随着社会的进步和科技的不断发展,安全可靠的身份认证成为社会的迫切需要,生物特征识别正在取代传统的认证方式,并逐渐发展起来。在众多生物特征当中,人脸识别由于其方便、安全、适用范围广等优点被广泛应用于身份认证、公安刑侦、日常考勤等领域。然而,由于数据库中的人脸图像与新采集的人脸图像总是有一定年龄差距,由年龄变化而引起的人脸识别率下降问题成为人脸识别领域一个极具挑战的问题。本文对国内外现有的年龄变化条件下的人脸识别技术进行研究,在原有的人脸识别系统框架上加入了年龄估计模块和人脸重构模块,从而提高了年龄变化条件下的人脸识别率。具体工作包括：(1)提出了局部Gabor二值模式(LGBP)特征与加权支持向量机回归(SVR)相结合的人脸年龄估计方法。首先采用Gabor小波对人脸图像进行特征提取,并在得到的图像上进一步提取LBP特征,构成人脸图像的LGBP特征,接着利用主成分分析(PCA)方法对提取出的人脸特征进行降维处理,得到低维的人脸特征向量。利用支持向量机回归算法进行年龄估计函数的训练,从而将纹理特征与年龄标签对应起来,实现年龄估计效果。(2)提出了基于形状变化和纹理增强的人脸图像重构方法。首先利用主动表观模型(AAM)自动对人脸特征点进行标定,并对标定后的特征点采用基于径向基函数的形状变形技术,对老化后的人脸图像形状进行调整,然后采用改进的纹理变换方法对变形后的人脸图像进行纹理增强。通过形状变形和纹理叠加,可以重构出与目标年龄相符合的人脸图片。实验表明,本文提出的人脸重构方法可以很好的模拟人脸老化效果。(3)采用了梯度方向金字塔模型(GOP)的人脸识别方法。本文采用GOP模型表示人脸,并使用支持向量机分类技术对人脸图像进行分类识别,结合前面所述的年龄估计与人脸重构方法,实现了年龄变化条件下的人脸识别,达到了很好的识别效果。