ES2957496A1 - Procedimiento para la seleccion entre un grupo de donantes mediante matching facial (pareo facial), a traves de una imagen facial 2d del sujeto donante - Google Patents

Abstract

La presente invención revela un procedimiento que permite seleccionar entre un grupo de donantes, aquel donante más similar a nivel facial con respecto a un usuario base, para un proceso de fertilidad, mediante un matching facial (pareo facial) a través de una imagen facial 2D frontal del sujeto donante. El procedimiento pasa por etapas: Generación de un dataset (grupo de datos) para cada individuo, con los puntos que definen las principales estructuras faciales de los sujetos a comparar; Generación de los diferentes objetos faciales; Determinación de una matriz resumen de las variables relevantes para cada objeto facial; Determinación de un tensor de relevancia facial; Incorporación al tensor de relevancia de una nueva dimensión con las probabilidades de heredabilidad de cada uno de los objetos faciales del individuo; y Aplicación de los tensores de comparaciones hereditarias de individuos (CHI) como input (aporte) para un algoritmo para ser ejecutado mediante un ordenador.

Description

DESCRIPCIÓN

PROCEDIMIENTO PARA LA SELECCIÓN ENTRE UN GRUPO DE DONANTES MEDIANTE MATCHING FACIAL (PAREO FACIAL), A TRAVÉS DE UNA IMAGEN FACIAL 2D DEL SUJETO DONANTE

OBJETO DE LA INVENCIÓN

La presente invención revela un procedimiento que permite seleccionar entre un grupo de donantes, aquel donante más similar a nivel facial con respecto a un usuario base, para un proceso de fertilidad, mediante un matching facial (pareo facial) a través de una imagen facial 2D frontal del sujeto donante y a las características que definen las principales estructuras faciales como perímetro, área, extremos máximos/mínimos de largo-alto y punto de centralidad, generando de este modo un vector facial de cada sector de la superficie de la cara del usuario base, donde cada vector facial sectorial se le asignará una ponderación de la herencia concreta del usuario que le permitirá saber el peso de transmisión hereditaria de ese rasgo facial.

ANTECEDENTES DE LA INVENCIÓN

En los últimos años, la medición de la expresión facial ha recibido una atención significativa y, como resultado, se han desarrollado muchas demostraciones de investigación y aplicaciones comerciales. Las razones del mayor interés son múltiples, pero principalmente se deben a los avances en áreas relacionadas, como la detección de rostros, el seguimiento de rostros y el reconocimiento de rostros, así como a la reciente disponibilidad de potencia computacional relativamente barata. La medición de la expresión facial es ampliamente aplicable a diferentes áreas, como imagen comprensión, estudios psicológicos, clasificación facial en medicina, compresión imagen de la cara, animación de rostros sintéticos, indexación de video, robótica y realidad virtual

Las características faciales humanas varían dramáticamente entre edades, razas y géneros. Como solo un ejemplo, la biodinámica del envejecimiento facial puede ser diferente para varios rangos de edad. Además de los factores de envejecimiento idiosincrásicos que afectan la apariencia de diferentes individuos, el envejecimiento facial también puede estar influenciado por factores biomecánicos relacionados con la edad que afectan a todos los individuos. Por ejemplo, el envejecimiento facial de los niños suele estar dominado por el alargamiento y ensanchamiento de la estructura ósea craneal (p. ej., expansión ósea y/o elongación de los tejidos duros), mientras que el envejecimiento facial de los adultos se debe principalmente a arrugas, y el revestimiento de la piel, la flacidez de los tejidos blandos, el adelgazamiento de las bolsas de grasa y la remodelación ósea de estructuras craneales faciales específicas. En particular, los niños pequeños suelen tener frentes altas, narices pequeñas y mandíbulas pequeñas. Sin embargo, sus ojos pueden parecer grandes en comparación con el resto de sus rostros. La piel de los niños suele ser suave y firme. A medida que los niños crecen, sus frentes se vuelven más inclinadas, sus narices y mandíbulas se alargan y sus ojos se vuelven proporcionalmente más pequeños debido al alargamiento y ensanchamiento de otros componentes faciales.

