人脸识别技术研究在近几年得到了高度重视,已成为图像分析中最成功的应用之一,更以其出众的特性,成为生物特征识别最具潜力的研究方向。但由于年龄变化会引起人脸产生巨大变化,导致人脸识别率严重下降。为了解决这个问题,本文在国内外现有的人脸识别技术和年龄变化研究的基础上,从年龄预测、图像重建两个方面着手,提出了加入年龄预测和图像重建的人脸识别算法,并设计实现了相应的原型系统。本文的工作主要包括:(1)采用了标准化的局部奇异值作为提取的人脸特征。在深入研究奇异值特征提取方法的基础上,针对传统奇异值特征中所含信息量偏少的缺点,采用局部奇异值作为人脸特征,扩大信息量,并对提取得到的特征进行标准化。该方法能进一步提高人脸识别效率。(2)提出了基于Elman神经网络的人脸年龄预测方法。分析现有年龄预测算法的优缺点,结合奇异值分解算法与小波算法,提取人脸随年龄变化的关键特征,借助网络回归算法进行学习,并同时优化参数,建立最佳年龄预测模型,用于估计人脸图像的大致年龄范围。该方法能较好地实现人脸的年龄分类,年龄误差可控制在3岁左右。(3)提出了基于形状和纹理相结合的人脸图像重建技术。根据已有的生理学数据,结合径向基变形技术,先对人脸形状进行年龄变化处理;然后借鉴于Gobal多重滤波的思想,提出了对图像进行多方向滤波提取多年龄纹理特征的思想,并利用训练好的年龄预测模型选择模板纹理图,对目标人脸进行相应的纹理置换叠加,从而得到人脸在目标年龄下的新纹理。该方法能生成较为自然、更贴近于真实年龄的年龄重建图像。(4)采用了基于隐马尔可夫模型(HMM)的分类识别算法,对人脸图像进行分类识别,验证添加年龄重建过程的有效性和合理性。(5)采用面向对象思想设计并开发了具有年龄变化的人脸识别原型系统。该系统由图像预处理、年龄预测、年龄图像重建、特征提取和分类识别五个功能模块组成,基本实现了当训练图像与测试图像采集时间间隔5年左右时,计算机仍能根据人脸判定所属对象。