传统的基于密码或者口令的身份识别存在易攻破、易盗取和易遗忘等缺陷，已经很难满足日益增长的安全性和易用性的需求。生物特征识别技术具有稳定性高、唯一性好、易用性好、安全性高等天然特征，它被广泛用于金融、社会安全、通关系统和智能零售等实际应用场景中，并成为目前主流的身份认证手段。 

    生物特征识别技术在可控环境中均能获得很好的性能，但是在一些非可控场景还不能得到理想的结果。在这种情况下，采集到人脸、行人和虹膜图像可能会被遮挡物遮挡、较大的姿态变化，而且有时候采集到目标图像是不完整。为了解决非可控场景中生物特征识别的遮挡问题，本文以遮挡人脸识别、遮挡行人重识别和遮挡虹膜识别为研究对象展开了下述研究工作：
1) 从远距离虹膜识别系统这一实际应用场景出发，提出基于多尺度深度特征和字典学习的遮挡人脸识别方法。首先，收集了大量的人脸数据，为研究遮挡人脸识别奠定数据基础；接着，利用眼睛检测器来得到人脸的区域；然后，将检测到人脸区域划分为多尺度的人脸子区域并利用深度学习网络对这些子区域进行特征表达。最后，设计了基于字典学习的特征匹配方法来度量两张人脸图像之间的相似度。在收集到的遮挡人脸数据库上，本算法的识别精度优于目前主流的遮挡人脸识别方法。
2) 提出了动态特征学习方法，并把该方法运用于遮挡人脸识别和遮挡行人重识别中。该方法不再从图像层次出发，而是直接从特征层出发。考虑利用一个滑动窗口来产生动态的特征子图，这样可以大大地增加特征表达的效率。接着，利用一种相似性区域约束的稀疏表达方法来度量两张图像之间的相似度。本算法在遮挡人脸识别库和遮挡行人重识别数据库上获得了很好的性能，并且实现了不需要对齐的特征匹配。
3) 提出了空域特征重建方法，并把该方法推广到了遮挡人脸，遮挡行人重识别和遮挡虹膜识别中，并统一建立了快速、准确的生物特征识别的一般框架。首先，利用全卷积网络生成与输入图片大小一致的空域特征图。其次，提出一种深度空域重建方法，它利用流行的字典学习模型来重建不同空域特征并得到重建误差。提出的方法在不同模态的数据库都能获得非常好的效果。
4) 提出前景感知金字塔重建方法，用于重识别遮挡条件下的行人。首先，利用全卷积网络和金字塔池化层提取空域金字塔特征；然后，利用金字塔重建可以精确计算遮挡行人之间的匹配分数。利用空域金字塔特征之间的重构误差来度量两个人之间的相似性。并设计了一种对遮挡敏感的前景概率发生器，使其在重建过程中更关注于人体部位并减少遮挡部位关注，并进一步得到更加鲁棒的相似度计算。提出的方法不仅在遮挡行人数据库上获得非常好的效果，而且在标准的行人重识别数据库上也能获得很好的效果。