1. 研究目的与意义、国内外研究现状（文献综述）
研究意义 人脸传递着很多重要的可感知信息，例如，身份，种族，年龄，性别，表情，姿态等。
年龄作为人类的一个重要属性，在现实生活的许多应用中起着越来越大的作用。
例如，在人机交互系统中，可以根据客户的年龄自动调节交互方式以适应不同年龄客户的偏好，大大提高用户体验，对于儿童可呈现卡通风格的界面以适应他们纯真可爱的天性，对于年轻人可采用活泼清爽的界面以适应他们青春的活力，对于中年人可以提供稳重大气的界面，而对于老年人，由于他们视力、听力、理解力等能力的退化，可以提供较大的字体和较高的音量，以及易于理解的操作界面。
2. 研究的基本内容和问题
研究目标现有人脸数据库中数据不充足和不完整的问题是人脸年齡估计面临的最大挑战，本文的主要研究目标是在充分利用有限数据的情况下，根据人脸图像的特点，从数据中学习人脸老化的变化趋势，提高人脸年齡估计的精度。
研究内容 最大限度地利用有限的人脸训练数据，缓解人脸年龄估计中训练数据不充足和不完整的问题，同时提高人脸年龄估计精度。
充分尊重训练数据的内在规律，数据为驱动、从数据中学习，减少人为经验带来的偏差，对人脸老化的规律进行客观学习，使得到的模型能够描述不同年龄阶段的人脸变化情况，符合客观事实，具备说服力和可信度。
3. 研究的方法与方案
研究方法采用查阅文献和书籍的方法，掌握matlab语言并实现各个算法。
检测人脸，提取人脸特征输入，构造森林分类器进行测试和训练。
学习matlab平台技术，实现模式识别和图像分割，以进行人脸年龄估计。
4. 研究创新点
相比于使用fast r-cnn方法检测人脸，fast r-cnn需要依托于cpu进行卷积运算，才能实现图像的实时处理，不适合应用在移动设备上。
而该方法可以用于移动设备。
检测速度较快，但分类准确性相对低一些。
5. 研究计划与进展
研究计划及预期进展 2017年10－12月：选题并搜集相关资料。
2018年1月：开题报告。
根据指导老师的建议对研究方向进行进一步完善与修改。
