人脸识别系统因其具有安全、快捷和无接触等优势,在社区、学校、车站和医院等公共区域得到了广泛的应用。但在实际应用中,现有的人脸识别系统的识别精度仍会受到合适的光照、识别者配合摘掉口罩和眼镜等遮挡物等因素的影响。针对上述问题,本文重点围绕如何在有遮挡物的情况下提高人脸识别的速度和提升人脸识别的精度等关键问题,基于生成式对抗网络（GAN）和主成分分析网络（PCANet）,结合人脸修复设计并开发了一款局部遮挡人脸识别系统,从修复遮挡和优化识别来消减遮挡对人脸识别的影响,具体研究工作如下:1.提出一种基于GAN的多尺度人脸图像修复算法（MRGAN）。针对遮挡导致人脸部分特征丢失的问题,首先,利用GAN填充低分辨率图像难度低的特点,使用四组生成网络和判别网络来渐进式地生成图像;其次,对生成网络负责修复缺失的区域,使用判别网络鉴别生成的分布是否接近真实分布;最后,为了强制生成网络保留生成人脸的纹理特征,保证生成图像的真实质感和身份信息,采用基于局部二值模式（LBP）的损失函数来最小化生成纹理和真实人脸纹理之间的差异。通过实验与目前流行的人脸修复算法进行对比,从定量、定性和计算成本三方面验证了MRGAN的优势。2.提出一种基于PCANet的多尺度、多层特征融合的遮挡人脸识别算法（MMPCANet）。针对传统PCANet将二维图像拉伸成列向量导致基本图像空间信息丢失和训练样本较少时识别精度低的问题,首先,对原始图像特征和第一层的输出特征进行通道连接,随后将连接结果用作第二层的输入,达到获取更多图像特征信息的效果;其次,为了避免图像空间信息的丢失,采用空间金字塔作为网络的特征池化层;最后,将特征向量发送到随机森林分类器进行分类。实验表明,针对遮挡人脸识别MMPCANet相较于其他同类型算法表现具有一定的优势,几乎完全提取了人脸的非遮挡区域特征,同时更节约时间成本。3.实现局部遮挡人脸识别系统。基于MRGAN、MMPCANet及相关技术,通过对人脸识别系统的需求调研,按照软件设计开发流程,设计并实现了一个局部遮挡人脸识别系统。所开发的系统既实现了人脸识别算法的人机交互,又能自由选择算法模型,用户可以通过选择上传图像或者开启摄像头的方式进行人脸识别。通过系统测试验证了算法在实际的遮挡人脸识别中仍取得较好的结果,体现了算法的健壮性和可移植性。