人脸识别技术具有广阔的应用前景。同时也是模式识别领域的典型问题，具有极高的理论研究价值。虽然人脸识别技术在近几年内得到了巨大的发展，但是仍存在一系列难以解决的关键问题，包括：光照变化，表情变化，遮挡，低分辨率，姿态旋转等。本文就被遮挡人脸识别中展开了近一步的研究。主要的研究内容如下：　　 1）提出了一种基于人脸重建和特征融合的被遮挡人脸识别方法。以往解决遮挡问题的方法一般先对人脸进行子模块划分，然后利用未被遮挡人脸模块局部的特征进行识别。但此方法存在两个问题，一是被遮挡的人脸模块通常包含某些具有判别性能较高的人脸器官，二是此方法忽略了对人脸全局特征的应用。针对以上两个缺点，本文提出了基于被遮挡模块动态搜索重建和人脸特征融合的识别方法。首先，受动态形状模型（Active Shape Model，ASM）和动态纹理模型（Active Appearance Model，AAM）的启发，建立了动态搜索重建算法。在人脸统计模型的基础上，此算法通过局部形状搜索和全局纹理合成重建被遮挡人脸模块的形状和纹理模型。然后，利用特征融合的方法得到具有高判别能力的特征。根据生理学和心理学的研究，全局特征和局部特征对人脸识别均发挥着重要的作用，为了得到具有更高判别能力的人脸特征，利用非负矩阵分解（Non-NegativeMatrix Factorization，NMF）提取人脸的全局特征，利用和局部非负矩阵分解（Local Non-Negative Matrix Factorization，LNMF）提取和人脸子模块的局部特征，然后利用典型相关分析（Canonical Correlation Analysis，CCA）对全局特征和局部特征进行融合，得到两组具有不同特性的融合特征。在实验中，本文对比了不同融合特征之间的识别性能，同时与其它解决被遮挡人脸识别的方法做了比较，实验证明，本方法有效的提高了被遮挡人脸识别的识别率。2）提出了一种基于三维重建和光照补偿的解决人脸多模态干扰的识别方法。在实际应用中，通常只能采集到一张无光照无表情的正面人脸图片作为训练集。如果测试集图片再附加光照和遮挡等干扰，则对识别率的影响更为严重。为了解决这一问题，本文利用三维重建的方法对人脸进行重建，并对重建图片进行人工光照补偿得到新的训练图片，然后根据测试集光照的方向在训练集中加入具有相同光照方向的训练图片。同时，为了避免遮挡产生的影响并保证训练效率，在根据光照调整过训练集的基础上，本文又根据测试集的遮挡情况调整了训练集。最后通过实验证明了本方法在解决人脸多重遮挡和单样本问题上的有效性。