一、 研究背景近年来，随着计算机硬件以及人工智能理论的迅速发展，人工智能技术进入了新阶段。
基于深度学习的生物特征识别是计算机视觉领域的一个热门研究方向。
生物特征识别中比较常见的生物特征有人脸、指纹、脉搏、语音、虹膜等。
相较于虹膜、指纹等生物特征，人脸生物特征有采集高效、蕴含的信息丰富等优势。
[1]人脸是人类非常重要的特征，它的结构复杂，同时也会随着年龄发生变化，最重要的是人脸包含着大量的信息，例如情绪、性别、种族、年龄、肤色等。
在人脸的各种信息中，年龄信息具有很高的实用性，年龄估计在各个领域都有着广泛的运用：手机应用可以根据用户年龄提供字体大小不同的界面，网吧和烟酒商店可以根据年龄确定是否生成订单等。
二、 国内外研究现状从上世纪90年代以来，国内外各个科研机构的研究人员提出了各种算法解决年龄估计这一问题，这些算法大致都由特征提取和年龄估计两部分组成。
传统的特征提取方法主要依赖手工设计特征，近年来，随着机器学习的快速发展，利用卷积神经网络提取人脸特征的方法取得的结果要好于过去手工设计特征[2]。
基于手工设计的特征表示模型有人体测量学模型[3]、主动外观模型[4]、年龄成长模式子空间模型[5]。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
