人脸识别最近得到了越来越广泛的应用;但是，该领域存在一些问题。其中之一是面部化妆，因为它可以改变面部外观并损害生物识别系统。最近的一项研究提出了一种通过化妆来提高面部识别能力的技术。

它探索基于部件的表示。面部不同部位受化妆品的影响不同;因此，这种方法可以提高人脸识别的准确性。分析了裁剪人脸的两种策略。

首先，拆分为四个部分：左眼周，包括眼睛和眉毛，右眼周，鼻子和嘴巴。其次，将面部分成三个面部三分之一。裁剪后，使用卷积神经网络 (CNN) 提取特征并与整体分数融合。结果表明，即使没有微调或重新训练 CNN 模型，这种方法也可以实现改进。

最近，我们看到全球面部识别市场规模有所增加。尽管随着卷积神经网络的采用，人脸识别技术取得了重大进展，但仍然存在开放性挑战，例如面部化妆。为了应对这一挑战，我们提议并评估采用面部部件以与当前的整体表示融合。我们提出了两种面部部分的策略：一种具有四个区域(左眼周、右眼周、鼻子和嘴巴)，另一种具有三个面部三分之一(上、中、下)。在四个公共化妆面部数据集和具有挑战性的跨数据集协议中获得的实验结果表明，面部部分提取的深层特征与整体表示的融合提高了面部验证系统的准确性并降低了错误率，即使没有对 CNN 模型进行任何重新训练。我们提出的管道在 YMU 数据集上取得了最先进的性能，并在其他三个数据集(EMFD、FAM 和 M501)上取得了有竞争力的结果。