针对遮挡导致的人脸结构信息缺失问题，对有遮挡人脸识别数据集和有遮挡人脸识别方法进行综述，首先介绍分析了一些重要的新型有遮挡人脸识别数据集；其次，归纳分析了用于解决遮挡问题的传统方法和深度学习方法，重点介绍了基于深度学习的特征鲁棒性提取方法和遮挡部位信息恢复方法；最后，总结分析了相关方法的优缺点，指出有遮挡人脸识别研究存在的问题和挑战，对未来研究方向进行了展望。

来源：2023年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第8期