近几年,人脸图像在视频监控和识别领域的应用越来越广泛,人脸图像数据显得更加重要。在获取人脸图像的过程中往往会产生模糊,其中最常见的是相机与人物之间相对运动造成的模糊,称为运动模糊。产生运动模糊的人脸图像会大幅影响监控与识别的效果。因此,去除人脸图像的运动模糊在计算机视觉任务中有着重要意义。在计算机视觉领域中,现有的人脸图像去模糊算法并没有针对运动模糊问题;而已有的去除运动模糊算法并没有针对人脸图像。因此这两类算法在人脸图像运动模糊场景中效果并不突出。本文针对上述两类算法中存在的问题,提出了一种针对人脸图像的去除运动模糊算法,主要研究工作及贡献如下:（1）本文提出了一种针对人脸图像的去除运动模糊算法。该算法整体结构为生成对抗网络,生成网络又分为主干网络与旁路网络,并通过旁路网络融入了人脸解析信息,丰富了网络中的特征,有效的去除了人脸图像中的运动模糊。（2）本文将自编码网络作为一个预处理模块融入到神经网络模型中提升了整个网络去除运动模糊的效果。本文并没有对图像进行预处理,而是将自编码网络这种结构作为一个预处理模块融合到了整个网络中,得到了一个端到端的网络模型。（3）本文将人脸解析图作为先验信息融入到了网络中,同时将其作为一部分损失加入到了最终的损失函数中。本文设计了一个旁路网络结构来生成人脸解析信息,并将这些信息融入到了主干网络中,丰富了网络中的图像特征信息,有助于网络定位人脸图像的各个边缘。在本文的损失函数中也加入了人脸解析图损失,能够有效的针对旁路网络做训练,并提升了网络输出图像的质量。（4）本文制作了一个针对人脸图像运动模糊的数据集,同时该数据集中提供了所有人脸图像的11个模块的解析图。首先,通过人工筛选的方式,在公开的人脸数据集中筛选出符合要求的人脸图片,采用运动模糊算法对这些人脸图片进行随机的运动模糊,之后将人脸清晰图像和人脸运动模糊图像拼接为图像对,再分为训练集和测试集,得到了人脸图像运动模糊数据集;最后,使用图像分割算法将清晰的人脸图像分割为11个模块得到人脸解析图。实验表明,本文方法能够有效去除人脸图像的运动模糊,并在视觉观感上有着良好的效果。同时,与目前最先进的几种算法相比较,本文算法在两种不同的图像质量评价指标上获得了最佳性能。