ES2353099A1 - Método y sistema de identificación forense por superposición craneofacial. - Google Patents
Método y sistema de identificación forense por superposición craneofacial. Download PDFInfo
- Publication number
- ES2353099A1 ES2353099A1 ES200901732A ES200901732A ES2353099A1 ES 2353099 A1 ES2353099 A1 ES 2353099A1 ES 200901732 A ES200901732 A ES 200901732A ES 200901732 A ES200901732 A ES 200901732A ES 2353099 A1 ES2353099 A1 ES 2353099A1
- Authority
- ES
- Spain
- Prior art keywords
- skull
- craniofacial
- face
- subsystem
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G06K9/00208—
-
- G06K9/00288—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
Sistema de identificación forense por superposición craneofacial basado en soft computing. La presente invención viene dada por un método y un sistema automático que dan soporte al antropólogo forense en la tarea de identificación por superposición craneofacial. En primer lugar, el sistema construye de manera automática un modelo tridimensional a partir de un dispositivo que proporciona vistas parciales del cráneo. Posteriormente, se superpone dicho modelo sobre una fotografía de la persona desaparecida, modelando la incertidumbre inherente al emparejamiento de dos objetos distintos: un cráneo y una cara. Finalmente, el sistema emite una recomendación del resultado del proceso de identificación al antropólogo forense.
Description
Sistema de identificación forense por
superposición craneofacial basado en soft computing.
La presente patente de invención se refiere a la
resolución del problema de superposición craneofacial para la
identificación forense. En términos generales tiene aplicación
directa en el estudio de personas desaparecidas, grandes desastres
de masas y catástrofes naturales. Como tal, puede ser de interés
para los cuerpos y fuerzas de seguridad del estado (concretamente,
la policía judicial y científica de la Policía Nacional y Guardia
Civil, respectivamente) y los institutos de medicina legal y
forense. Asimismo, tiene aplicación directa en dispositivos de
adquisición y reconstrucción de modelos de objetos tridimensionales
cómo los escáneres láser de rangos.
Una de las tareas más importantes de la
Antropología Forense es la identificación de seres humanos a partir
de sus restos óseos. Este trabajo requiere la comparación de datos
ante-mortem (los cuales se obtienen de
material visual y de entrevistas con parientes y testigos) y
post-mortem. Una de las técnicas de
identificación forense de mayor éxito es la superposición
craneofacial, en la que se comparan fotografías o fotogramas de
vídeo de una persona desaparecida con el cráneo encontrado.
Proyectando ambas fotografías una sobre otra (o, mejor, emparejando
la foto con un modelo tridimensional del cráneo) se puede establecer
si pertenecen a la misma persona. Este proceso se realiza de forma
manual, empleando habitualmente el ordenador para representar las
imágenes de ambos objetos. El procedimiento es iterativo y finaliza
cuando el experto forense estima que se ha obtenido la mejor
superposición posible desde una perspectiva global. Finalmente, a la
vista de las características antropométricas específicas de la
superposición obtenida, dicho experto proporciona una decisión del
proceso de identificación en uno de los siguientes términos:
positiva, negativa, probable positiva, probable negativa,
incierta.
La presente invención viene dada por un nuevo
método sistema automático que da soporte al antropólogo forense en
la tarea de identificación por superposición craneofacial. Nótese
que no existe ninguna metodología que proporcione una solución
integral para abordar la resolución de dicho problema. Además, la
presente invención permite la formulación de hipótesis sobre la
posible relación entre el cráneo y la fotografía, considerando para
ello la incertidumbre presente en el proceso. La precisión de los
resultados proporcionados es tan alta que permite su uso en casos
reales de identificación forense.
