随着计算机视觉技术与机器学习的发展,基于人脸图像相关的检测识别技术日趋成熟,与人脸相关的技术对人类的生活也有着很大的影响,因此也使人们对人脸相关的技术有着越来越多的关注度。人脸图像包含有个人的重要信息,如人的身份、性别、表情、年龄、肤色、种族等,这些信息在生活中都起着重要的作用。基于人脸图像的年龄估计是计算机视觉和模式识别领域的重要研究内容之一。影响年龄估计的因素诸多,如胡须、皱纹、肤色、发型、伤疤,以及拍摄角度、光照、表情、穿戴饰品等;并且,一个人的面部特征也因人们行为模式、生活方式、所处年龄段而有所区别。因此,年龄估计成为计算机视觉领域中的一个挑战性问题。本文基于人脸图像年龄特征的提取与年龄值的回归,探索年龄值估计方法,主要提出并实现了以下两种年龄估计的算法。(1)基于年龄分组及全局-局部纹理特征融合的年龄估计。分别针对整幅人脸以及人脸面部的四个关键部件(左眼、右眼、鼻子、嘴)区域,基于LBP、分块LBP、HOG、以及GOP特征以及全局-局部特征融合方式进行人脸面部的纹理特征提取;将人脸按照年龄取值情况,基于线性SVC进行年龄分组;针对每个年龄组的人脸图像,基于线性SVR进行年龄值估计。基于MORPH数据库的年龄估计取得了平均绝对值误差为2.28岁的年龄估计性能。(2)基于多通路卷积神经网络进行监督式全局-局部特征提取的年龄估计。分别针对整幅人脸以及人脸面部的四个关键部件(左眼、右眼、鼻子、嘴)区域,实现了全局-局部联合的、基于多通道卷积神经网络的监督式年龄特征提取;进一步将来自各通道的深度年龄特征进行串接,完成基于前馈神经网络回归模型的面部年龄值估计。基于MORPH数据库的年龄估计验证了方法的有效性。