摘要
本文总结了现有研究中X光片类数据的不足，以牙模图像为研究对象展开牙型特征提取与识别的研究，大致步骤分为牙印区域分割、牙型特征提取、特征匹配识别，本文具体研究如下： 1）基于深度学习的牙印区域分割模型训练方案。 牙模图像本身分割影响因素过多，纹理复杂、轮廓模糊、特征多样等，常见分割算法很难做到完整分割。受到神经网络打标签训练分类的启发，本文将单个牙印作为一种类别，并提出了一种基于目标检测网络的梯度式训练方案，得到牙印检测模型。实验结果表明该梯度式训练方案所得模型对牙印区域具有较好的定位分割效果，准确率为91.92%。 生物识别技术是一种身份鉴定技术，用于通过测量受试者身体或行为特征独立地识别个体，在当今社会的多数领域中起着重要作用。而在地震、火灾等大型灾害以及犯罪刑事案件中，诸如人脸、指纹、掌纹、虹膜等常用人体体表特征容易遭到破坏，致使无名尸体识别困难。牙齿表面的牙釉质具有强耐高温、耐腐蚀、硬度大的特点，在自然及非自然灾难场景中容易保留下来，且不同个体间牙齿存在多种特征差异，可以辅助法医部门鉴别无名尸体。此外，现今牙齿健康越来越普及，牙科治疗的常态化使得全面采集牙齿数据成为可能，同时计算机视觉技术、深度学习技术实现了高速的发展与突破，为建立大规模牙齿图像数据库，进行快速准确的身份识别提供了理论基础和技术基础。 2）基于牙型几何结构特征的身份辅助识别方法。 在论文初期研究工作中，牙模识别算法的设计重心是作为辅助手段，缩减身份候选范围。针对这一目的，本文提出了一种边缘片段配对连接方法，从牙印区域进一步提取牙印轮廓，并计算了三种常见几何特征实现匹配；为了更客观地衡量该方法作为辅助手段的有效性，提出了一种名为排除率的测评指标，来反映对错误身份的排除程度。实验结果显示该方法的排除率为90.45%，在TOP-5达到了86.17%的准确率，大幅度缩小了无名尸首的身份候选范围。 3）多尺度多维度牙型结构聚合特征提取及识别方法。 基于初期研究中发现的问题与结果分析，为了丰富特征层次，增强特征表征力，提高牙模识别的精度以作为法医尸检的重要手段，本文引入多尺度的概念，将牙模划分为全局牙印、局部牙印、单一牙印三个尺度来提取低、高两维特征，增加了多样性和鲁棒性。在低维几何特征上，本文提出了一种新颖的单一尺度标定偏移距离特征，并结合一种常见的局部尺度牙弓型扩角特征；在高维SIFT特征上，本文从全局尺度和局部尺度分别匹配排除了无关干扰。最后本文将三个尺度两个维度的特征各自进行了相似度量化后，聚合得到最终的特征向量。实验结果表明，多尺度多维度聚合特征的验证准确率为93.38%，测试准确率达93.25%，对身份的最佳TOP-1检测准确率为90%。 本文对基于牙模图像的身份识别技术进行了研究，并在牙印区域分割、新颖有力特征的提取及身份识别上取得了较好的研究成果。未来研究中，本文计划完善数据规模，结合下颌牙齿信息，并融合更具有区分度的高维特征，进一步展开基于牙模图像的多尺度多维度牙型结构特征提取及识别技术研究。
NETL