人脸识别因具有不易伪造、用户易接受、检测方式便捷且可靠性高等优点,在现实生活中得到了广泛应用。然而,人脸识别技术面临的一个重要制约因素在于跨年龄段人脸识别问题,即由于待检人员实际年龄与其保存在数据库中的面部图像采集的时间,存在较大的差异,导致人脸面部的信息特征发生明显改变,出现无法有效识别或误识别的情况,尤其在年龄跨度越大情况下,无法有效识别或误识别的问题更加严重。针对上述问题,本文先对人脸识别系统中的机器学习方法进行研究,设计了基于机器学习的跨年龄人脸识别实验,通过实验发现:常用机器学习的方法不能很好实现跨年龄人脸识别的目的。对于这一问题,并结合近几年来,生成对抗网络在图像处理和机器视觉领域中良好的实验效果,本文对生成对抗网络技术展开深入研究,提出了一种基于生成对抗网络技术的人脸跨年龄段识别方法,该方法利用条件性对抗自动编码器(Conditional Adversarial Auto Encoder,CAAE)模拟生成待检人员在不同年龄段的面部图像,利用生成图像与数据库中所保存的图像进行相似性比对。通过减小人脸随着年龄增大而带来的特征差异,从而提高跨年龄人脸识别率。本文设计并进行了单样本不同年龄人脸验证实验与指定年龄段多样本人脸验证实验,实验结果表明,本文所提出方法在指定年龄区间内经CAAE生成的模拟人脸图像在用于跨年龄识别时,其识别准确率明显高于未经CAAE处理的跨年龄人脸图像,为人脸跨年龄段识别问题的研究提供了一种新颖、可行的思路与方法。