人脸检测是计算机视觉中的一个首要目标,亦然一个和人们生活极其相关的研究方向,因为人脸是人最重要的外貌特征^]1[。利用计算机智能地检测、识别并分析人脸的特征信息,并利用这些信息进行进一步处理,可以使人们的生活更加方便化、安全化和自动化^[2]。人脸检测技术近年取得了突破性的进展。起初,人脸检测只能在无背景图片中检测出人脸的位置。现在,部分人脸检测技术可以准确地检测出自然场景下多种角度的人脸;可以判断两张人脸是否为同一个人;可以根据人脸分析人的年龄、性别和表情等。本文研究的人脸检测和年龄性别识别正是建立在神经网络的基础上,研究思路概括如下:包含人脸且具有年龄和性别标签的公开数据库并不多,优质的数据对于模型的训练非常重要,本文选择的是IMDB-WIKI数据库,这是性别和年龄识别较为权威的数据库。针对原始照片数据,我们要选取包含人脸、标签有效且每张照片只包含一张人脸的数据。使用级联卷积神经网络MTCNN去检测出人脸的切确位置,进而进行对齐。并且裁剪出171*171的人脸图片用于下面模型识别的输入。根据基础神经网络模型Inception-Resnet-V1搭建用于预测性别和年龄的网络架构。在最后的全连接层中,我们设定性别为二分类,年龄为101分类。在整个网络的搭建过程,需要比较并选取数据增强优化数据质量、L2权重正则化、交叉熵损失函数、学习率的阶梯指数衰减法以及Adam优化器去优化模型。通过TensorBoard上的显示,我们搭建的模型在人脸性别和年龄的分类上达到了很高的准确性。损失曲线整体趋势一致下降,从开始的3.25下降到0.78;性别在验证数据集上的准确性也在最后达到了99.99%;年龄由于易受外在环境影响,所以主要计算的输出结果再加上正负1区间上的准确性,在训练过程中它的准确性也一直稳步上升,并在最后达到了99.37%。综合上述结果来看,我们搭建的模型在人脸的性别和年龄预测上面,取得了很好的效果。