一种面向刑侦的未知身源颅骨的计算机辅助面貌复原方法
【专利摘要】本发明涉及法医人类学、计算机图形学等领域中的一种面向刑侦的未知身源颅骨的计算机辅助面貌复原方法，主要步骤包括：步骤一，未知身源颅骨的三维建模；步骤二，未知身源颅骨的性别判别；步骤三，基于稠密点的面部软组织规律分析；步骤四，基于稠密点配准的颅骨面貌复原方法；步骤五，基于主成分分析的未知身源颅骨的面貌估计；步骤六，基于三维面貌模型的排查照片的生成。本发明提供的面向刑侦的未知身源颅骨的计算机辅助面貌复原方法能够快速实现未知身源颅骨的面貌复原，可为刑事案件侦查预测受害人的生前面貌。
【专利说明】一种面向刑侦的未知身源颅骨的计算机辅助面貌复原方法
【技术领域】
[0001]本发明涉及法医人类学、计算机图形学等领域中的面向刑侦的未知身源颅骨的计算机辅助面貌复原方法，能够实现未知身源颅骨的性别鉴定、分析发现面部软组织的分布规律，实现未知身源颅骨的三维面貌复原，可应用于刑侦现场未知身源颅骨的面貌复原，可为刑事案件侦查预测受害人的生前面貌。并可以进一步推广应用于考古学领域中古代名人的面貌复原、人类学领域中人类面貌的演化分析等领域。
【背景技术】
[0002]颅骨是人类面貌内在的生物特征，面貌是人与人之间最直接的识别依据，颅骨的形态决定人体面貌的基本形态。颅骨面貌复原是以法医人类学的基本理论和方法为基础，针对大数据集颅面数据，通过测量、分析及统计方法，发现颅骨和面貌的相互关系，并结合颅面形态规律实现给定颅骨的面貌估计。
[0003]传统颅骨面貌复原方法涉及法医人类学、解剖学、艺术雕塑等学科，主要针对尸体进行测量统计。受到颅面样本数量有限、用于测量软组织厚度的颅骨特征点数量少等因素的制约，导致颅面形态规律的分析结果缺乏有效的数据支持；并且，由于传统手工面貌复原方法的结果在很大程度上取决于个人对颅面形态的理解，复原结果容易受主观因素影响。近年来，随着CT、MRI等高分辨率医学图像数字采集设备的快速发展及广泛应用，计算机图形学、可视化技术、医学图像处理等信息科学新技术为颅面形态研究及其应用提供新的研究方法和实现技术。信息科学技术能够快速实现大样本颅面三维建模，基于颅骨的性别判别和面部软组织分布规律分析，实现客观、科学和具有可重复性的面貌复原结果。
[0004]目前，基于颅骨数据配准的面貌复原方法已经被广泛应用于面貌复原，其实质是将参考数据的软组织作为待复原颅骨的软组织进行面貌复原。基本过程如下:首先基于颅骨特征点实现参考颅骨向待复原颅骨的非刚性配准，然后将该变换应用于参考面貌模型，从而实现面貌复原。Philips等和周明全等人最早提出利用CT进行活体样本数据的采集和大数据集软组织厚度的测量，保证面貌复原结果的准确性。Turner等人采用薄板样条函数实现参考颅骨向待复原颅骨的配准，然后将此变换应用于参考面貌模型，实现面貌复原。Peter Tu等人在进行颅骨非刚性配准前，首先将颅骨进行柱面展开，从而将三维颅骨模型的非刚性配准问题转化为二维展开图的非刚性配准，通过非线性优化方法实现颅骨配准及面貌复原。邓擎琼等人提出全局与局部配准相结合的方法，实现待复原颅骨与参考颅骨的配准。裴玉茹等人生成颅骨软组织的二维展开图，将其作为待复原颅骨的软组织分布，采用径向基网RBFN (radial basis function network)实现面貌复原。基于面貌特征点配准的方法实质是模拟传统基于软组织厚度的三维手工复原方法。首先根据测量得到的软组织厚度估计待复原颅骨特征点对应面貌点的几何坐标P，然后实现参考面貌特征点向待复原面貌特征点P的变形，实现面貌复原。李江等人采用移动最小二乘方法，实现了基于面貌特征点的复原。然而上述两类复原方法并未涉及颅面参考数据的选择，并存在以下问题亟待解决:Ca)缺少有效的面部软组织规律分析方法；(b)缺少有效的颅面数据分类方法；(C)颅骨面貌复原方法亟待改进。