En el estado de la técnica existen procedimientos para el reconocimiento facial, tal y como se describe en el documento US8379917 que proporciona una técnica para reconocer caras en un flujo de imágenes utilizando un dispositivo de adquisición de imágenes digitales. Se recibe una primera imagen adquirida de un flujo de imágenes. Se detecta una primera región facial dentro de la primera imagen adquirida que tiene un tamaño dado y una ubicación respectiva dentro de la primera imagen adquirida. Los primeros datos de huellas faciales que identifican de forma única la primera región de la cara se extraen junto con los primeros datos de la región periférica alrededor de la primera región de la cara. Los datos de la primera impresión facial y de la región periférica se almacenan, y los datos de la primera región periférica se asocian con la primera región facial. Se realiza un seguimiento de la primera región de la cara hasta que se pierde un bloqueo de cara. Se detecta una segunda región de la cara dentro de una segunda imagen adquirida del flujo de imágenes. Se extraen los datos de la segunda región periférica alrededor de la segunda región de la cara. La segunda región de la cara se identifica al hacer coincidir los datos de la primera y la segunda región periférica.

El documento US20090180671 muestra un método y un sistema de reconocimiento facial de vista múltiple. En el método de reconocimiento facial multivista, se ingresan dos imágenes a reconocer, se calcula una matriz de proyección lineal en base a imágenes agrupadas en un conjunto de entrenamiento, se extraen dos vectores de características correspondientes a las dos imágenes de entrada en base a la matriz de proyección lineal, se calcula una distancia entre los dos vectores de características extraídos y se determina en base a la distancia entre los dos vectores de características si las dos imágenes de entrada pertenecen a la misma persona. El método comprende, además: realizar detección de rostros en las imágenes de entrada para determinar si las imágenes de entrada son imágenes que tienen una región de rostro; localizar ojos si se determina que las imágenes de entrada son imágenes que tienen una región facial; y dividir las regiones de la cara de las imágenes de entrada en función de los ojos localizados para obtener imágenes de la cara.

La presente invención revela un proceso que permite obtener una métrica objetiva del parecido facial humano en base a sus características fenotípicas faciales, de tal manera que permita seleccionar con precisión entre un grupo de donantes, aquel donante más similar a nivel facial con respecto a un usuario base en un proceso de fertilidad, esto es, en la búsqueda del donante ideal, mediante un matching facial (pareo facial) a través de una imagen facial 2D frontal del sujeto donante y a las características que definen las principales estructuras faciales, para su realización se requiere de un algoritmo de reconocimiento facial particular muy diferente a las de un algoritmo de búsqueda de similitudes como los descritos en los documentos citados, ya que el objetivo de la presente invención es encontrar patrones heredables sectorial de la malla facial. Mientras que los documentos citados buscan características definitorias de las diferencias entre dos individuos, la presente invención permite determinar características definitorias que logra ordenar individuos con respecto a las similitudes ponderándoles según su grado de heredabilidad. Algunas de estas tareas relacionadas con el reconocimiento facial puede ser la evaluación de la edad, sexo, o expresiones faciales.

Dos de las tareas que también están relacionadas con el uso de este tipo de algoritmos y su posible aplicación para el mundo de la fertilidad, en concreto para encontrar el mayor parecido posible entre dos sujetos, sería el reconocimiento de parentesco y la evaluación de similitud entre caras. En cuanto al reconocimiento de parentesco, son ampliamente reconocidas aplicaciones para diversos ámbitos, como la anotación automática de árboles genealógicos, análisis en redes sociales, o incluso encontrar hijos perdidos o adopción. Sin embargo, ninguna de estas aplicaciones aborda un proceso de creación de indicadores que permitan comparar una cara desde el punto de vista del matching facial o parecido hereditable, y por tanto les es imposible recrear un modelo de inteligencia artificial explicable y confiable como el que permite el proceso descrito en la presente invención.

