张亮亮，张明艳，程凡永，周 鹏

（安徽工程大学安徽省电气传动与控制重点实验室，安徽芜湖 241000）

0 概述

人脸部年龄的准确预测具有很高的利用价值，在智能推荐、电子商务广告推送、图像信息检索与图像理解［1］等人机交互任务中具有广阔的应用前景。目前使用较广泛的年龄预测系统由特征提取和年龄预测两个部分组成。前者涉及到人体测量学模型［2］、柔性模型［3］及流形学习模型［4］等。人体测量学模型在对人脸器官信息测量的基础上结合数学建模方法，可有效描述轮廓变化和年龄增长之间的关系。柔性模型关键是将人脸部形状和灰度或纹理相联系，并进行相应的训练获取人脸的特征信息，进而获得相应的人脸模型。流形学习模型通过使用流形嵌入技术对不同年龄的人脸图像进行训练学习，进而获取到相应的年龄变化趋势，该算法的优势在于不需要大量的个体样本，甚至在某些特殊情况下单个个体仅需要一个样本即可。年龄预测部分主要包括回归模型［5］和分类模型［6］。回归模型依据人类年龄值的连续特点，使用相应的回归函数实现对年龄值的拟合计算，进而能够有效实现对年龄的预测。文献［5］用二次回归函数表示脸部图像的年龄变化规律，该方法在局部年龄段可取得较好的预测结果，但对于该年龄段之外的脸部图像年龄预测效果欠佳。分类模型在对年龄进行预测时，通常是按照提前划分好的年龄段实现对年龄的准确预测，并且最终计算出的预测结果也不是与真实年龄值相似的值，而是一个一定大小的预测范围。……