[发明专利]基于面部识别的遗传族群识别方法

说明书

本发明公开了一种基于面部识别的遗传族群识别方法，其步骤包括确定样本、确定面部识别参数、确定识别标准、去除非典型遗传参数、求出遗传相同系数、判定具体样本是否相同、计算样本遗传相似度、计算平均遗传相似度、判定区间划分、计算实际对象之间的相似度、判定和变更样本类型。本发明能够将现有的人脸识别技术进一步扩大化应用，即对动物种群采用面部识别技术，用于判断是否属于同一遗传族群，具有方法简单的特点。

技术领域

本发明主要将面部识别技术用于生物遗传识别领域，具体来说涉及一种基于面部识别的遗传族群识别方法。

背景技术

人脸识别是基于人的脸部信息，进行身份识别的一种生物识别技术，人脸识别时首先判断是否存在人脸，若存在，则进一步给出人脸的大小、位置以及脸部的各个器官的信息，依据这些信息，进一步提取出人的特征、身份，并与已存在的人脸，进行匹配与识别。

主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。

1.基于几何特征的方法

人脸上的眼睛、鼻子、嘴巴、眉毛等，既是人们的共性，同时也是区分个体的关键(因为其大小、形状等不尽相同)。我们经常用面部的特征来描述个体，机器同样也可以做这件事。机器通过对图像处理，得到对这些图像的集合特征描述，比如根据鼻子的显著特点导出一组用于识别的特征度量如距离、角度等。

2.基于模板的方法

基于几何特征的方法，会导致一些局部特征信息的丢失。所以需要做出改进比如特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法等。特征脸法的基本思想，便是搜集大量的图像进行分析，寻找人脸图像分布的基本元素，即人脸图像样本集协方差矩阵的特征向量，以此近似地表征人脸图像。神经网络(又称人工神经网络)，是一种运算模型，由大量的节点以及它们之间的联接构成。每个节点代表一个函数，而联接则代表权重。

3.基于模型的方法

有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。

其实不管人脸识别用那种方式，都离不开对人脸提取或者设置特征，然后将这些特征设置成基本参数，然后根据这些参数进行比较以及建模等进行最终的判断。

人脸识别主要用于设别一个人本身，但是我们知道在遗传学的角度上来说，父母与子女、兄弟姊妹在面相上是存在很多相同和相似的地方的。因此从理论上来说我们可以将人脸识别技术用于判断遗传关系。同样的，除开人类之外，对于动物来说，其同样存在遗传相似的问题，因此也可以将面部识别技术用于判断动物之间是否属于同一遗传族群。但现并没有相关的技术将人脸识别技术用于判断是否属于遗传族群。

发明目的

本发明的目的在于：将现有的人脸识别技术进一步扩大化应用，即对动物种群(包括人类)采用面部识别技术，用于判断是否属于同一遗传族群。

本发明的技术方案是这样实现的：基于面部识别的遗传族群识别方法，其特征在于，其步骤如下：

S1:确定样本：确定遗传抽样样本关系类型以及抽样对数M；

S2:确定面部识别参数：根据面部识别技术提取面部识别参数Fi，将面部设别参数组成集合A，即A＝{F₁,F₂,F₃,…，F_k}，其中i，k为正整数，且i≤k；

S3:确定识别标准：根据每个面部识别参数的不同，确定该参数在两个对象之间认定为相同的标准；

S4:去除非典型遗传参数：在上述面部识别参数中去除非典型遗传参数，剩余参数重新组成集合A,即A＝{F₁,F₂,F₃,…，F_j}，其中j为正整数，且j≤k；