1.一种基于深度稀疏表示的人脸年龄估计方法，其特征在于，本方法包括如下步骤：A、构建鉴别字典学习模型：

其中，r(Ai，D，Xi)为人脸重构保真项，||X||1为稀疏约束项以保证求解系数的稀疏性，其中，Ai为第i类人脸年龄训练样本，训练样本集A由完备字典D线性组合表示，X为稀疏表示系数矩阵；

f(X)为鉴别约束项，L(Di)＝||Di||*为低秩(Low-rank)正定化噪声处理项，λ1，λ2，γ为平衡因子参数；

式(1)字典学习模型的目标函数求解可以通过交替迭代的方法进行求解；

B、根据AAM特征对年龄进行粗估计首先，利用步骤A介绍的字典学习方法求得的完备字典DAAM对测试人脸y进行稀疏表示求取稀疏表示系数xAAM：

其中，γ为常量平衡因子；重写稀疏表示系数 其中，系数向量 对应于子字典

然后，根据 定义每类的残差：

其中，第一项为第i类的重构误差项，第二项为稀疏表示系数 与第i类系数均值的距离，w为预设的平衡权值；对ei进行排序，选取前k个较小的ei作为下一步骤的字典类别；

C、根据BIF特征对年龄进行估计根据步骤A获得完备字典DBIF，使用步骤B得到的类别对其进行提炼得到精简后的字典D′BIF；对测试人脸y利用D′BIF再次进行稀疏表示求取稀疏表示系数然后，根据式(3)求取ei，并选取前较小的k类别作为下一步骤的字典类别；

D、根据Gabor特征和LBP特征年龄进行估计根据步骤A获得完备字典DGL，使用步骤C得到的类别对其进行提炼得到精简后的字典D′GL；对测试人脸y利用去除奇异类后的D′GL第三次进行稀疏表示求取稀疏表示系数E、通过年龄估计模块对年龄自动估计年龄估计分为模型训练和年龄估计两个阶段模型训练阶段：将0～80岁的人脸年龄以10岁为间隔分成8组；每组利用支持向量回归(SVR)单独训练一个估计模型，总共得到8个不同的年龄估计器；

年龄估计阶段：首先，根据深度稀疏 表达模型对待估人脸进行分组；然后，根据第一步的分组情况，选择相应的SVR模型进行年龄估计。

2.根据权利要求1所述一种基于深度稀疏表示的人脸年龄估计方法，其特征在于，本方法还包括一个最终年龄特征提取的步骤，方法如下：将步骤B求取的系数 置0，并将步骤D求取的系数 代入其相应的类别位置得到最终的人脸特征。

3.根据权利要求1所述一种基于深度稀疏表示的人脸年龄估计方法，其特征在于，本方法还包括一个基于因子分析的人脸身份信息去除的步骤，方法如下：其中， 为进行人脸身份因子去除后的人脸年龄特征向量；ysc为原始的人脸特征向量；

是只与人脸身份信息有关的身份因子向量。