Con respecto a la similitud entre caras, varios estudios evalúan los algoritmos de reconocimiento facial y de similitud facial, concluyendo que ambas tareas no son intercambiables (Sadovnik, W. Gharbi, T. Vu, A. Gallagher, Finding your Lookalike: Measuring Face Similarity Rather than Face Identity, 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2018). Además, para realizar estas tareas, las redes neuronales convolucionales son efectivas (R. Zhang and P. Isola and A. A. Efros and E. Shechtman and O. Wang, The Unreasonable Effectiveness of Deep Features as a Perceptual Metric, 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2018), pero presentan un problema de explicación del modelo a nivel sectorial. Por otra parte, algunos estudios indican que las técnicas de segmentación por diferentes características faciales pueden ser eficientes y han experimentado un gran desarrollo durante los últimos años.

Otra cosa que se debe tener en cuenta para la aplicación de estos algoritmos para usos concretos como, por ejemplo, el de la búsqueda de donantes en el ámbito de la reproducción humana, son la heredabilidad de los rasgos faciales. Varios estudios confirman la participación de la genética en cuanto a la transmisión de ciertos rasgos faciales a la descendencia (Vandenberg, S. G. & Strandskov, H. H. A comparison of identical and fraternal twins on some anthropometric measures. Human biology, 1964) y (Devor, E. J. Transmission of human craniofacial dimensions. Journal of craniofacial genetics and developmental biology, 1986), como es el caso de las distancias entre nasión-basión y nasión-silla, la posición de la mandíbula inferior o la altura nasal.

Además, existen diferentes algoritmos en el mercado que intentan aplicar reconocimiento facial al caso práctico del parecido facial, pero que, tal y como se menciona anteriormente, no estarían específicamente desarrollados y entrenados para la búsqueda de similitudes faciales, sino al uso global de un output opaco sobre la probabilidad de que dos sujetos sean la misma persona.

En ninguno de los documentos de la técnica se observa o se sugiere un procedimiento donde a cada vector facial sectorial se le asigna una ponderación de heritabilidad concreta que permita saber el peso de transmisión hereditaria de un rasgo facial, para un proceso de selección de donantes. Tampoco se detalla o sugiere que cada vector facial resumen obtenido mediante un algoritmo matemático permita determinar la distancia relativa entre las variables para generar el vector de distancias relativas sectoriales y que el dataset (grupo de datos) de cada individuo conformado por los vectores sectoriales ponderados, el vector resumen de variables relevantes y el vector de distancias relativas, mediante un algoritmo de IA determine un parecido entre 1 y 100 de los individuos.

DESCRIPCIÓN DE LOS DIBUJOS

Para complementar la descripción que se está realizando y con el objeto de ayudar a una mejor comprensión de las características del invento, de acuerdo con un ejemplo preferente de la realización práctica del mismo, se acompaña como parte integrante de dicha descripción, un juego de dibujos en donde con carácter ilustrativo y no limitativo, se ha representado lo siguiente:

Figura 1. En esta figura se representa la obtención de una imagen facial (10) 2D/3D frontal, a través de una cámara (12), de la cual se genera un grupo de datos (dataset) (13) para cada individuo con los puntos que definen las principales estructuras faciales de los sujetos a comparar por matching facial.

