随着人工智能和深度学习技术的快速发展，生物特征识别技术在野生动物保护和研究领域得到了广泛应用。特别是在灵长类动物研究中，面部识别技术因其非侵入性和高效性逐渐成为研究热点。然而，现有的面部识别技术多集中在人类或者家养动物，对于野生动物，尤其是具有高度动态行为的猕猴，其面部识别和亲属鉴定系统尚未成熟。猕猴作为灵长类动物，其社会行为复杂，亲属关系对群体结构和社会动态具有重要影响。传统的猕猴亲属鉴定方法主要依赖于基因分析，该方法虽然准确但成本高、耗时长，且需要捕捉和处理猕猴，可能对动物造成压力和伤害。此外，基因分析无法实时反映猕猴群体的动态变化，限制了其在野生动物行为学和生态学研究中的应用。面部识别作为一种替代方法，具有操作简便、响应快速的特点。但是，猕猴面部特征的自动检测和识别面临诸多挑战。首先，猕猴面部特征与人类存在差异，通用的面部识别模型难以直接应用。其次，猕猴活动区域广阔，行为动态多变，动态捕捉面部图像难度大。再次，自然环境中光照变化、遮挡和个体间相似性等因素，增加了面部识别的复杂性。此外，猕猴行为分析是理解其社会结构和亲属关系的另一关键途径。当前的行为分析方法多依赖于人工观察和记录，效率低下且主观性强。自动化的行为分析技术尚未普及，尤其是在结合面部识别结果进行个体行为识别和亲属关系推断方面，技术手段有限。鉴于此，有必要开发一种基于深度学习的猕猴面部识别亲属鉴定系统，该系统能够自动捕捉猕猴面部图像，准确进行面部特征识别，并结合行为分析结果，为猕猴的亲属关系研究提供高效、客观的技术手段。这不仅能够提高研究效率，减少对动物的干扰，还能够为野生动物保护和行为学研究提供新的视角和方法。

基于深度学习的猕猴面部识别亲属鉴定系统，涉及面部识别技术领域，本研究包括动态捕捉模块、处理模块、面部识别模块、行为分析及亲属鉴定关联分析模块；动态捕捉模块用于捕捉活动区域中猕猴活动视频数据；首先选择合适的动态捕捉高速摄像机，确保能够捕捉到清晰且连续的猕猴活动视频数据，在猕猴活动区域布设摄像头，活动区域设置在猕猴关键区域和路径上，通过多个摄像头的布设以覆盖不同的视角和距离；该研究，通过深度学习技术对猕猴面部特征进行快速识别和分析，显著提升了面部识别的效率和准确性，同时结合行为分析和遗传标记数据，进一步提高了亲属鉴定的准确性。这不仅能够提高研究效率，减少对动物的干扰，还能够为野生动物保护和行为学研究提供新的视角和方法。基于深度学习的猕猴面部识别亲属鉴定系统的建立已获授权国家发明专利1项（张佳进;张宝林;吴东东;基于深度学习的猕猴面部识别亲属鉴定系统，2024-06-07，ZL 2024 1 0739979.8）。

提供用于深度学习训练数据的103个家庭的195只猕猴和食蟹猴群集，以及相关技术人员协助采集实验猴的面部数据集。