人脸识别技术因其具有重要的科学意义和实用价值,在近几年得到了研究者的高度重视,成为当前模式识别和人工智能领域的一个研究热点。但由于年龄变化引起人脸形状和纹理上的变化,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,提出了加入年龄估计和人脸图像重构的人脸识别算法,从而实现了容忍年龄变化的人脸识别,并设计实现了相应的原型系统。本文的工作主要包括:(1)提出了基于局域二值模式与支持向量机的年龄估计方法。分析现有年龄估计算法的优缺点,采用局域二值模式提取出人脸随年龄变化的关键特征,然后由主成分分析方法对特征向量进行选择,最后借助支持向量机回归算法进行训练得到全局的年龄函数,从而确定纹理特征与年龄之间的对应关系。该方法能较为有效地根据人脸图像估计出其大致的年龄范围,实现人脸年龄段的分类,年龄误差控制在4岁左右,为人脸图像重构提供年龄度量。(2)提出了基于形状和纹理特征相结合的多年龄人脸图像重构方法。根据得到的人脸特征点数据,结合径向基函数的变形技术,先对人脸形状进行年龄变化处理;然后通过log-gabor小波对年老的人脸图像进行分解、选择,得到年龄纹理图,将其叠加到变形后的人脸图像上。在此过程中通过年龄估计函数判断年龄,调整年龄纹理图参数,控制皱纹的变化,从而重构出目标年龄的人脸图像。实验结果表明,该方法可以更加逼真地重构出不同年龄的人脸图像。(3)深入研究了基于离散余弦变换与隐马尔可夫模型的分类识别算法,针对传统离散余弦变换包含信息量偏少的缺点,采用基于采样的离散余弦变换扩大特征的覆盖范围,然后利用隐马尔可夫模型的分类识别算法,实现了容忍年龄变化的人脸识别,从而验证了添加人脸图像重构过程的有效性和合理性。(4)采用面向对象思想设计并开发了容忍年龄变化的人脸识别原型系统。该系统由图像预处理、年龄估计、人脸图像重构和人脸识别四个功能模块组成,实现了当训练图像与测试图像采集时间间隔5年左右时,系统仍能根据人脸判定所属对象。