Figura 2. Representación gráfica de la generación de los siguientes vectores faciales sectoriales para cada individuo a comparar:

FIG 2.1 Generación del vector facial en base a la estructura ósea de cejas

FIG 2.2 Generación del vector facial en base a la estructura de boca

FIG 2.3 Generación del vector facial en base a la estructura de la barbilla

FIG 2.4 Generación del vector facial en base a la estructura de las mejillas

FIG 2.5 Generación del vector facial en base a la estructura del tabique nasal

FIG 2.6 Generación del vector facial en base a la estructura de pómulos

FIG 2.7 Generación del vector facial en base a la estructura de las sienes

FIG 2.8 Generación del vector facial en base a la estructura de los ojos

Figura 3. En la figura se representan imágenes de árboles genealógicos, con la probabilidad de heredabilidad de los siguientes puntos: nariz/boca: distancia entre el labio inferior y zona superior tabique nasal.

Figura 4. En la figura se representan imágenes de árboles genealógicos, con la probabilidad de heredabilidad de los siguientes puntos: ojos: distancia entre el párpado inferior y superior.

Figura 5. En la figura se representan imágenes de árboles genealógicos, con la probabilidad de heredabilidad de los siguientes puntos: barbilla/boca: distancia entre protuberancia del mentón y labio inferior

Figura 6. En la figura se representan imágenes de árboles genealógicos, con la probabilidad de heredabilidad de los siguientes puntos: orejas/ojo: distancia entre la fosa navicular e iris.

Figura 7. En esta figura se representa como los Tensores de comparaciones hereditarias de individuos (CHI) es el input de un algoritmo IA basado en redes neuronales, con una serie muy numerosa de nodos interconectados que simulan el cerebro humano y que se ejecuta gracias a una gran potencia computacional. Dicho algoritmo procesa esos datos y determina un parecido entre 1 y 100 de los individuos, donde 1 corresponde al menor parecido facial y 100 un parecido facial absoluto

Figura 8 muestra un diagrama de flujo de las etapas del procedimiento.

REALIZACIÓN PREFERENTE DE LA INVENCIÓN

La presente invención revela un procedimiento asistido por ordenador que permite determinar con la mayor precisión posible, la elección de un donante particular a nivel facial con respecto al parecido con un usuario base mediante un matching facial, a través de una imagen facial 2D frontal del sujeto donante en comparación con una pluralidad de imágenes de donantes almacenadas en una base de datos, donde los posibles donantes son electos mediante las características que definen las principales estructuras faciales como perímetro, área, extremos máximos/mínimos de largo-alto y punto de centralidad, donde cada vector facial sectorial se le asigna una ponderación de heredabilidad concreta obtenida por un algoritmo en base a un estudio del árbol genealógico que le permitirá saber el peso de transmisión hereditaria de un rasgo facial particular.

El procedimiento pasa por las etapas que implican la obtención de un dataset para cada individuo de los puntos faciales que definen las principales estructuras faciales del sujeto candidato a donante y del sujeto a comparar por matching facial, a través de una imagen facial 2D frontal; generación de los distintos vectores faciales sectoriales para cada individuo a comparar, donde a cada vector facial sectorial se le asignará una ponderación de heredabilidad concreta que le permitirá saber el peso de transmisión hereditaria de ese rasgo facial.; determinación mediante un algoritmo matemático las variables resumen relevantes de cada vector facial: perímetro, área, extremos máximos/mínimos de largo-alto y punto de centralidad; comparación de cada vector facial resumen con el resto generando el vector de distancias relativas sectoriales; y mediante un algoritmo de IA que en base a esos datos determina un parecido entre 1 y 100 de los individuos, considerando todos los datos del proceso realizado.

La invención presentada tiene 5 etapas operativas que permiten obtener una métrica objetiva del parecido facial entre dos personas y que conforman el denominado matching facial por parecido, las etapas operativas son:

Generación de un dataset (grupo de datos) (13) para cada individuo, con los puntos que definen las principales estructuras faciales de los sujetos a comparar por matching facial, utilizando como input (datos de entrada) una imagen facial (10) 2D/3D frontal, que se extraen por visión computacional, mediante una cámara (12) acoplada a un ordenador. (Figura 1)

Ejemplo, individuo 1 y 2, obtenemos un conjunto de puntos faciales en forma de coordenadas normalizadas ancho por alto que definen las principales estructuras faciales y una vez corregido el giro de la cara (procedimiento de preparación de la imagen facial habitual en cualquier proceso de extracción de puntos).

