年龄作为人类的一种重要身份信息,在安全监控、人机交互、视频检索等方面有很大的应用潜力。随着近年来生物特征识别技术的兴起,基于静态人脸图像的年龄估计技术已经成为计算机视觉领域的一项重要的研究课题,吸引了越来越多的研究者投入其中。年龄估计问题,既可以被建模为分类问题也可以被描述为回归问题。本文首先介绍了分类和回归两种模型解决年龄估计问题常用的技术。分类方法由于其没有很好的利用年龄之间的相关性,更加适用于年龄段的估计。本文重点讨论采用回归方法解决年龄估计问题。论文综述了传统人脸年龄估计常用的特征提取方法和回归方法,并将不同的人脸特征与所有的回归方法相结合得到了不同的年龄估计方案,然后基于FG-NET人脸数据库进行对比实验。结果表明:由于训练样本稀疏并且各年龄区域样本分布不均衡,传统回归方法估计年龄的精确度较低。为解决上述问题,本文引入“属性”概念,提出一种基于加权累积属性的人脸年龄估计方法。该方法通过分析人类的成长规律,发现人类在不同时期生长速度不同,据此定义了加权累积属性的概念,这在很大程度上减轻了训练样本稀疏及分布不均衡对模型的影响。然后将加权累积属性作为中间特征,构建人脸AAM(Active Appearance Model)特征与年龄标签间的二重回归模型,从而估计年龄。实验表明:该方法较传统方法的估计精度有很大的提高,此外,采用加权累积特征比均匀的累计特征能进一步减小年龄估计误差。