图注：左图显示了人脸图像中的不同遮挡和光照阴影情况；右图显示了本文方法对图像的噪声消除能力，即子图(b)和(c)。

人脸识别技术作为人工智能领域的重要研究方向，在金融、交通、安防等领域中具有广泛应用。然而自疫情开始以来，佩戴口罩成为人们的必备操作，大面积的遮挡给传统的人脸识别方法带来了挑战。如何针对面部遮挡和复杂噪声进行有效建模，恢复出真实面部信息，是鲁棒人脸识别中重要且具有挑战性的问题。

为准确刻画图像中的复杂噪声，机器学习与智能决策研究中心团队从噪声信息的低秩结构和稀疏结构两个角度开展研究，通过引入非凸函数建立混合范数以提升传统方法的误差度量性能，使其更为精准地描述噪声信息的复杂结构，并在传统方法基础上提出更具判别力的系数正则项以增强模型的学习能力。研究表明，该方法在口罩、墨镜、围巾等现实遮挡以及复杂噪声下的人脸识别任务中，获得了同等实验条件下优于多种经典方法的识别准确度。这一工作在现实情形下的人脸识别、视频处理、医疗影像、安防监控等领域有着广泛的应用前景。

工程管理学院2018级硕士研究生章超为该论文第一作者，李华雄副教授为论文通讯作者，工程管理学院陈春林教授、周献中教授和山西大学计算机与信息技术学院钱宇华教授为合作作者。这是我院首次在IEEE TPAMI期刊上发表研究成果，该期刊是中国自动化学会（CAA）和中国计算机学会（CCF）等多个学会共同推荐的人工智能领域A类国际顶尖学术期刊，影响因子17.8。该项工作得到了国家重点研发计划基金、国家自然科学基金等项目的资助。

文编 | 工程管理学院

美编 | 崔欣然

责编 | 崔欣然