一、研究背景及意义
　　公众场所下口罩佩戴成为常态，传统人脸识别门禁因遮挡准确率下降，接触式门禁有交叉感染等风险。智慧安防发展催生对非接触、口罩遮挡下精准识别门禁的迫切需求。本研究旨在提升口罩遮挡下人脸识别算法的鲁棒性，解决特征缺失难题，通过加密通信与数据去标识化保障隐私，推动技术应用，为防疫安防提供高效安全的智能门禁方案。
　　二、系统设计
　　（一）系统总体架构
　　本系统采用分层架构设计，主要包括图像预处理模块、活体检测模块、特征提取模块、人脸识别模块和人脸修复模块。各模块协同工作，确保系统的高效性和鲁棒性。
　　（二）图像预处理模块
　　图像预处理是系统的第一步，其目的是改善图像质量，为后续模块提供更清晰、更准确的输入数据。
　　（三）活体检测模块
　　活体检测模块是系统的核心，用于区分真实人脸与攻击样本。照片攻击通过肤色模型和眨眼动作检测；三维头套攻击采用纹理分析；视频攻击则分区域提取特征，利用改进SEMB-LBP增强信息表达，再通过稀疏支持向量机分类。
　　（四）特征提取模块
　　特征提取模块用于从预处理后的图像中提取有效的特征，为后续的人脸识别和修复提供支持。改进的SEMB-LBP特征提取方法能够弥补传统LBP的局限性，增强对图像整体信息的把握，通过降维处理提高特征提取的速度；通过主成分分析（PCA）或其他降维技术，减少特征维度，提高系统的运行效率。
　　（五）人脸识别模块
　　人脸识别模块基于CNN构建，可在无遮挡与局部遮挡场景下完成识别。本研究采用VGG16模型，通过卷积、池化和全连接层提取特征，并对比不同遮挡条件下的识别效果以验证鲁棒性。实验显示，随遮挡面积增大，识别效果降低，表明单纯依靠卷积网络存在局限性。
　　（六）人脸修复模块
　　人脸修复模块采用WGAN，用于修复遮挡人脸并提升识别准确率。通过研究朴素GAN、DCGAN和WGAN并对比优劣，构建包含对抗损失与语境损失的生成网络损失函数，确保图像逼真且内容相似。在现有损失基础上引入对称损失，增强人脸对称性，实验表明该改进显著提升了修复质量与算法效果。
　　（七）系统集成与优化
　　将上述模块集成到完整系统中，确保各模块高效协同与无缝衔接，优化算法和硬件加速以提升运行效率、鲁棒性和响应速度，并采用加密与访问控制保障数据安全与隐私。系统实现高效活体检测与人脸识别，可抵御照片、头套及视频攻击，遮挡时通过修复提高准确率。实验表明系统准确高效。
　　（八）实验设计与结果分析
　　本实验采用Masked Face-Net和自采数据，以准确率、召回率、F1值测试，系统在口罩遮挡下准确率超85%，优于传统门禁，且调优与数据增强可提升性能，验证方案有效。项目成功实现基于口罩遮挡的智能门禁系统，通过深度学习进行遮挡身份识别，具备高准确率和实用性。
　  本文系2023年大学生创新创业训练计划项目“基于口罩选挡的智能门禁安防系统的研究”研究成果（项目编号:S202313123068）