自2020年以来,新型冠状病毒在全球范围内蔓延,人们的健康受到严重威胁。为了防止病毒在人群中快速的传播,在公共场所佩戴口罩是保护人们的主要方式。因此,利用深度学习方法检测是否佩戴口罩,可以有效的保护人们的安全,降低病毒的危害。本文选取自然环境下人脸口罩遮挡和暗光环境下人脸口罩遮挡两个方向出发,分别展开对自然环境下口罩遮挡检测和暗光环境下口罩遮挡检测的研究。本文的具体工作如下:（1）由于现在还没有在自然环境下使用的公开人脸口罩遮挡检测数据集。针对这一问题,首先创建了口罩遮挡检测数据集facemaskimage,然后设计了一种可以生成口罩人脸的方法,对数据进行了扩充。最终得到包含4656张图像的口罩遮挡人脸数据集,并对其进行人工标注,其中包括口罩遮挡人脸总计标注18126个口罩遮挡人脸,未被口罩遮挡人脸总计标注16120个人脸。（2）针对自然环境下人脸和口罩遮挡人脸的多样性,尺寸不一等问题和口罩遮挡人脸检测要求具有很快的检测速度和检测精度,本文提出SSD-Mask口罩遮挡人脸检测算法。首先在原有SSD模型的基础上,增加了人脸口罩遮挡检测任务。其次通过引入反卷积和特征融合,结合注意力机制过滤出需要保留的信息,提高了口罩遮挡人脸检测能力。最终通过实验表明本文算法在自制数据集facemask-image上取得了91.7%的平均准确率和22.7FPS的检测速度。（3）针对暗光环境下图像信息缺失造成的检测率低的问题,提出一种基于图像增强的暗光环境下的口罩遮挡检测算法。首先通过对比传统图像算法和基于Enlighten GAN网络的图像增强算法,发现Enlighten GAN更加能够还原暗光环境下的人脸特征。再与带有RPN网络的Faster-RCNN算法相结合,构建一个含有两级人脸检测器的暗光环境口罩遮挡人脸检测模型,模型通过RPN网络生成候选区域,候选区域确定待确定样本,将其图像送入到Enlighten GAN暗光图像增强网络中去,利用GAN网络拥有的生成器进行重新生成增强后的图像然后继续送到Faster R-CNN检测器中分类。最终将所有得到口罩遮挡人脸检测结果进行位置的回归输出。通过实验对比,本文方法提高了暗光环境下的口罩遮挡人脸检测效果。