年龄是影响人脸识别正确率的一个重要因素，年龄估计最初是为了提高人脸识别的准确率而提出来的。随着对人脸年估计研究的深入，人们发现年龄估计具有非常广阔的应用前景和重要的理论价值，因此，基于人脸图像的年龄估计成为了模式识别与计算机视觉领域的一大研究热点。到目前为止，国内外的许多专家和学者已经提出了很多基于人脸图像的年龄估计算法，但是，如何进一步提高年龄估计算法的鲁棒性和准确率，减少算法的时间和空间复杂度，仍然是亟待解决的问题。而随机森林算法目前在生物学、经济学、医学等很多领域已经得到了广泛的应用，并取得了很好的效果。本文首次将随机森林应用到年龄估计问题，提出了基于生物启发特征和随机森林的年龄估计算法。本文的主要工作如下：1.提出了基于生物启发特征和随机森林的年龄估计方法，其基本流程是：首先对人脸图像提取生物启发特征，然后使用OLPP方法对其进行降维，最后使用随机森林回归方法进行年龄估计。利用Matlab编程实现了本文提出的算法，并在著名的FG-NET人脸数据库上对算法进行了验证。2.对生物启发特征和计算机视觉中常用的LBP特征、HOG特征进行了比较研究，实现了基于LBP特征和随机森林、以及基于HOG特征和随机森林的年龄估计方法，并在FG-NET数据库上进行了实验。实验结果表明，在人脸年龄估计中，生物启发特征优于LBP特征和HOG特征。3.对随机森林和SVM在年龄估计中的性能进行了比较研究。实现了基于生物启发特征和SVM、基于LBP特征和SVM以及基于HOG特征和SVM的年龄估计算法，并和基于随机森林的算法进行了比较，实验结果表明，利用随机森林进行年龄估计具有较好的性能。