人脸图像是一种最常见的数据，近几年随着深度学习的发展，人脸自然演变的研究越发变得火热。人脸自然演变是指根据某人某个年龄段的人脸图像生成此人其它年龄段的人脸图像，呈现具有“年轻化”或“老化”效果的脸部图像，同时仍保留个人的个性化特征(身份信息)。本文以人脸自然演变为研究目标，在充分研究先前方法的基础上，提出基于半监督对抗自编码器的人脸自然演变算法(CAAE+算法)。论文主要工作包括以下三方面：　　人脸图像预处理。人脸图像数据库中的图片多是生活照或者网络抓取的图片，人脸在图片中的位置各不相同，需要对人脸图像预处理以突出人脸部分，得到同一标准的人脸图像。采用AdaBoost算法进行人脸定位获取人脸和人眼相对于整体图像的位置，在此基础上对人脸图像进行旋转矫正及缩放裁剪的归一化处理。　　提出基于半监督对抗自编码器的人脸自然演变算法(CAAE+算法)。在研究了生成式对抗网络、半监督对抗自动编码器以及条件对抗自动编码器(CAAE算法)的基础上，分析并借鉴VGGNet模型的优良结构给出对CAAE算法改进的依据，提出基于半监督对抗自编码器的人脸自然演变算法(CAAE+算法)。　　提出人脸自然演变模型的评价方法。人脸自然演变是一个双约束问题，即身份约束和年龄约束。本文在年龄信息精确度和身份信息保留两方面进行主客观实验。实验结果表明，基于CAAE+算法的人脸自然演变模型生成的其它各个年龄段人脸图像在身份信息保留和年龄信息精确度上与真实的人脸图像更加接近，证明本文提出的CAAE+算法更加有效。