基于精细引导掩码提取的自适应遮挡人脸识别特征融合网络

叶继华^a,b,c，张磊^a，王超^a，涂琦轩^a，郑热花^a，黄荟源^a，江爱文^a

（江西师范大学 a. 计算机信息工程学院；b. 江西省高性能计算技术重点实验室；c. 国家网络化支撑软件国际科技合作基地，南昌330022） 

摘要：遮挡物体位置和大小的不确定性对人脸识别时身份特征提取存在较大的影响，目前方法无法有效消除这类影响。为了解决这一问题，提出了一种新的遮挡人脸识别特征融合网络，该网络能够自适应处理任意遮挡物，准确地提取遮挡信息掩码，并通过特征融合模块，有效消除遮挡对人脸身份特征的影响。本文方法首先通过遮挡分类模块和遮挡分类损失，对遮挡信息进行精确引导，提取出准确的含遮挡信息的掩码。接着，提出了遮挡感知混合注意力模块，该模块在通道和空间维度上关注人脸特征与遮挡掩码之间的联系，并通过这种融合策略，能够提取出不受遮挡影响的人脸身份特征。实验结果表明，本文方法在处理任意遮挡物的人脸识别任务上具有显著优势。在LFW和MF1的合成遮挡数据集上，平均准确率分别达到了93.19%和72.57%，相较于主流方法分别提升了1.7和2.39百分点。

关键词：遮挡人脸识别，特征融合，遮挡掩码，遮挡感知

点击分享码全文pdf浏览：https://rdcu.be/egxGv

Cite this article: Ye, J., Zhang, L., Wang, C. et al. Adaptive Occlusion Face Recognition Feature Fusion Network Based on Precise Guidance Mask Extraction. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2818-4