[0005]本专利对基于颅骨的面貌复原方法进行了扩展，提出了一种面向刑侦的未知身源颅骨的计算机辅助复原方法。该方法依据颅骨的少量几何测量指标建立了颅骨性别判别方程，实现了完整颅骨和缺少下颌骨的颅骨的性别判别。定义了面部软组织分析六项评价指标，建立了面部软组织分布图，分析了面部软组织分布与性别、年龄的关系。提出了颅面数据分类方法和基于主成分分析的颅骨颅面复原方法，克服了仅依靠单一颅面样本决定面貌复原结果的局限。最后通过替换眼睛、鼻子、嘴、头发等信息实现了受害人生前照片的预测。
【发明内容】
[0006]针对上述缺陷，本发明的目的是提供一种面向刑侦的未知身源颅骨的计算机辅助面貌复原方法，以解决现有技术的不足。
[0007]为实现上述目的，本发明采用了以下的技术方案:
[0008]步骤一:未知身源颅骨的三维建模；
[0009]步骤二:未知身源颅骨的性别判别；
[0010]步骤三:基于稠密点的面部软组织规律分析；
[0011]步骤四:基于稠密点配准的颅骨面貌复原方法；
[0012]步骤五:基于主成分分析的未知身源颅骨的面貌估计。
[0013]所述步骤二可以进一步包括:
[0014]步骤2.1:定义如下测量指标:
[0015]Xl:颅面最大长，颅顶最高点至颏下点的距离；
[0016]X2:左右额颞点(ft-ft)之间的距离；
[0017]X3:左右颧颌点(zm-zm)间的距离；
[0018]X4:右眼眶眶高:右眼眶轮廓线垂直方向的最大长；
[0019]X5:右眼眶眶宽:右眼眶轮廓线水平方向的最大宽；
[0020]X6:眉间点(g)至鼻棘下点(ss)的距离；
[0021]X7:下颌骨拟合直线夹角，由左颏孔下后点、左下颌角点、左下颌支前下点拟合直线与由右颏孔下后点、右下颌角点、右下颌支前下点拟合直线间的夹角。
[0022]步骤2.2:建立颅骨性别判别方法。针对完整颅骨，建立由X1、X5、X6、X7四个指标作为因子的性别判别方程，性别判别公式为:
[0023]Zl = 1.853 XX1+2.039 XX5+7.126 XX6+3.720 XX7-559.449
[0024]Z2 = 1.743XX1+1.786XX5+6.864XX6+4.007XX7-516.919
[0025]其中当Z1>Z2时，待检测颅骨为男性；当Z1〈Z2时，待检测颅骨为女性；
[0026]针对无下颌的颅骨，性别判别方程为:
[0027]Zl = 5.226XX2+2.397XX3+1.962XX4+7.321XX6-649.853
[0028]Z2 = 5.027XX2+2.262XX3+1.784XX4+6.986XX6-586.881
[0029]其中当Z1>Z2时，待检测颅骨为男性；当Z1〈Z2时，待检测颅骨为女性。
[0030]所述步骤三可以进一步包括:
[0031]步骤3.1:计算颅面样本库中每个样本顶点处的软组织厚度；
[0032]步骤3.2:采用非刚性配准技术实现颅面数据库中颅骨的非刚性配准，建立颅骨样本间顶点的稠密对应关系，使得具有对应关系的顶点具有近似相同的解剖学位置对应；
