在人与人的交流中，信息并不完全来自于语言，还有一些从人脸得到的视觉上的信息也是非常重要的，如交流对方的性别，年龄，情感等等。所以近年来越来越多的研究人员开始研究这方面的课题，其中对人脸年龄的估计比较特别，它既可以是一个分类的问题也可以看做是一个回归的问题。　　 本文对基于支持向量机的人脸估计问题进行了深入研究，总结了年龄估计的国内外发展现状以及该课题的技术难点，介绍了年龄估计的系统框架结构并对其中的特征提取以及分类算法进行了深入的研究，另外，还将蚁群优化的支持向量机用于人脸年龄估计的系统中。　　 本论文主要的工作和创新点如下:　　 (1)研究了人脸图像预处理的基本方法，并对数据库中的人脸图像进行归一化处理，得到去除了背景影响以及更为清晰的人脸图像，并且切割出人脸局部区域，用于局部特征提取。　　 (2)深入研究了人脸图像的特征提取方法，并将三种特征提取方法相融合，得到既有全局特征又有局部纹理特征的年龄特征参数。研究了特征参数的融合方法，采用了两种局部特征在特征层融合后再与全局特征在决策层融合的方法。在特征提取的过程中由于参数维数较高，使用了原始的PCA降维算法进行特征降维。　　 (3)深入研究了线性分类以及支持向量机分类算法，以及基于核函数的支持向量机算法，并对支持向量机回归机做了简要介绍。另外还介绍了蚁群算法，并且使用蚁群算法来优选基于核的支持向量机中的参数，将其应用于三种数据库进行实验，取得了良好的分类效果。　　 (4)对人脸年龄数据库进行了研究，给出了人脸年龄估计的系统框图，并介绍了人脸年龄估计的评价方法以及本文中用到的软件。将本文中研究的特征提取算法以及蚁群优化的支持向量机算法用于人脸年龄估计系统，得到了良好的年龄估计效果。