Es importante distinguir el problema que
resuelve la presente invención de una serie de técnicas
relacionadas, ya sea en cuanto a los principios que los fundamentan
(estudios antropológicos que relacionan cráneo y cara) o en cuanto a
la formulación del problema (emparejamiento de imágenes):
- \bullet
- Por un lado, la reconstrucción facial parte de los mismos principios que la superposición craneofacial pero tiene como objetivo el representar el posible aspecto de la cara de una persona a partir de su cráneo. Para ello se aplican una serie de marcas en los principales puntos craneométricos, que aportan el grosor de los tejidos blandos de la cara, y se modelan el resto de las estructuras faciales sobre ellos. La solicitud de patente americana US0111631 describe un sistema de reconstrucción facial. Uno de los principales problemas de esta técnica es que se ha comprobado que hay muchas variaciones de los diferentes rasgos morfológicos faciales que confieren singularidad a la cara. Por otro lado, también hay diferencias en los tejidos faciales que están en relación con la edad, cambios de peso, estados anímicos, etc. Destaca la utilidad de la reconstrucción facial para recreaciones de homínidos (Atapuerca/antecessor) o de personajes históricos (Galileo Galilei, Tutankamón), que tienen un gran valor desde el punto de vista divulgativo o didáctico. Sin embargo, desde el campo de la Antropología Forense la técnica tiene muchas limitaciones y sólo se utiliza para hacer aproximaciones que sirven para iniciar una investigación pero nunca para realizar una identificación.
- \bullet
- Por otro lado, existen varias propuestas automáticas de superposición de modelos 3D de la cara sobre fotografías 2D también de la cara [Patentes US0196000 o US7421097], Una revisión del estado del arte puede encontrarse en [K.W. Bowyer, K. Chang y P. Flynn, "A survey of approaches and challenges in 3D and multi-modal 3D + 2D face recognition" Computer Vision and Image Understanding, Vol. 101, pp. 1-15, 2006]. Sin embargo, se trata de un problema totalmente diferente, el reconocimiento facial, que conlleva la superposición de un objeto 30 (el modelo 3D de la cara) con una proyección 2D (la fotografía de la cara) del mismo objeto. Nótese que la superposición craneofacial es un problema mucho más complicado donde los dos objetos a emparejar son diferentes (un modelo 3D del cráneo y una fotografía 2D de la cara). En el reconocimiento facial no hay necesidad de abordar la incertidumbre presente en casos reales de superposición craneofacial, donde se tiene que tener en cuenta el grosor de los tejidos que recubren el cráneo. Además, al contrario que en los casos reales de identificación forense, en los problemas de reconocimiento facial, todos los datos relativos a la cámara son conocidos. En los casos de identificación forense, la familia de la persona desaparecida es la que suele proporcionar la/las fotografías sin información adicional y, en algunos casos, modificadas mediante algoritmos de preprocesado (recorte, reescalado, transformaciones en el color y en el contraste, etc.), lo que puede afectar negativamente a los resultados de la superposición.
\vskip1.000000\baselineskip
No existe una metodología general para el
proceso de identificación por superposición craneofacial. Esto se
debe tanto a la complejidad del procedimiento de proyección (cráneo
y cara son dos objetos diferentes cuya correlación no es directa
debido a la presencia de carne y piel en el segundo) como a la
incertidumbre inherente al proceso de decisión (con varios niveles
de confianza dependiendo del grado de conservación de la muestra y
de la calidad de las fotos disponibles del proceso analítico
realizado por el forense).
Existen algunos métodos de superposición
craneofacial que emplean ordenadores para ayudarse en el proceso de
superposición y/o para la visualización del cráneo y la cara. Sin
embargo, el tamaño y la orientación del cráneo se cambian
manualmente para ajustarlo correctamente a la pose de la cabeza en
la fotografía. Esto se hace bien moviendo físicamente el cráneo,
empleando el ordenador solo para visualizarlo en el monitor, o bien
moviendo una imagen digital por la pantalla hasta lograr un
emparejamiento bueno (con ayuda de un software comercial). Estos
métodos trabajan con imágenes digitales pero, como se ha dicho, no
son para nada automáticos, ya que necesitan hacer manualmente las
tareas de redimensionado, traslación y rotación mediante prueba y
error, algo muy costoso en tiempo y que conlleva un proceso afectado
por múltiples errores. Vale la pena comentar que los expertos
forenses pueden emplear del orden de 24 horas para cada caso. Los
trabajos de Ubelaker et al. [D.H. Ubelaker, E. Bubniak, G.
