对于人脸图像的研究一直是模式识别与机器学习领域的研究重点,如人脸检测、人脸识别和表情识别等都是基于人脸图像的重要研究内容。随着基于年龄的应用不断出现,基于人脸图像的年龄估计问题成为一个新的研究热点。基于人脸图像的年龄估计指的是应用计算机技术对人脸图像随年龄变化的规律进行建模,从而使机器能够根据面部图像推测出人的大概年龄,主要包含年龄特征表示和年龄估计模型学习这两大关键技术。本文提出两种特征学习方法和软双层年龄估计模型,具体方法介绍如下：根据人脸随年龄变化的规律,本文提出基于权重分布的特征学习方法和基于单元粒度的特征融合方法。首先根据人脸各个部分随年龄的变化存在很大的差异,对年龄特征表示的贡献不同,本文提出基于权重分布的特征学习方法。采用滑动窗口得到人脸图像块,学习对应的年龄贡献,得到人脸年龄权重分布图,将其通过像素粒度、单元粒度和单元阈值这三种策略与人脸特征结合,形成基于权重分布的年龄特征。其次根据人脸随时间的变化不仅包含形状的变化,且还包含纹理的变化,本文提出了基于单元粒度的特征融合方法。将人脸图像划分为图像单元,然后在单元粒度上将多种人脸特征连接,最终形成融合特征。实验表明基于权重分布的特征学习方法和基于单元粒度的特征融合方法都能更有效的表达年龄信息。针对年龄估计方法的研究,本文提出软双层年龄估计模型。人脸随年龄的变化过程大致可以被划分为两个阶段,对此本文采用由粗到细的策略,先对年龄进行分类,再对各个年龄段建立各自的年龄估计模型。但是人脸随年龄变化又是一个缓慢的过程,存在年龄边界模糊的情况,对此本文采用在年龄边界设置重叠区域的策略,扩大年龄估计模型的适用范围,对年龄段分类出错的情况进行补救。实验证明软双层年龄估计模型能获得更好的效果。