人脸识别技术已广泛应用于生活的方方面面,解锁、打卡、支付等。随着新冠病毒的肆虐,口罩成为人们生活的必需品,提升局部遮挡的人脸识别技术识别率是计算机视觉领域研究人员的当务之急。已提出的相关算法林林总总,很多已在工程实践中落地应用,但识别率达不到目前整脸识别的水平,尚有提升的空间。稀疏表示分类算法（SRC）和协同表示分类算法（CRC）有对遮挡噪声高鲁棒性的优势,成为研究局部遮挡的人脸识别问题时不得不考虑的研究对象。鲁棒性主成分分析算法（RPCA）可以从污染图像中分离出遮挡和原图像。本文以这三种算法为基础,通过改进得到了两种算法:一是基于RPCA的子模块协同表示分类算法（RBCRC）,二是基于RPCA的加权稀疏表示分类算法（RWSRC）。具体工作内容包含以下两个方面:1.论文在子模块协同表示分类算法的基础上进行了改进,得到基于RPCA的子模块协同表示分类算法（RBCRC）。首先引入了RPCA算法以得到稀疏误差图像表达遮挡信息,根据稀疏误差图像各个子块中高灰阶像素的占比来量化各个子块的遮挡程度。再将该量化值代入S隶属函数得到投票权重值,用投票权重值来修正各个子块对各个类别的Borda投票数。最后统计投票结果得最终识别结果。论文提出的子模块遮挡程度的量化方法能分离出遮挡区域,得到的遮挡程度更接近人眼的直观感受,是算法准确度提升的关键。2.论文在加权稀疏表示分类算法（WSRC）的基础上引入RPCA算法,从而改进并提出了基于RPCA的加权稀疏表示分类算法（RWSRC）。改进之处有两点:其一,首先对高斯距离计算公式中的参数表达式进行改进,使得高斯距离表达式指数部分的分子分母数量级相同,避免在计算权重矩阵时权重剧烈变化。其二,通过RPCA算法得到稀疏误差图像,然后将稀疏误差图像经过两个步骤得到遮挡支撑图像。以遮挡支撑图为参照,在计算测试样本与训练样本间高斯距离时去除遮挡的影响,避免高斯距离过大。以此得到更准确的权重矩阵来修正Robust SRC算法中的无遮挡字典。论文设计了一系列实验以验证算法的性能以及确定一些参数的最优取值。实验表明,在AR人脸集上,RBCRC算法的识别率较没有进行遮挡量化的子模块协同表示分类算法（BCRC）提高了15%左右;RWSRC算法在AR人脸集上的识别率较加权稀疏表示分类算法（WSRC）提高了5%左右。