论文给出了两种根据人类面部图像估计其年龄的机器学习方法的原理及实现。第一种方法利用性别信息以提高年龄估计的准确度；第二种方法利用幼年与成年的预分类帮助进行年龄估计。从面部图像进行年龄估计，其特征提取通常分为基于形状特征的方法和基于纹理特征的方法，特征分为全局特征和局部特征，局部特征从不同的脸部区域采用人体测量方法获取，而全局特征则基于整个面部图像，通常需要采取子空间映射方法降低维度，然后再利用回归技术估计年龄。论文给出的两种方法涉及了基于形状的全局特征和基于纹理等的其它局部特征。提取图像特征后，论文所讨论的两种年龄估计方法均分两个步骤进行。第一种方法，首先利用支持向量机或人工神经网络完成基于脸部图像的性别分类，根据分类结果，将样本提交给训练好的用于男性的年龄估计模型或者专用于女性的年龄估计模型，年龄估计模型用人工神经网络训练实现。第二种方法，首先利用支持向量机完成幼年与成年的分类器训练与分类，然后根据结果将样本提交给训练好的用于幼年的年龄估计模型或者用于成年人的年龄估计模型，年龄估计模型也用支持向量机实现。以上两种方法均在FG-NET数据库上进行了测试，实验结果表明，性别信息的使用以及年龄的预分类有助于提高年龄估计的准确率。