跨年龄人脸识别作为通用人脸识别研究的细分方向之一,在金融、安防监控、智能手机应用等诸多领域都具有重要的应用价值。跨年龄人脸识别由于受到人脸皱纹随着时间变化而加深、颅骨形状改变等因素影响,比通用人脸识别任务难度更大,识别准确率也相对更低,并且由于跨年龄人脸识别研究较通用人脸识别而言起步晚,现有的方法也相对较少。鉴于此,本文针对跨年龄人脸识别问题展开更进一步的研究。首先,鉴于ResNet50网络模型在通用图像特征提取方面体现了良好的特征提取效果,本文借助ResNet50网络模型,通过引入可变形卷积和空洞卷积给出了适合跨年龄人脸识别的基于改进ResNet网络的端到端跨年龄人脸特征提取模型。在此基础上,将该特征提取模型与余弦相似度相结合,形成了性能较好的基于端到端人脸特征提取模型的跨年龄人脸深度学习识别方法。实验结果表明,该方法具有较好的跨年龄人脸识别准确率。其次,鉴于孪生网络思想有助于提升类内聚合与类间分离效果,本文将孪生网络架构与上述改进后的特征提取模型相结合,来进一步提升该特征提取模型的特征表征性能,并进而结合余弦相似度进行相似性度量,形成了基于孪生网络架构的跨年龄人脸深度学习识别改进方法。更进一步,结合多元孪生网络与关系度量思想,在给出基于多元孪生网络结构的跨年龄人脸深度学习识别方法的基础上,进一步形成了融合多元孪生关系度量的跨年龄人脸深度学习识别方法。实验结果表明,基于孪生关系度量思想的上述方法具有更好的跨年龄人脸识别效果。