人脸是一个丰富的信息源,能够从中提取表情、性别、种族、年龄等重要信息,其中年龄信息作为一种关键的生物特征,在模式识别和人机交互等领域起到关键作用。目前许多年龄估计模型已经成功用于人脸年龄估计,但是未考虑到人脸面部的衰老还与肤色等因素相关,因此本文在已公开的MORPH数据库的基础上,提出一种分阶段的人脸图像年龄估计模型。本文的贡献有:(1)针对目前年龄估计算法忽略了个体衰老的过程还受肤色差异影响的问题,本文根据人脸面部肤色的不同提出基于肤色分类和深度标签分布学习的人脸年龄估计模型。模型分为两个阶段,第一阶段根据人脸肤色的不同将其分类为黑色皮肤和非黑色皮肤,第二阶段对分类后的人脸图像分别建立年龄估计模型。(2)对于第一阶段的人脸特征提取,本文改进局部梯度模式(LGP),增加距离衰减因子,提出DLGP特征模式,将其与颜色特征融合,进而采用XGBoost算法进行分类。(3)对于第二阶段的人脸特征提取,本文修改Inception-V3深度卷积神经网络的全局平均池化层,将其与标签分布学习算法相结合,使用微调技术调整网络参数,提取深度卷积神经网络特征(DCNN),将其与DLGP特征融合,互补了DCNN直接提取人脸特征时忽略了其局部结构特征的问题和DLGP特征提取时依赖人工选择介入主观因素的问题。在年龄估计算法方面,采用XGBoost算法的回归模型进行年龄估计。