Se obtienen las diversas medidas para dos individuos de las diversas estructuras faciales:

individuo 1 -> [1.324,3.543], [ 2.546, 9.123]...

individuo 2-> [1.376,3.012], [2.333,8.762]...

Generación de los diferentes objetos faciales determinados por listas de vectores faciales sectoriales para cada individuo a comparar. En este punto se localizan las siguientes estructuras faciales: Figura 2

Cada objeto facial puede estar definido por un número de puntos distinto y un mismo punto o incluso estructura puede formar parte de una que la contiene total o parcialmente. Ejemplo, la estructura de los labios contiene la estructura de la comisura de los labios. Los vectores faciales que se aplican son:

• Estructura perimetral-frontal del cráneo.

• Estructura frontal-frente.

• Estructura ósea de cejas.

• Estructura muscular de cejas.

Estructura de labios

Estructura de la boca.

Estructura de los pómulos.

Estructura de la barbilla.

Estructura de los ojos.

Estructura del arco ciliar.

Estructura del Iris.

Estructura del surco naso-labial.

Estructura de la zona mentón.

Estructura y posición del nacimiento del cabello.

Estructura de la ceja, vértice y cola.

Estructura de la línea de pestañas.

Estructura del borde interior del párpado.

Estructura de las sienes.

Estructura de la zona inferior del ojo.

Estructura del tabique nasal.

Estructura de la aleta de la nariz.

Estructura de la comisura de labios.

Estructura del hueco mentón.

Estructura del arco de cupido.

Estructura de la mejilla.

Estructura del pómulo.

Estructura del hueso cigomático.

Estructura del hueso maxilar.

Estructura del hueso nasal.

Estructura del hueso mandibular.

Ejemplo del objeto facial: Estructura de la comisura de los labios:

La estructura de la comisura de los labios tiene dos puntos de definición, el perímetro es igual a la distancia entre esos dos puntos. Como se sabe, la distancia entre dos puntos se determina con la ecuación:

Perímetro = d= (X2-X92-(Y2-Y1)2

individuo 1 -> {(2.824,3.543), (2.946, 6.637)}

individuo 2-> {(2.176,3.012), (2.371,6.945)}

El objeto facial se puede representar mediante una forma algebraica (vector, matriz, tensor...) con el fin de representar los datos de un objeto, en este caso se trata de un objeto facial como pueda ser la forma de la nariz. De esta forma, la nariz está definida no solo por unos puntos faciales, sino como un perímetro, un área, unos extremos y un punto de centralidad, que se determina por medio de dichos puntos faciales.

Para cada vector proveniente del objeto facial, tal y como se muestra en la figura 2, se calcula la matriz resumen de los vectores faciales, dando lugar a una matriz resumen facial, llamada matriz de referencias del objeto facial: Perímetro, área, extremos máximos/mínimos de largoalto, punto de centralidad, etc.

Cada matriz de referencias faciales de un objeto facial es comparada para obtener la distancia relativa con las matrices del resto de objetos, creando un tensor de relevancia facial de tres dimensiones.

El tensor de relevancia facial es un objeto en forma de matriz multidimensional que expresa algebraicamente la distancia relativa entre el perímetro, área, etc., con el resto de objetos faciales.

Si se toman dos objetos faciales, por ejemplo, la nariz y los ojos.

Se calculan las siguientes distancias:

Perímetro de ojos vs perímetro de nariz, se determina la diferencia entre el perímetro de ojos y el perímetro de nariz, el resultado se divide por el segundo perímetro, esto es por el perímetro de nariz, obteniéndose el porcentaje del primero sobre él segundo. Ejemplo, el perímetro de los ojos son un 76% del perímetro de la nariz.

