人脸给人们提供了大量的信息,从而受到了广泛的关注。本文从人脸特征分析以及人脸区域定位两个方面进行了研究。如何有效地从人脸图片中提取人脸特征一直是一个难题。由于图像中重要的信息包含在图像的高阶统计信息中,现行大量的方法都利用无监督(Unsupervised)统计的方法寻找一组基来表示(Representation)人脸,例如,主成分分析(Principle Component Analysis),独立元分析(Independent ComponentAnalysis),通过这些方法找出来的基能很好的表达图像的高阶信息,从而被广泛使用。本文通过使用基于独立元分析(ICA)和互信息的方法来从图像中提取人脸的局部特征。为了分析提取出来的局部特征的性质,本文将其应用到年龄分类问题中来,完成了一个利用抽取出来的人脸局部特征来区分大人和小孩人脸的系统,该系统包括三个部分:人脸检测(face detection)、人脸对齐(facealignment)和正则化(Normalization)以及“大人-小孩”分类器(Age Classifier)。此外我们将结果与其他的投影方法,例如:主成分分析(PCA)和两维主成分分析(2DPCA)以及线性判别方法(LDA)来进行比较。实验结果表明,在分辨率为32×32和24×24的情况下,我们的方法分别取得了92.66%和92.46%的分类正确率,比其他方法高出3个百分点左右,因此我们认为利用独立元分析方法提取出来的局部特征对于大人,小孩的分类效果要比一般传统的利用一维或者二维的投影方法好。此外,在我们利用训练好的模型和分类器完成了一个可以在图片中检测人脸区域并将其分为大人,小孩两类的演示系统。在人脸特征分析时,需要的数据是已经检测到的人脸(一般还需要对齐等归一化),在我们的工作中,我们使用的是现行主流的人脸检测算法,这类算法对正面人脸有着很好的效果,不过由于其是基于机器学习的,不可避免的遇到了一些问题。近年来,随着人们对视觉认知过程的研究,具有选择性和主动性的选择性注意(Attention)机制由于其处理数据的高效性,成为了研究热点。本文结合选择性注意机制,将其应用到人脸区域定位问题中来,目标是让人脸区域在显著地图(Saliency Map)中自动的突显出来。我们修改基于特征的增量编码模型,根据稀疏编码原理,将其扩展成层次结构,并利用高斯金字塔解决尺度问题。此外,为了增强显著地图以及消除因高对比而突显出来的边界,我们还加入了区域信息以及人体肤色信息。实验表明,人脸区域会自动的在我们的显著地图上凸显出来,并较之一般的选择性注意模型,更加偏向人脸区域,而且对于不同尺度的人脸以及多角度的人脸区域有着不错的效果。