李俊瑶，黎智辉，谢兰迟，侯欣雨，叶 东

1.江苏警官学院 刑事科学技术系，南京210000

2.公安部物证鉴定中心，北京100032

随着深度学习、神经网络的快速发展，人脸识别已经广泛应用于电子消费、安防、打击犯罪等领域，ResNet[1]、DenseNet[2]等算法的识别准确率甚至高于人类。但是，对于失踪儿童长大后身份验证、逃犯长期追踪与识别、积案累案侦办等需要使用跨年龄人脸识别技术的问题，目前还没有很好的解决方法。

目前，跨年龄识别问题较难解决是因为随着年龄的增长，面部老化会引起面部特征的改变。对于儿童和青少年，身体未发育完全，颅面的生长导致面部轮廓发生变化；对于成年人和老年人，衰老导致皮肤老化，使得五官形状改变、面部皱纹增多等[3]。当前，对于跨年龄人脸识别的研究主要分为两大类：一类是研究人脸老化规律，利用不同时期的老化模型，合成老化人脸，基于合成的老化人脸进行人脸识别与匹配；另一类是探寻人脸的年龄不变量，强化跨年龄人脸识别中与受年龄影响较小的个体特征，提高跨年龄人脸识别相似度和准确性。

近几年，部分学者对随年龄进程的人脸老化模型进行过系统地梳理。其中，Fu等人[4]总结了人脸老化合成和年龄估计相关算法，针对人脸老化合成，在深入剖析年龄进程中人脸特征变化的基础上，将人脸模型分为几何模型、图像模型、外观模型等，并从数据驱动合成、力学合成和统计学合成三个方面对现有的老化合成算法进行详细描述。……