发型是人脸外貌的重要特征,发型识别在许多领域都具有价值,如美容美发行业的发型推荐,游戏角色自动生成中的发型选择等。基于头像的发型识别是指给定一张包含具有头发,人脸信息的头像图片,通过对头像的分析,识别出头发的造型。本文针对网龙网络游戏公司提出的发型识别的任务需求,通过计算机视觉技术对发型识别进行了研究,主要工作如下:（1）通过引入注意力机制和多金字塔池化模块,本文提出了基于PSPNet改进的头发语义分割模型。注意力机制凭借其特有的结构,从特征图的通道信息和上下文信息中提取特征图的重要信息,抑制无关的噪声信息,细化上采样分割过程。金字塔池化能够将特征图的全局信息进行整合,让模型充分理解图片的全局信息,通过将图片的浅层特征与深层特征融合组成多通道的融合信息,使得模型对于全局信息的把握更完美。针对本文提出的模型进行实验分析,消融实验结果表明注意力机制与多金字塔池化对模型性能有所提升,与其它方法对比,本文提出的模型有效的提升了头发分割的精度。（2）从图片分类和特征度量两个角度对发型识别进行研究。从图片分类角度出发,针对数据量不足的问题,采用迁移学习方法将Image Net预训练模型作为特征抽取器,提取发型的深度特征进行分类,实验结果表明使用头发分割预处理的VGG16深度特征与逻辑回归分类器的组合方案发型识别效果最好,五折交叉验证的平均准确率达到94.6%。尽管发型分类是一种可行的发型识别方法,然而数据采集与模型重训练的代价较为昂贵,针对发型分类方法的局限性,本文从特征度量的角度出发,创新性地提出了基于特征的无监督发型识别方法,该方法首先使用基于人脸识别特征向量的性别识别方法识别头像性别,其次对头像进行解析,分析发型的长度特征,然后利用基于Image Net的预训练模型Res Net50提取发型的形状特征,最后对90类发型数据子集使用欧氏距离度量发型形状相似度,返回距离最小的前三个发型作为发型识别的结果。（3）设计并实现一个基于头像的发型识别系统。该系统具有用户登录模块,头像上传模块,头像解析模块和发型识别模块。本文从系统总体设计、功能模块设计和系统的实现与展示方面对系统进行了详尽的介绍,系统在windows环境下运行稳定,发型识别效果表现良好。