1. 研究目的与意义（文献综述）

目的及意义：

基于人脸图像的生物特征识别研究在近几年来取得了巨大的发展。与其它的生物特征相比，人脸特征具有自然性、不易仿冒性和非强制性等优点，使其在安全监控、身份验证、人机交互、视频检索等方面具有巨大的应用前景。人脸年龄估计的特征提取算法需要提取人脸区域的特征，人脸区域检测是人脸年龄估计的一个重要环节。近年来，人脸年龄估计在人机交互、公共安全、图像视频检索以及机器人视觉等领域中有着许多成功的应用，如：

(1)可推动人脸识别技术的发展，在人脸年龄识别的研究中，人脸样貌会随着年龄发生变化，导致对象当前面貌与图像库中的图像之间出现差异，从而引起识别率的下降。为减少这种变化所带来的影响，可应用多年龄人脸图像重构方法来模拟年龄变化的效果，提高人脸的识别率，实现人脸面貌的准确识别和预测。

2. 研究的基本内容与方案

基本内容：

1.人脸年龄估计的特征提取算法需要提取人脸区域的特征，人脸区域检测是人脸年龄估计的一个重要环节。首先该系统需要对通过摄像头拍照而获取到的原始的人脸图片进行一系列处理才可进行下一步的工作，该处理过程也称图像预处理。只有预处理模块做的好，才可能很好的完成后面的人脸定位和特征提取这两大关键模块。获取后的图片可以在软件的界面中显示出来以便进行识别。图像预处理模块主要包括图像光线补偿、图像灰度化、高斯平滑、均衡直方图、实现图像对比度增强、二值化变换等。

2. 本毕设采用基于多个神经网络提取人脸图像多尺寸多区域特征的提取方法。鉴于卷积神经网络强大的特征提取能力以及人脸全局特征和局部特征的互补性，故采用卷积神经网络应用于特征提取部分，利用多个并行cnn对多尺度人脸子块图像进行特征提取。

3. 研究计划与安排

第1周—第3周 搜集资料，撰写开题报告；

第4周—第5周 论文开题；

第6周—第12周 撰写论文初稿；

4. 参考文献（12篇以上）

[1] guo g .human age estimation and sex classification[m].video analytics for business intelligence, 2012:101-131

[2] wang x, guo r, kambhamettu c .deeply-learned feature for age estimation[c]. ieee winter conference on applications of computer vision(wacv) ,2015:534-541

[3] levi g, hassner t. age and gender classification using convolutional neural networks[c]. ieee conference on computer vision and pattern recognition(cvpr) workshops, 2015:34-42