[0033]步骤3.3:基于稠密点的软组织厚度，分析面部软组织分布规律；
[0034]步骤3.4:基于软组织厚度分布，实现面貌胖瘦体态的分类；
[0035]步骤3.5:依据性别、年龄、体态和地域信息完成颅面数据的分类。
[0036]所述步骤3.3可以进一步包括:
[0037]步骤3.3.1:定义基于稠密点的面部软组织分布的六个评价指标，包括总体软组织厚度均值mean、总体软组织厚度标准差sd、各部分的软组织厚度均值meanp、各部分的软组织厚度标准差Sdp、各部分软组织厚度变化情况Icsdp和软组织厚度百分比。依据上述六个指标发现面部软组织的分布规律及变化规律:(I)各年龄段中，男性30-40岁阶段的软组织均值最大、胖瘦变化最显著。女性40-50岁阶段的软组织均值最大、胖瘦变化最显著。男性和女性均在20-30岁阶段软组织均值最小、胖瘦变化最不显著。(2)男性的面貌胖瘦随着年龄的增加软组织厚度及其胖瘦变化迅速增加，均值达到最大值后随着年龄的增加再逐步减小。女性的面貌胖瘦随着年龄的增加软组织厚度及其胖瘦变化在逐渐增加，均值达到最大值后随着年龄的增加逐渐减小。男性面貌在30-50岁阶段，女性在40-60岁阶段面貌处于较胖的时期。
[0038]所述总体软组织厚度均值mean和标准差sd计算方法:
[0039]
【权利要求】
1.一种面向刑侦的未知身源颅骨的计算机辅助面貌复原方法，其特征在于，包括: 步骤一:未知身源颅骨的三维建模； 步骤二:未知身源颅骨的性别判别； 步骤三:基于稠密点的面部软组织规律分析； 步骤四:基于稠密点配准的颅骨面貌复原方法； 步骤五:基于主成分分析的未知身源颅骨的面貌估计。
2.如权利要求1所述的方法，其特征在于，所述步骤二进一步包括: 步骤2.1:定义如下测量指标: Xl:颅面最大长，颅顶最高点至颏下点的距离； X2:左右额颞点(ft-ft)之间的距离； X3:左右颧颌点(zm-zm)间的距离； X4:右眼眶眶高:右眼眶轮廓线垂直方向的最大长； X5:右眼眶眶宽:右眼眶轮廓线水平方向的最大宽； X6:眉间点(g)至鼻棘下点(ss)的距离； X7:下颌骨拟合直线夹角，由左颏孔下后点、左下颌角点、左下颌支前下点拟合直线与由右颏孔下后点、右下颌角`点、右下颌支前下点拟合直线间的夹角， 步骤2.2:建立颅骨性别判别方法，针对完整颅骨，建立由X1、X5、X6、X7四个指标作为因子的性别判别方程，性别判别公式为:
Zl = 1.853XX1+2.039XX5+7.126XX6+3.720XX7-559.449
Z2 = 1.743XX1+1.786XX5+6.864XX6+4.007XX7-516.919
其中当Z1>Z2时，待检测颅骨为男性；当Z1〈Z2时，待检测颅骨为女性； 针对无下颌的颅骨，性别判别方程为:
Zl = 5.226XX2+2.397XX3+1.962XX4+7.321XX6-649.853
Z2 = 5.027XX2+2.262XX3+1.784XX4+6.986XX6-586.881
其中当Z1>Z2时，待检测颅骨为男性；当Z1〈Z2时，待检测颅骨为女性。
3.如权利要求1所述的方法，其特征在于，所述步骤三进一步包括: 步骤3.1:计算颅面样本库中每个样本顶点处的软组织厚度； 步骤3.2:采用非刚性配准技术实现颅面数据库中颅骨的非刚性配准，建立颅骨样本间顶点的稠密对应关系，使得具有对应关系的顶点具有近似相同的解剖学位置对应； 步骤3.3:基于稠密点的软组织厚度，分析面部软组织分布规律； 步骤3.4:基于软组织厚度分布，实现面貌胖瘦体态的分类； 步骤3.5:依据性别、年龄、体态和地域信息完成颅面数据的分类。
