人脸识别技术是计算机视觉和生物特征识别领域中重要且具有广泛应用的研究课题之一,历经了数十年的发展。近年来,学者们对人脸识别的研究集中在解决光照,表情,姿态、年龄等干扰的问题。其中在年龄不变性人脸识别领域,即针对同一个人采用处于不同年龄跨度的人脸图像进行人脸识别,仍面临着诸多挑战。现今,年龄不变性人脸识别的研究越来越重要,且具有广泛的应用价值。如寻找失踪儿童,辨认潜逃罪犯等。本文针对年龄变化导致的人脸面部特征变化问题,基于深度卷积神经网络的基本原理,对年龄不变性人脸识别算法进行了研究,主要包括以下内容:首先,本文对人脸检测及预处理算法进行了研究。针对人脸图像采集时,因光照、姿态、设备等原因可能导致人脸图像质量低等问题,本文对人脸图像进行关键点检测、对齐和预处理等操作,用于后期的人脸特征提取。其次,为了加快深度卷积神经网络的收敛速度,本文通过增加卷积层数目并引入多区域局部残差单元、A-Softmax损失函数得到了改进的VGG16的网络模型。根据小数据小网络、大数据大网络的多次训练策略,对该网络模型进行训练。该改进的VGG16网络模型可以提取出人脸图像中的深层和抽象信息。为了进一步实现年龄不变性人脸识别,本文提出改进VGG16网络模型和人脸特征线性模型相结合的算法。该算法用于提取出人脸图像中的随年龄变化而相对稳定的特征,即身份特征。再次,为了得到线性模型的参数,本文提出改进EM(Expectation-maximization)迭代算法,该改进算法可以提高EM算法的收敛速度和准确率。此外,本文研究了人脸二次匹配算法,得到较高的人脸识别率,具有一定的场景应用价值。最后,在公开的FG-NET和MORPH-Ⅱ年龄数据库上进行了大量的年龄不变性人脸识别实验和对比实验,并根据性能评估指标来度量算法的性能,实验结果证明了本文所提算法的有效性。