年龄、伪装等复合因素影响下，命案积案中嫌疑人的相貌、发型等体貌特征变化具有明显的不确定性。针对上述问题，提出双重风格迁移生成对抗网络(dual style transfer generative adversarial network, DstGAN)对人像发型变化进行模拟。首先，设计了双重StyleGAN生成器，借助人像年龄化模型，将人像年龄化信息与发型变化相结合，提高客观因素影响下发型模拟结果的真实度。其次，引入BiSeNET算法对输入人像及其目标发型进行语义分割后得到目标人像语义图，并在FS潜在空间中利用交叉熵损失函数约束GAN逆映射生成的语义图，与模拟后的语义图实现语义对齐，避免出现非自然融合现象。最后，为进一步扩充发型变化种类，通过在RM潜在空间中对发型向量进行编辑，修改输入人像发型所包含的语义属性，实现对于光头等特殊发型的模拟。DstGAN与一些经典发型变化模型相比，更加有效地保证了人脸身份特征的一致性，更加平滑地实现发型与面部边缘的过渡。同时DstGAN在PSNR、SSIM等指标评价的结果中，相比于经典发型变化模型，均取得最为优异的客观评分，表明DstGAN模拟发型变化的人像清晰度更高、感知质量更优、皮肤纹理更真实。