O'Donnel, "Computer-assisted photographic
superimposition", Journal of Forensic Sciences Vol. 37
(3), pp. 750-762, 1992], Yoshino et al. [M.
Yoshino, H. Matsuda, S. Kubota, K. Imaizumi, S. Miyasaka, S. Seta,
"Computer-assisted skull identification system
using video superimposition", Forensic Science International Vol.
90, pp. 231-244, 1997] y Ricci et al. [A.
Ricci, G.L. Marella, M.A. Apóstol, "A new experimental approach to
computer-aided face/skull identification in forensic
anthropology", American Journal of Forensic Medicine and
Pathology Vol. 27 (1), pp. 46-49, 2006] son
ejemplos típicos de lo que consideramos superposiciones asistidas
por ordenador.
Encontramos también un número limitado de
métodos automáticos donde las dos primeras etapas del proceso de
superposición craneofacial, el modelado tridimensional del cráneo y
la proyección cráneo-cara, pueden formularse como un
problema de registrado de imágenes. En este caso, se trata de
aprovechar la capacidad de cómputo del ordenador para hallar la
transformación espacial que logre el mejor emparejamiento entre dos
imágenes (Figura 1), ya sea para reconstruir el modelo 3D del cráneo
o para encontrar automáticamente la superposición óptima entre dicho
modelo y la fotografía 2D de la cara mediante algoritmos
informáticos. Hasta la fecha, no se han usado métodos automáticos en
aplicaciones reales a pesar del alto número de casos examinados
[D.H. Ubelaker, "A history of Smithsonian-FBI
coliaboration in forensic anthropology, especially in regard to
facial imagery", Forensic Science Communications Vol. 2
(4), 2000]. Sólo existen dos propuestas que realizan una
superposición craneofacial de manera automática, basadas en redes
neuronales [A. Ghosh, P. Sinha, "An economised craniofacial
identification system", Forensic Science International
Vol. 117 (1-2), pp. 109-119, 2001] y
algoritmos genéticos [B.A. Nickerson, P.A. Fitzhorn, S.K. Koch, M.
Charney, "A methodology for near-optimal
computational superimposition of two-dimensional
digital facial photographs and three-dimensional
cranial surface meshes", Journal of Forensic Sciences Vol.
36 (2), pp. 480-500, 1991], respectivamente. El
método propuesto por Ghosh y Sinha tiene dos importantes
limitaciones (ya comentadas por los autores): no se lograba
proyectar adecuadamente una zona del cráneo y requería disponer de
imágenes frontales. Pero, sin duda, la mayor limitación del método
es que realiza un emparejamiento 2D-2D al no
considerar un modelo 3D del cráneo. Esto simplifica mucho la tarea
de superposición, pero hace inviable su uso para la identificación
forense en casos reales. Por otro lado, el método de Nickerson usaba
un algoritmo genético [D.E. Goldberg, "Genetic algorithms in
search, optimization, and machine learning",
Addison-Wesley, 1989]. para encontrar los
parámetros óptimos de las transformaciones de similitud y
perspectiva que superponen el modelo 3D del cráneo sobre la cara de
la fotografía. Se consideraba el empleo de una cámara digital para
digitalizar la fotografía y se partía de un modelo 3D del cráneo
encontrado (del que no se detalla el método seguido para su
obtención), así como de algoritmos clásicos de procesado de imágenes
para mejorar éstas (filtro de mediana, ecualización del histograma,
filtro de Wiener). En ninguno de estos trabajos se formulan
hipótesis sobre la posible relación de pertenencia entre el cráneo y
la fotografía, y no se considera la incertidumbre presente en todas
las etapas del proceso de superposición. En consecuencia, los
resultados no son suficientemente precisos para su uso en la
identificación forense. Además, no es un sistema automático de
identificación ya que el método no incluye la digitalización del
cráneo.
Éstos y otros objetos de la presente invención
se consiguen mediante un procedimiento automático, basado en el
ordenador, según la reivindicación independiente 1, para ayudar al
antropólogo forense en la tarea de identificación por superposición
craneofacial. En dicha tarea consideramos tres etapas principales
(Figura 2):
- 1.
- La primera etapa consiste en obtener un modelo digital preciso del cráneo de forma automática, requiriendo la menor interacción posible con el experto forense.