Perímetro de ojos vs área de nariz, calculamos el porcentaje del primero respecto al segundo, ejemplo 76%.

Esta operación se puede ampliar para todas las relaciones de las medidas faciales, como: Perímetro - Perímetro

Perímetro-área

Punto superior-Punto superior (distancia entre los puntos)

Punto superior -Punto inferior (distancia entre los puntos)

Punto central - Punto central (distancia entre los puntos)

Esta comparación se realiza de todos los objetos faciales con respecto a todos los objetos faciales. Los resultados de estos cálculos se guardan en una matriz o un tensor de 3 dimensiones.

Las dimensiones obtenidas son:

Dimensión 1 ->objeto facial a comparar

Dimensión 2 ->cálculos comparativos de las métricas (% o distancia) entre dos objetos concretos (ej. nariz-boca). perímetro-perímetro. perímetro-área, etc...

Dimensión 3->objeto facial comparado

Por ejemplo, si hacemos un corte en el cubo de informaciones para el objeto facial a comparar, por ejemplo, "nariz", se puede obtener las medidas de sus comparaciones con el resto de objetos (nariz-boca-perímetro, nariz-ojos-perímetro, etc.).

Una vez que se obtiene todas las relaciones de los objetos faciales(nariz-boca) en términos de tamaños relativos(área-área) y distancias(punto-punto), podemos comparar individuos, pudiendo explicar el motivo de su parecido. No es como un modelo de redes neuronales en que se obtienen resultados, pero se desconoce la manera de implementarlo. En este modelo se calculan variables explicativas que al final darán un árbol de decisión predictivo.

El resultado es un tensor que contiene la información de las diferentes estructuras faciales de un sujeto a través de su perímetro, área, altura, etc..., y da la relación de cada una de esas métricas conforme a las métricas de los otros objetos. De esta forma se obtendrá una representación de la cara de un individuo que posteriormente permitirá ser comparada con otro individuo y dar una explicación general al modelo. Estas métricas por si solas solo permiten obtener un modelo de parecido facial que no tiene en cuenta el factor de la heredabilidad, por este motivo es necesario incluir un factor que permita un parecido que pueda ser heredable para luego ser aplicado en fertilidad, esto es en la búsqueda de un donante con las características que se puedan heredar.

Al tensor de relevancia facial se le añade una nueva dimensión con las probabilidades de heredabilidad de cada uno de los objetos faciales del individuo en base a su etnia, creando el tensor de comparaciones hereditarias (CHI).

El vincular los datos de probabilidades hereditarias permite crear un algoritmo predictivo basado en las mismas que permita ponderar adecuadamente según la etnia del individuo.

El algoritmo se fundamenta en base a los datos comparados de los objetos faciales (ej. narizboca) y la posibilidad de ser heredado de padres a hijos.

Por ejemplo, si dos personas caucásicas tienen los mismos pómulos y las mismas cejas, pero el rasgo facial de los pómulos tiene mayor probabilidad de ser heredado que las cejas en los caucásicos, el modelo final pondera más la proximidad en los pómulos que en las cejas.

El cálculo del porcentaje de heredabilidad de cada uno de los objetos faciales está realizado en base a un estudio de la probabilidad de cada individuo de transmitir ese objeto facial a su descendencia. Para ello se estudiaron un conjunto de árboles genealógicos y se analizaron los diferentes objetos faciales descritos en el presente documento, delimitados por su perímetro, área, puntos superiores e inferiores, extremos laterales y centralidad, así como sus variables relacionales (distancia entre puntos inferiores y superiores, extremos y distancia con respecto al punto de centralidad). De ahí, y agrupando en un conjunto de posibles tipos de relaciones entre objetos faciales y de su forma, se estableció la probabilidad de ser transmitido a su descendencia.

