人脸包含身份、性别、年龄和表情等重要信息,其中,人脸年龄估计已成为一个极具发展潜力的前沿技术,吸引了广大学者的深入研究,但是依然面临着很大的困难与挑战,一方面,每个人脸特征存在较大的个体差异,随着年龄的增长人脸发生变化的模式各不相同,有些人脸型变化较大,有些人皱纹增长较快,虽然共性相似但是因个体不同而千变万化;另一方面,年龄具有一定的时序性,相近年龄的人脸特征存在很大的相似性,将每个年龄看作是离散的标签,把年龄估计当作一种简单的分类问题来处理存在一定的不合理性。针对以上问题本文提出的方法可以提高年龄估计的准确率,主要工作内容如下:(1)提出一种标签分布的年龄标签编码方式。采用基于高斯分布的方式对年龄标签进行编码,对真实年龄及其相邻的年龄赋予一定的权值,该权值符合离散高斯分布,卷积神经网络的最后采用Softmax分类器,通过输出的概率分布与标签的概率分布之间的K-L距离对网络进行训练,最终的年龄预测值采用概率排名的方法。在MORPH和FG-NET数据集上的实验结果表明年龄估计的准确率高于单标签和多标签的编码方式。(2)融合分类和回归模型的年龄估计算法。在卷积神经网络中同时加入分类模型和回归模型,在共享卷积层参数的前提下共同训练网络,分类模型采用标签分布的编码方式进行年龄的分类,回归模型采用欧氏距离对年龄进行回归,年龄估计模型的最终预测值取两者的平均。实验表明融合分类和回归模型的效果要好于单一模型的效果,在提高年龄估计准确率的同时节省了大量的训练时间。