人脸图像缺损将大幅降低人脸检测、人脸跟踪、人脸识别等相关算法的性能,给视频监控、身份认证等应用领域带来严峻挑战。人脸修复作为一种利用已知信息修补缺损区域从而获取完整人脸的技术,为上述问题的有效解决提供了可能性。得益于近十年来深度学习的稳健发展,结合了深度神经网络的人脸修复算法获得愈加真实的人脸修复结果。许多研究者利用基于生成对抗网络的人脸修复方法在针对生成高分辨率修复结果、修复任意形状缺失区域等方面做了大量工作。因此,研究基于生成对抗网络的人脸修复方法具有现实意义和良好前景。然而,在大面积区域缺损的情况下,现有的基于深度神经网络的人脸修复方法效果不佳,尤其表现在修复所得人脸轮廓失真的问题上。为此,本文提出一种基于人脸关键点引导式生成对抗网络的人脸修复及关键点预测方法,该网络将人脸修复和人脸关键点预测两大任务相结合,利用人脸关键点损失函数引导人脸面部轮廓的生成,在获得具有轮廓约束的人脸修复结果的同时,完成人脸关键点预测任务。本文的主要研究内容如下:（1）深度卷积重构生成对抗网络。该网络以生成对抗网络为基本结构,在上下文编码器和深度卷积生成对抗网络的基础上,改进了生成器的结构,以深层次的编码器-解码器结构帮助网络提高利用有限语义信息重构完整图像的能力。（2）基于人脸关键点引导式生成对抗网络的人脸修复算法。在深度卷积重构生成对抗网络的基础上,引入人脸关键点预测模块组成人脸关键点引导式生成对抗网络,利用提出的人脸关键点损失函数引导网络生成更接近真实图像的人脸,从而提高人脸修复算法性能。（3）基于人脸关键点引导式生成对抗网络修复结果的人脸关键点预测算法。针对人脸大面积区域缺损情况下的人脸关键点预测任务,人脸关键点引导式生成对抗网络将修复结果输入到人脸关键点预测模块,利用重构的完整人脸信息定位68个人脸关键点。在公开人脸数据集上完成图像重构实验评估,实验结果表明本文提出的深度卷积重构生成对抗网络能够有效重构多类型图像,证明了网络改进的合理性和有效性。在公开人脸数据集上完成人脸修复实验和人脸关键点预测实验结果评估。实验结果表明,本文提出的基于人脸关键点引导式生成对抗网络的人脸修复算法能够有效修复大面积区域缺损的人脸图像。同时,在修复基础上完成的人脸关键点预测结果要明显优于现有的人脸关键点预测算法。