CN109308454B - 一种基于牙印模型特征结构的身份识别方法 - Google Patents

Abstract

一种基于牙印模型特征结构的身份识别方法，包括：如下步骤：步骤1)、采集图像；步骤2)、处理图像：在步骤1)的基础上截取图像中牙印模型部分，排除可能的背景干扰；步骤3)、轮廓分割步骤4)、特征值提取：步骤5)、构建数据库：步骤6)、计算匹配函数；步骤7)、匹配。本发明在已有良好分割的牙印模型图像的条件下，实现了牙印轮廓的特征值匹配，实验结果表明，本发明能够有效地实现牙齿身份识别。

Description

一种基于牙印模型特征结构的身份识别方法

技术领域

本发明涉及一种身份识别的方法。

背景技术

在执法部门，“法医鉴定可能发生在死亡之前，这被称为生前(AM)鉴定。鉴定也可以在死后进行，这被称为死后(PM)鉴定。”当被害人软组织严重腐烂或发生诸如火灾或碰撞等大规模灾害时，大多数行为和生理特征不适用于PM识别。而牙齿是人体最坚硬，最坚不可摧的部分，因此被认为是PM识别的最佳选择。

当前国外研究者对基于牙齿特征结构的生物识别技术相对已经比较完善，他们借助牙齿X光片，提出了一套自动牙齿识别系统(ADIS)，该系统涉及到牙齿分割，牙齿分类，牙齿编号和身份识别，从而能够在AM数据库中搜索到最佳匹配，给定PM牙科X光片。

在此基础上，部分国外研究者提出，使用牙齿轮廓作为主要匹配特征，并有人提出了一种特征向量，借用高曲率牙齿轮廓的突出点实现匹配。

而鉴于在X光片中，牙冠、牙桥、牙科填充物等牙科作物(DWs)通常比牙齿更亮、轮廓更清晰，又有部分研究者提出可以使用牙科作物的特征来识别，包括了它们之间的位置、大小和距离等。

后来研究者参考上述方法，结合使用了牙齿和牙科作物两种轮廓，提出多种测量方法和校准方法以减小误差，实现了比较高的匹配准确率。

而目前国内对这方面的技术研究可能才刚刚起步，几乎没有已知的成果，因此实验数据严重不足，几乎找不到任何技术参考。

发明内容

本发明要克服上述国内牙齿识别技术的缺失，从基于牙印模型的牙齿轮廓入手起步，提出一种新的辅助身份识别的牙齿匹配方法。

本发明研究了牙印模型在匹配中的优缺点、小数据量条件下匹配方式的优劣性、牙印模型中多种轮廓特征的有效性以及不同视角的模型图像对牙印轮廓的影响，有效地克服了模型图像带来的误差和数据量的不足，利用牙印轮廓实现了高准确率、较高效率的辅助身份识别方法。

本发明所述的牙印模型特征结构的身份识别方法，包括以下步骤：

步骤1)、采集图像；

(1.1)为上排牙齿制作咬印模型；

(1.2)水平摆放牙印模型，在模型上方某一固定距离，使用相机镜头以垂直角度，拍摄清晰牙印模型图像，聚焦印模整体；

(1.3)保持相机镜头距离角度不变，以牙印模型中心为轴进行多次旋转，多次拍摄得到不同朝向的多张印模图像；

步骤2)、处理图像：在步骤1)的基础上截取图像中牙印模型部分，排除可能的背景干扰；

步骤3)、轮廓分割：在步骤2)的基础上运用Photoshop或画图等工具，描绘出牙印轮廓，所描绘轮廓相对图像整体应当清晰可见，颜色建议使用红色；

步骤4)、特征值提取：作为一个通用接口，对于输入的分割后图像进行一系列处理从而得到身份特征值，包括：

(4.1)输入分割后的图像；

(4.2)对图像进行Canny边缘检测，得到二值图；

(4.3)将(4.2)得到的二值图像进行膨胀处理，合并孤立点，连接离散边缘；

(4.4)将经(4.3)处理过的图像进行腐蚀处理，细化边缘，减小膨胀带来的误差；

(4.5)将经(4.4)处理过的图像查找轮廓；

(4.6)计算各轮廓中心点、长度与面积；

(4.7)综合使用轮廓长度、面积、中心点距离排除干扰轮廓，筛选牙印轮廓；

(4.8)将经(4.7)处理得到的牙印轮廓统一编号；

(4.9)提取牙印轮廓的特征值；

步骤5)、构建数据库：取某人牙印模型编号id，经由步骤1)得到多张各个朝向的数据图像，经过步骤2)、步骤3)、步骤4)的处理后，分别计算它们各特征值的平均值μ和方差σ²，并将id、μ、σ²存入数据库；

