近年来,随着科学技术的进步,计算机与互联网技术发展迅速,相机等拍照产品日新月异,人类已进入大数据时代。作为文字的辅助,数字图像以其较好的直观性记录着人类生活的点滴。图像数据大量增长,如何使机器能够模仿人的认知习惯,通过先验语义描述(属性)知识和对图像进行学习。基于该问题,本文从两个方面针对比较有代表性的人脸图像进行研究,主要工作如下:众所周知,人脸表情不受种族、性别、年龄、教育程度、肤色等因素影响,且人脸表情信息主要集中的区域有眉毛、眼睛、嘴部等。为此,提出一种基于决策树的人脸表情强度度量分析方法。首先,针对给定的训练样本,构造人脸表情信息集中区域的特征模块,通过分析特征模块,标记特征点;然后,基于人类对人脸表情的认识和描述经验分析人脸表情特征点参数,设计生成能够度量人脸表情强度的决策树;最后,根据得到的人脸表情强度度量决策树,对测试样本进行分类。针对现实生活中复杂背景下图像中人脸属性学习问题,基于混合树构建了一个人脸属性识别系统。首先,构建一个初始人脸混合树模型;然后,给定训练样本,该训练样本由包含人脸的正训练样本和不包含人脸的负训练样本组成,并对其中的正训练样本进行特征点标记,使用训练样本进行判别训练得到新的人脸属性混合树模型;最后,结合人脸检测,将学习得到的混合树模型与检测到的人脸进行匹配,从而得到目标样本中人脸的属性信息。本文使用3个人脸数据集(Cohn-Kanade、Pub Fig、CMU Multi PIE)、1个非人脸数据集INRIAPerson和现实生活中的包含人脸图像进行实验,主要对人脸表情中的“笑”表情强度以及复杂图像人脸属性信息进行研究。实验结果说明了基于树结构进行人脸属性分析的有效性。