全文总字数：4784字

1. 研究目的与意义及国内外研究现状

随着计算机技术的发展，现代社会中个人信息的鉴别和管理变得越来越重要，尤其是近几年人工智能领域的迅猛发展，对于这方面的需求也越来越大。同样的，从人脸中获取信息在社交生活中起着至关重要的作用。因为人脸中包含了个人的大量信息，例如，年龄，性别，种族，样貌等等。为了使沟通正常和有效，人们会下意识地判断他人的年龄或性别等个人信息。更重要的是，年龄和性别等信息的分类已经与越来越多的应用程序相关，特别是随着社交平台和社交媒体的兴起。

通过一张人脸，我们可以获取一个人的大量信息，包括个人身份，年龄，性别，种族，发型等。因此，根据想要获取的具体信息和属性的不同，人脸识别领域诞生出了很多的研究方向和领域，如人脸识别，亲属关系验证、年龄估计，性别估计，微表情识别和人脸多属性估计等。同样的，不同的研究方向在实际生活中拥有不同的应用场景，如年龄估计可用于访问控制、人机交互、和监控执法等，亲属关系验证可用于血统和家族发展研究，社交媒体分析等。年龄估计，即从面部图像预测年龄，长期以来一直是计算机视觉中的挑战性问题，具有许多应用，例如精确广告，智能监控，面部检索和识别。这个问题的主要挑战来自这样一个事实：拍摄的面部可能是不同种族，性别的人，并且可能是在糟糕的照明和虚假化妆的条件下。人类自己只能通过观察脸部来粗略估计年龄，性别等信息。但是，随着卷积神经网络（cnn）的快速发展，可以从端到端有效地学习特征表示和分类模型，过去几年人脸识别技术的发展已经表明，脸部识别任务的性能实现了巨大飞跃，也将在我们的日常生活中发挥着更加重要的作用，扮演着不可或缺的角色，真正融入我们日常的生活之中。

2. 研究的基本内容

1）深度卷积网络模型相关方法回顾2） 人脸属性估计相关研究工作回顾和分析3.）结合人脸多属性估计的特点，基于cnn构建人脸多属性估计预测模型，能同时预测出年龄性别，人种等多种人脸属性4.）对构建的模型进行训练、测试和分析

3. 实施方案、进度安排及预期效果

实施方案：

基于cnn的人脸多属性联合估计模型研究：主要基于morph、webface等人脸数据集，对构建的cnn模型进行训练。实现对输入模型的测试人脸，能同时预测输出其年龄、性别、人种等多人脸的属性。

4. 参考文献

[1] lanitis a., draganova c., christodoulou c.. comparingdifferent classifiers for automatic age estimation[j]. ieee transactions onsystems, man, and cybernetics, part b. cybernetics: a publication of the ieeesystems, man, and cybernetics society,2004,1(1).

[2] geng xin, zhou zhi-hua, smith-miles kate. automatic ageestimation based on facial aging patterns[j]. ieee transactions on patternanalysis and machine intelligence,2007,12(12).

[3] guo g., fu y., dyer c. r.,et al. image-based human ageestimation by manifold learning and locally adjusted robust regression[j]. ieeetransactions on image processing,2008,7(7).