步骤6)、计算匹配函数：对某id牙齿的某一特征值，以步骤5)中得到的该id该特征值的μ、σ²构建一维高斯分布函数，计算具体特征值x对应的函数值，高斯函数如式(1)所示：

式(1)中的x为某一图像中特征值X的值，函数值f(x)在x＝μ时取峰值。

步骤7)、匹配：逐个id匹配，借助步骤6)分别构建高斯函数，取峰值的十分之一作为匹配阈值，函数值大于阈值即通过，依次经过三个特征值——牙齿轮廓个数N、最小最大轮廓面积比例R、首尾轮廓与第(N/2+1)个轮廓的中心点构成的夹角A，层层筛选匹配，全部通过则匹配成功。

本发明的优点是：本发明方法算法简单，易于操作，模型成本低，匹配准确率高。由于在目前法医尸检过程中，最精确的DNA技术过程繁琐，耗时长，不适用于大范围匹配，而指纹、人脸等信息易遭到破坏，因此本发明可以作为身份识别辅助手段，以高准确率、较高效率的匹配，得到包括目标身份的结果范围，有效地缩小甚至精确匹配目标范围，提高身份识别的效率和准确率。

附图说明

图1为本发明的一张采集良好的牙印模型图像，尽量排除了背景因素干扰，裁剪到牙印模型部分。

图2为本发明牙印模型中轮廓的分割效果图，该分割由人工或自动化完成，分割效果应如图一样清晰，颜色分明，粗细适中。

图3为本发明中输入图像经过一系列图像处理手段，查找并保存所有轮廓后，经绘制得到的效果图，该图中可看到需要的轮廓都连续完整，能够方便的直接筛选得到。

图4为本发明中所有轮廓经过面积、周长、中心点间距等条件的筛选后，最终得到的需求轮廓效果图。

图5为本发明的轮廓统一顺时针编号示意图。

图6为本发明的匹配所用一维高斯函数图，图中变量x可取为某一特征值，μ和σ²分别为该特征值一组值的平均值和方差，特征值越靠近μ，函数值越大，而函数的峰值又会随着方差的增大而减小，所以固定取峰值的一定比例为阈值，大于该阈值即匹配通过，便可以得到一个符合要求的x取值范围。

图7是本发明的测试印模匹配结果比较图。

具体实施方式

下面结合附图进一步说明本发明。

本发明所述的牙印模型特征结构的身份识别方法，包括以下步骤：

步骤1)、采集图像；

(1.1)为上排牙齿制作咬印模型；

(1.2)水平摆放牙印模型，在模型上方某一固定距离，使用相机镜头以垂直角度，拍摄清晰牙印模型图像，聚焦印模整体；

(1.3)保持相机镜头距离角度不变，以牙印模型中心为轴进行多次旋转，多次拍摄得到不同朝向的多张印模图像；

步骤2)、处理图像：在步骤1)的基础上截取图像中牙印模型部分，排除可能的背景干扰。本发明的最终采集图像如说明书附图中图1所示，牙印轮廓清晰分明、无遮挡，剪除了无用的背景部分；

步骤3)、轮廓分割：在步骤2)的基础上运用Photoshop或画图等工具，描绘出牙印轮廓，所描绘轮廓相对图像整体应当清晰可见，颜色建议使用红色。说明书附图中图2给出了一张分割效果良好的图像；

步骤4)、特征值提取：作为一个通用接口，对于输入的分割后图像进行一系列处理从而得到身份特征值，包括：

(4.1)输入分割后的图像；

(4.2)对图像进行边缘检测，得到二值图；

(4.3)将(4.2)得到的二值图像进行膨胀处理，合并孤立点，连接离散边缘；

(4.4)将经(4.3)处理过的图像进行腐蚀处理，细化边缘，减小膨胀带来的误差；

(4.5)将经(4.4)处理过的图像查找轮廓。说明书附图中图3绘制了查找到的轮廓；

(4.6)计算各轮廓中心点、长度与面积；

(4.7)综合使用轮廓长度、面积、中心点距离排除干扰轮廓，筛选牙印轮廓。本发明的最终有效牙印轮廓如说明书附图中图4所示；

(4.8)将经(4.7)处理得到的牙印轮廓统一编号，具体借助了各轮廓的中心点，首先取到与其他各点的距离和最大的两个点，即两边两个端点，然后以两个端点作直线，若其他各点在直线上方，则取左端点为起点，反之取右端点，最终实现的轮廓统一顺时针编号效果示意图如说明书附图中图5所示；