4.如权利要求3所述的方法，其特征在于，所述步骤3.3进一步包括: 步骤3.3.1:定义基于稠密点的面部软组织分布的六个评价指标，包括总体软组织厚度均值mean、总体软组织厚度标准差sd、各部分的软组织厚度均值meanp、各部分的软组织厚度标准差Sdp、各部分软组织厚度变化情况ksdp和软组织厚度百分比，依据上述六个指标发现面部软组织的分布规律及变化规律:(I)各年龄段中，男性30-40岁阶段的软组织均值最大、胖瘦变化最显著，女性40-50岁阶段的软组织均值最大、胖瘦变化最显著，男性和女性均在20-30岁阶段软组织均值最小、胖瘦变化最不显著，(2)男性的面貌胖瘦随着年龄的增加软组织厚度及其胖瘦变化迅速增加，均值达到最大值后随着年龄的增加再逐步减小，女性的面貌胖瘦随着年龄的增加软组织厚度及其胖瘦变化在逐渐增加，均值达到最大值后随着年龄的增加逐渐减小，男性面貌在30-50岁阶段，女性在40-60岁阶段面貌处于较胖的时期。
5.如权利要求3所述的方法，其特征在于，所述总体软组织厚度均值mean和标准差sd计算方法:
6.如权利要求1所述的方法，其特征在于，所述步骤四进一步包括: 步骤4.1:利用欧几里德矩阵度量颅骨间的几何形态差异，进而从颅面分类数据库中选择与待复原颅骨几何形状最相似的颅骨； 步骤4.2:利用非刚性配准方法实现颅面样本库中选择的参考颅骨向待复原颅骨的非刚性变形，应用该变形驱动参考面貌模型的变形； 步骤4.3:依据未知身源颅骨的信息，针对不同颅面分类库，实现未知身源颅骨的面貌复原。
7.如权利要求6所述的方法，其特征在于，所述步骤4.1通过以下公式实现:
8.如权利要求1所述的方法，其特征在于，所述步骤五进一步包括: 步骤5.1:采用主成分分析方法计算复原面貌的主成分，建立复原面貌的表示模型；通过调整主成分系数实现未知身源颅骨的面貌复原， 步骤5.2:从五官数据库中选择五官库模型来替换复原后的人脸模型中的相应区域，同时保证拼接边界的完全吻合与平滑过度，采用基于配准点集的非刚性配准方法实现所选五官模型与复原面貌的配准，解决配准结果在轮廓边缘可能存在不连续的问题，配准过程中首先提取面貌五官边缘轮廓，计算轮廓点集的k邻域顶点集；然后将轮廓点集中的顶点与五官模型间的欧式距离按降序排序，寻找距离最大的轮廓顶点集Pt以及该点集与五官模型上的对应点Qt ;最后采用非刚性配准算法实现五官与面貌的配准。
9.如权利要求1所述的方法，其特征在于，所述步骤5.1通过以下公式实现:
10.如权利要求1所述的方法，其特征在于，还包括步骤六:基于三维面貌模型的排查照片的生成， 所述步骤六进一步包括: 步骤6.1:针对三维面貌复原结果的正侧面截图，从已经建立的五官数字图像库中，选择合适的眼睛、鼻子、嘴、眉毛、头发的图像进行替换； 步骤6.2:针对三维面貌复原结果的正侧面截图，手绘复原结果。
【文档编号】G06T17/30GK103679816SQ201310744688
【公开日】2014年3月26日 申请日期:2013年12月30日 优先权日:2013年12月30日
【发明者】周明全, 税午阳, 武仲科, 段福庆, 邓擎琼, 殷荣超 申请人:北京师范大学