目的及意义：

基于人脸图像的生物特征识别研究在近几年来取得了巨大的发展。与其它的生物特征相比，人脸特征具有自然性、不易仿冒性和非强制性等优点，使其在安全监控、身份验证、人机交互、视频检索等方面具有巨大的应用前景。人脸年龄估计的特征提取算法需要提取人脸区域的特征，人脸区域检测是人脸年龄估计的一个重要环节。近年来，人脸年龄估计在人机交互、公共安全、图像视频检索以及机器人视觉等领域中有着许多成功的应用，如：

(1)可推动人脸识别技术的发展，在人脸年龄识别的研究中，人脸样貌会随着年龄发生变化，导致对象当前面貌与图像库中的图像之间出现差异，从而引起识别率的下降。为减少这种变化所带来的影响，可应用多年龄人脸图像重构方法来模拟年龄变化的效果，提高人脸的识别率，实现人脸面貌的准确识别和预测。

(2)可用于信息采集与分析，例如广告调查等领域，我们可以测定出浏览某个特定广告花费最多时间的年龄群并针对该年龄群设计广告方案；商家对购物中心的顾客进行年龄层次的分析统计，根据各自需求而针对不同的顾客群制定有利于商家自己的经营策略。

(3) 在视频信息爆炸的时代，安全监控的广泛应用推动了和谐社会的构建。年龄识别系统根据电子设备捕捉到的人脸图像，及时判定其年龄的所属类别，为一些安全系统提供决策依据。例如，对于网吧、酒吧、私人会所等禁止未成年人进入的场所，通过年龄识别系统可以有效地防止未成年人进入；一些出售酒水和香烟的自动售货机，可以利用安装的年龄识别系统事实判断顾客的年龄，从而拒绝向未成年人出售相关商品；如：2008年日本规定了相关的卷烟供应商必须在自动售货机上安装可以进行年龄识别的装置，用来阻止未成年人购买香烟。可以看出基于特定人脸图像年龄估计技术具有广泛的商用前景。

但是，人脸年龄估计这一技术目前仍然存在许多挑战，其主演挑战在于虽然人脸外观随着年龄的增长而发生变化的趋势相似，但是具体到某一个体上，则由于种族、生活环境、个人习惯等方面的因素和可能导致像同年龄的人看上去差别很大，甚至依靠人工也无法准确估计其真实年龄，再加上图像已收到光照、分辨率和视角等变化的影响，所以基于人脸图像的年龄估计成为计算机视觉领域中的一项极具挑战性的任务，吸引了各国研究人员的关注。

国内外研究现状：

在人脸属性识别领域，公开的人脸属性数据集最为关键，数据集的公开以及挑战赛的举办极大地推动了人脸识别的近战。当前大多数人脸属性识别的工作主要偏向于某一属性进行分析，而在年龄、性别和表情等属性联合估计方面的工作较少。而单个属性上的识别通常是多属性识别的基础，对训练属性识别模型提供了重要的借鉴意义。以下公开的数据集为主要线索分别介绍人脸各个属性在近年来的发展。

到目前为止，学术界已经提出了大量的人脸模型。我们遵循文献中^[1]的分类法，其中包括:wrinkle模型，体侧量模型，活外观模型(AAM)，老化模式子空间模型，年龄多样性模型，生物启发模型(包括biologically-inspired features (BIF ))，成分和动力学模型，快速傅里叶变换(FFT)和遗传算法(GA)进行特征提取和选择，局部二值模式(LBP)， Gabor滤波器。最近，生物启发式的卷积神经网络(CNN) 成功应用于人脸建模和年龄估计^[2、3、4]。

年龄估计问题可以被看作是一种回归^[5]或者直到量化误差的分类问题^[6、7]。其中应用较多的是支持向量回归(SVR)^[8]，偏最小二乘法(Partial Least Squares，PLS)^[9]，典型相关分析(CCA)^[10]等最流行的回归技术，传统最近邻( traditional nearest neighbor NN)和支持向量机(Support Vector Machines, SVM)^[11]。