(4.9)计算牙印轮廓的特征值；

步骤5)、构建数据库：取某人牙印模型编号id，经由步骤1)得到多张各个朝向的数据图像，经过步骤2)、步骤3)、步骤4)的处理后，分别计算它们各特征值的平均值μ和方差σ²，并将id、μ、σ²存入数据库；

步骤6)、计算匹配函数：对某id牙齿的某一特征值，以步骤5)中得到的该id该特征值的μ、σ²构建一维高斯分布函数，计算具体特征值x对应的函数值，高斯函数如式(1)所示：

式(1)中的x为某一图像中特征值X的值，函数值f(x)在x＝μ时取峰值。

说明书附图中图6描述了μ、σ²对一维高斯函数图形的影响，以及函数阈值与x取值范围之间的关系。

步骤7)、匹配：逐个id匹配，借助步骤6)构建各特征值的高斯函数，取峰值的十分之一作为匹配阈值，再分别代入当前匹配图像各特征值的取值x，函数值大于阈值即通过，依次经过三个特征值——牙齿轮廓个数N、最小最大轮廓面积比例R、首尾轮廓与第(N/2+1)个轮廓的中心点构成的夹角A，层层筛选匹配，全部通过则匹配成功，最终可以得到当前图像的一个匹配结果范围。若结果范围较大，说明该牙印模型对当前特征值不敏感，可以取多张不同朝向的图像进行以上步骤，取所有图像匹配结果的交集，得出匹配结果。

说明书附图中图7给出了现有43个牙印模型的匹配测试结果，其中每个模型分别拍摄10张不同朝向的图像，5张构建数据库，5张测试匹配，并对同一印模图像的结果取交集。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种基于牙印模型特征结构的身份识别方法，包括：

步骤1)、采集图像；

步骤(1.1)为上排牙齿制作咬印模型；

步骤(1.2)水平摆放牙印模型，在模型上方的固定距离，使用相机镜头以垂直角度，拍摄清晰牙印模型图像，聚焦印模整体；

步骤(1.3)保持相机镜头距离角度不变，以牙印模型中心为轴进行多次旋转，多次拍摄得到不同朝向的多张印模图像；

步骤2)、处理图像：在步骤1)的基础上截取图像中牙印模型部分，排除背景干扰；

步骤3)、轮廓分割：在步骤2)的基础上运用Photoshop或其他画图工具，描绘出牙印轮廓，所描绘轮廓相对图像整体应当清晰可见；

步骤4)、特征值提取：作为一个通用接口，对于输入的分割后图像进行一系列处理从而得到身份特征值，包括：

步骤(4.1)输入分割后的图像；

步骤(4.2)对图像进行Canny边缘检测，得到二值图；

步骤(4.3)将(4.2)得到的二值图像进行膨胀处理，合并孤立点，连接离散边缘；

步骤(4.4)将经(4.3)处理过的图像进行腐蚀处理，细化边缘，减小膨胀带来的误差；

步骤(4.5)将经(4.4)处理过的图像查找轮廓；

步骤(4.6)计算各轮廓中心点、长度与面积；

步骤(4.7)综合使用轮廓长度、面积、中心点距离排除干扰轮廓，筛选牙印轮廓；

步骤(4.8)将经(4.7)处理得到的牙印轮廓统一编号；

步骤(4.9)提取牙印轮廓的特征值；

步骤5)、构建数据库：取某人牙印模型编号id，经由步骤1)得到多张各个朝向的数据图像，经过步骤2)、步骤3)、步骤4)的处理后，分别计算它们各特征值的平均值μ和方差σ²，并将id、μ、σ²存入数据库；

步骤6)、计算匹配函数：对某id牙齿的某一特征值，以步骤5)中得到的该id该特征值的μ、σ²构建一维高斯分布函数，计算具体特征值x对应的函数值，高斯函数如式(1)所示：

式(1)中的x为某一图像中特征值X的值，函数值f(x)在x＝μ时取峰值；

步骤7)、匹配：逐个id匹配，借助步骤6)分别构建高斯函数，取峰值的十分之一作为匹配阈值，函数值大于阈值即通过，依次经过三个特征值——牙齿轮廓个数N、最小最大轮廓面积比例R、首尾轮廓与第(N/2+1)个轮廓的中心点构成的夹角A，层层筛选匹配，全部通过则匹配成功。

Images