现如今通用人脸识别技术取得了比较明显的成果,并且在智能安防、交通以及金融场景极大地便利了人们的日常生活。尽管如此,但是在一些特定的应用场景下通用人脸识别技术的性能就会受到限制,比如寻找丢失多年的儿童、抓捕外逃多年的罪犯或者跨大年龄间隔进行证件照的比对。相比之下,作为人脸识别方向的子领域,跨年龄的人脸识别技术在这些应用场景中发挥了至关重要的作用。随着年龄的增长,人脸的面部包括纹理、骨骼等会逐渐发生变化,年龄跨度越大,人脸的面部变化就越大,这样也就带来了较大的类内差异,因此跨年龄的人脸识别任务是极具挑战性的。现有的用于跨年龄人脸识别任务的判别方法主要专注于将图像中的面部特征分解为与年龄有关的特征和与年龄无关的身份特征,然后进行人脸识别。事实上,在特征解耦过程中不可避免的的会出现面部身份信息的损失。为了解决这个问题,本文先提出了一个基于多特征融合与解耦的跨年龄人脸识别框架,以充分学习鉴别能力高的人脸特征表示,从而缓解跨年龄人脸识别任务的类内差异。该框架将特征解耦方法与基于人脸序列的特征融合方法结合起来,以确保最终提取的与年龄无关的特征能有效地代表人脸的身份信息,并对年龄干扰具有较强的鲁棒性。为了进一步分离解耦过程得到的年龄特征和身份特征,本文还利用相关性损失对二者的相关性进行约束。在跨年龄的数据集上进行的大量实验证明了本文提出的方法的有效性。为了更好地解决特征解耦过程造成的人脸身份信息损失的问题,本文进一步提出了一个基于双重身份特征复原的跨年龄人脸识别方案。顾名思义,双重身份特征复原机制能够从两个角度对人脸的身份信息进行提取:1)对相同身份不同年龄图片的人脸特征进行融合,从而丰富人脸的身份信息;2)对于特征解耦过程得到的年龄特征和身份特征,从年龄特征中自适应的提取出身份相关的特征,然后与解耦得到的身份特征进行融合。为了保证特征解耦过程中能够有效进行身份特征的复原,本文进一步设计了特征复原损失,使得复原的特征能够有效代表人脸的身份信息。通过在多个数据库上进行实验,基于双重身份特征复原的跨年龄人脸识别方法的各个组件的有效性得到了验证,在各个数据集上相比上一个方案也取得了更好的效果。