Por ejemplo, se analizó la posibilidad de transmitir la distancia entre la nariz y la boca, teniendo en cuenta sus variables relevantes mencionadas (distancias, perímetro, áreas, puntos), se clusterizó/agrupó/detectó los tipos de relaciones posibles, y se obtuvo la posibilidad de que un hijo tuviera una distancia nariz-boca del mismo tipo que la del padre. Es importante remarcar, que no es un enfoque tradicional de agrupación de narices (chata, alargada...), aquí no solo analizamos la nariz de forma aislada, sino su relación con los otros objetos faciales, tal y como se describe en el ejemplo. Al utilizar las variables escogidas y contar con un modelo automatizado de análisis, permite definir un gran número de relaciones en función de su heredabilidad y su relación con otros objetos vs faciales (ej. boca). En base a estos datos se establece una matriz de probabilidades de transmitir cada uno de los objetos faciales sectoriales.

La ponderación de heredabilidad está calculada a partir de un algoritmo predictivo basado en árboles de decisión realizado y validado con árboles genealógicos que engloban individuos de 3 generaciones distintas, utilizando árboles de diferentes etnias y fenotipos. El input (aporte) del cálculo predictivo son el tensor de relevancia facial y etnia del sujeto.

En base a estos datos se establece una matriz de probabilidades de transmitir cada uno de los objetos faciales sectoriales.

Aplicación de los tensores de comparaciones hereditarias de individuos (CHI) obtenidos en la etapa anterior como input (aporte) para un algoritmo IA basado en redes neuronales que se ejecuta mediante un ordenador.

Los tensores de comparaciones hereditarias de individuos (CHI) es el input (aporte) para un algoritmo IA basado en redes neuronales, con una serie muy numerosa de nodos interconectados que simulan el cerebro humano y que se ejecuta gracias a una gran potencia computacional. Dicho algoritmo se procesa esos datos y determina un parecido entre 1 y 100 de los individuos, donde 1 corresponde al menor parecido facial y 100 un parecido facial absoluto.

Finalmente, las etapas operativas para obtener mediante matching facial de una imagen facial 2d frontal de un sujeto donante para determinar con precisión el donante más similar a nivel facial, presenta las etapas siguientes:

Generación de un dataset (grupo de datos) para cada individuo, con los puntos que definen las principales estructuras faciales de los sujetos a comparar por pareo facial (matching facial);

Generación de los diferentes objetos faciales determinados por listas de vectores faciales sectoriales para cada individuo a comparar en base a el grupo de datos de la etapa anterior; Con los datos obtenidos en la etapa anterior, determinación de una matriz resumen de las variables relevantes para cada objeto facial dando lugar a una matriz resumen facial o matriz de referencias del objeto facial;

Determinación de un tensor de relevancia facial mediante la comparación de la distancia relativa con las matrices del resto de objetos faciales obtenidas en la etapa anterior;

Incorporación al tensor de relevancia de una nueva dimensión con las probabilidades de heredabilidad de cada uno de los objetos faciales del individuo en base a su etnia, creando el tensor de comparaciones hereditarias (CHI); y

Aplicación de los tensores de comparaciones hereditarias de individuos (CHI) obtenidos en la etapa anterior como input (aporte) para un algoritmo IA basado en redes neuronales para ser ejecutado mediante un ordenador.

El procedimiento permite que cada vector facial sectorial se le asigne una ponderación de heredabilidad concreta que permita saber el peso de transmisión hereditaria de ese rasgo facial concreta del usuario y mediante un algoritmo de IA en base a esos datos determina un parecido entre 1 y 100 de los individuos.

