随着智能科技在人类日常生活中的应用越来越广泛,人脸识别技术的发展也越来越迅速。关于人脸属性研究的需求在安全监控侦查、人机交互、定向商业宣传和影视娱乐等方面也愈来愈迫切。本文分析总结了不同龄人脸合成技术和年龄估计的国内外研究现状,介绍了生成对抗网络和自编码器的发展过程,结合两个公开的人脸年龄数据集,研究基于条件对抗自编码器的不同龄人脸合成技术。本文的主要研究内容如下:(1)提出了一种基于迁移学习的人脸年龄估计算法,作为本文不同龄人脸合成算法的评估方式之一。以人脸识别卷积神经网络模型作为基础架构,去掉原始模型的分类层,增加几层新全连接层用来分类年龄。这些模型已经在大型数据集上训练完备,拥有优秀的提取人脸特征的能力,训练过程中冻结原始模型的参数,新全连接层需要根据优化器更新参数,学习人脸年龄的模式。(2)提出了一种基于条件对抗自编码器的人脸老化及幼龄化算法,该算法是一种对弈的生成对抗网络。生成器的结构是一个自编码器,编码器将高维的RGB图像空间映射到低维的隐空间,得到一个表征该人脸个性化特征的向量。将one-hot形式的年龄标签和性别标签联结到隐空间的特征向量中作为译码器的输入,希望译码器根据指定的年龄标签定向生成不同年龄段下的人脸图像。生成器的任务是生成能混淆判别器的图片,使得判别器不能区分其输入数据到底是原始人脸图片还是生成器的合成图片,其损失函数包含像素损失和重建损失。判别器与生成器的网络结构相同,任务是区分输入数据是否是原始人脸图像,其损失函数包含重建损失和判别损失。结合边界平衡生成对抗网络(Boundary Equilibrium Generative Adversarial Networks,BEGAN)中的比例控制理论,生成视觉效果上真实合理的不同龄人脸合成图片。