在《科学·中国·生命科学》最近发表的一篇文章中，北京大学韩敬东教授和博士生杨新宇领导的研究建立了一种使用非注册3D 人脸点云进行年龄估计的深度学习模型。他们还提出了坐标单调变换算法，将与年龄相关的面部特征与可识别的人脸隔离开来。

该团队在超过 16,000 个 3D 人脸点云数据实例上训练模型，实现了约 2.5 年的平均绝对误差。该模型识别人脸的旋转不。在分析面部形状和肤色的重要性时，他们开发了坐标单调变换算法。该算法可以在不改变面部元素相对位置的情况下扭曲面部。研究小组发现，在各种场景中应用变换算法之前和之后，深度学习模型可以准确、一致地估计人脸的年龄，证明这些变换有效地保留了与年龄相关的面部特征。然而，在视觉测试中，受试者在评估变形面孔时的准确性和反应速度显着下降。此外，在正常人脸形状上训练的计算人脸验证模型无法识别变形后的人脸。

考虑到年龄估计和识别任务的异同，研究团队提出了面部数据保护指南。该指南以坐标单调变换和选择性数据提供为特色，旨在为管理面部数据中心或公共数据集提供理论基础。