Claims (1)

1. REIVINDICACIONES

   1- Procedimiento para la selección entre un grupo de donantes mediante matching facial (pareo facial), a través de una imagen facial 2d del sujeto donante que se caracteriza por que presenta las siguientes etapas operativas:

   - Generación de un dataset (grupo de datos) para cada individuo, con los puntos que definen las principales estructuras faciales de los sujetos a comparar por pareo (matching) facial;

   - Generación de los diferentes objetos faciales determinados por listas de vectores faciales sectoriales para cada individuo a comparar en base a el grupo de datos de la etapa anterior;

   - Con los datos obtenidos en la etapa anterior, determinación de una matriz resumen de las variables relevantes para cada objeto facial dando lugar a una matriz resumen facial o matriz de referencias del objeto facial;

   - Determinación de un tensor de relevancia facial mediante la comparación de la distancia relativa con las matrices del resto de objetos faciales obtenidas en la etapa anterior;

   - Incorporación al tensor de relevancia de una nueva dimensión con las probabilidades de heredabilidad de cada uno de los objetos faciales del individuo en base a su etnia, creando el tensor de comparaciones hereditarias (CHI); y - Aplicación de los tensores de comparaciones hereditarias de individuos (CHI) obtenidos en la etapa anterior como input (aporte) para un algoritmo IA basado en redes neuronales para ser ejecutado mediante un ordenador.

   2- Procedimiento para la selección entre un grupo de donantes mediante matching facial (pareo facial), a través de una imagen facial 2d del sujeto donante, según la reivindicación 1 que se caracteriza por que la generación de un dataset (grupo de datos) (13) para cada individuo, se realiza mediante una imagen facial (10) 2D/3D frontal que se extrae por visión computacional, mediante una cámara (12) acoplada a un ordenador.

   3- Procedimiento para la selección entre un grupo de donantes mediante matching facial (pareo facial), a través de una imagen facial 2d del sujeto donante, según la reivindicación 1 que se caracteriza por que los vectores faciales que se aplican son: estructura perimetral-frontal del cráneo; estructura frontal-frente; estructura ósea de cejas, estructura muscular de cejas, estructura de labios, estructura de la boca, estructura de los pómulos, estructura de la barbilla, estructura de los ojos, estructura del arco ciliar, estructura del Iris, estructura del surco naso labial, estructura de la zona mentón, estructura y posición del nacimiento del cabello, estructura de la ceja, vértice y cola, estructura de la línea de pestañas, estructura del borde interior del párpado, estructura de las sienes, estructura de la zona inferior del ojo, estructura del tabique nasal, estructura de la aleta de la nariz, estructura de la comisura de labios, estructura del hueco mentón, estructura del arco de cupido, estructura de la mejilla, estructura del pómulo, estructura del hueso cigomático, estructura del hueso maxilar, estructura del hueso nasal y estructura del hueso mandibular.

   4- Procedimiento para la selección entre un grupo de donantes mediante matching facial (pareo facial), a través de una imagen facial 2d del sujeto donante, según la reivindicación 1 que se caracteriza por que el tensor de relevancia facial es una matriz multidimensional que expresa algebraicamente la distancia relativa entre el perímetro, área o distancias, con el resto de objetos faciales.

   5- Procedimiento para la selección entre un grupo de donantes mediante matching facial (pareo facial), a través de una imagen facial 2d del sujeto donante, según la reivindicación 1 que se caracteriza por que el cálculo del porcentaje de heredabilidad de cada uno de los objetos faciales se realiza en base a la probabilidad de cada individuo de transmitir ese objeto facial a su descendencia mediante un conjunto de árboles genealógicos que incluyen los diferentes objetos faciales delimitados por su perímetro, área, puntos superiores e inferiores, extremos laterales y centralidad, así como variables relacionales como distancia entre puntos inferiores y superiores, extremos y distancia con respecto al punto de centralidad.

   6- Procedimiento para la selección entre un grupo de donantes mediante matching facial (pareo facial), a través de una imagen facial 2d del sujeto donante, según la reivindicación 1 que se caracteriza por que la ponderación de heredabilidad se calcula a partir de un algoritmo predictivo basado en árboles de decisión realizado y validado con árboles genealógicos que engloban individuos de 3 generaciones distintas, utilizando árboles de diferentes etnias y fenotipos