- 2.
- La segunda etapa, conocida como proyección cráneo-cara, tiene como objetivo la adecuada proyección del modelo 3D del cráneo sobre la fotografía. Para ello, el sistema de la presente invención toma como base dos conjuntos de marcadores (Figuras 3 y 4) seleccionados por el experto forense. Un conjunto sobre la fotografía de la cara (puntos cefalométricos, Figura 3) y otro conjunto en el modelo 3D del cráneo (puntos craneométricos, Figura 4). Se trata entonces de emparejar ambos conjuntos apropiadamente.
- 3.
- La última etapa se corresponde con la toma de una decisión de identificación en los mismos términos utilizados por los expertos forenses (positiva, negativa, probable positiva, probable negativa, incierta). Para la toma de esta decisión, se considera la calidad de los emparejamientos entre pares de marcadores.
\vskip1.000000\baselineskip
La presente invención lleva a cabo la tarea de
identificación por superposición craneofacial mediante el diseño de
un sistema informático basado en el uso de técnicas de soft
computing [P.P. Bonissone, "Soft computing: the convergence of
emerging reasoning technologies". Soft Computing Vol. 1
(1), pp. 6-18, 1997], En concreto, en dicho sistema
se modela la incertidumbre inherente a este método de identificación
forense mediante el uso de lógica difusa [G. J. Klir, B. Yuan, Eds.
"Fuzzy sets, fuzzy logic, and fuzzy systems: selected papers by
Lotfi A. Zadeh". World Scientific Publishing, 1996]. Asimismo, el
sistema propuesto incorpora una nueva metodología fundamentada en la
explotación de la información derivada del emparejamiento de
marcadores en cráneo y cara para lo cual se usan metaheurísticas [F.
Glover, G. Kochenberger, Eds. "Handbook of Metaheuristics",
Kluwer Academic Publishers, 2003] y otros algoritmos avanzados de
optimización y búsqueda [T. Bäck, D. B. Fogel, Z. Michalewicz, Eds.
"Handbook of Evolutionary Computation", IOP Publishing Ltd
and Oxford University Press, 1997] como por ejemplo, Scatter
Search [Laguna, M., Martí, R. "Scatter Search: Methodology and
Implementations in C". Kluwer Academic Publishers, 2003],
CHC [Eshelman, L. J. "The CHC adaptive search algorithm: How to
have safe search when engaging in nontraditional genetic
recombination". In G.J.E. Rawlins (Ed.), Foundations of
Genetic Algorithms-1, pp.
265-283. Morgan Kauffman, 1991] o
CMA-ES [N. Hansen, A. Ostermeier, "Completely
derandomized self-adaptation in evolution
strategies", Evolutionary Computation Vol. 9 (2), pp.
159-195, 2001],
De acuerdo a la metodología definida en la
presente invención, las tres etapas del proceso de superposición se
corresponden con los siguientes tres subsistemas:
- 1.
- Subsistema de modelado 3D de cráneos: cuyo objetivo es la construcción de modelos 3D de cráneos a partir de vistas parciales tomadas con el sistema de captura. Para ello se usan técnicas de registrado de imágenes basadas en algoritmos de optimización y búsqueda.
- 2.
- Subsistema de proyección cráneo-cara: cuyo objetivo es la correcta proyección del modelo 3D del cráneo sobre la fotografía 2D de la cara de la persona desparecida de manera automática. Se basa en algoritmos de optimización y búsqueda además de hacer uso de técnicas de lógica difusa para modelar la incertidumbre inherente al problema.
- 3.
- Subsistema de ayuda a la toma de decisiones: sistema difuso de ayuda a la decisión para asistir al antropólogo forense en la identificación afrontando la asociación de los puntos craneométricos y cefalométricos como un proceso de emparejamiento parcial.
- Además de estos tres subsistemas hay otros dos, que si bien son opcionales, ayudan al subsistema de proyección a conseguir unos resultados más robustos y de una mayor calidad, en un menor tiempo.
- 4.
- Subsistema de posicionamiento del modelo 3D del cráneo: cuyo objetivo es el posicionamiento automático del modelo 3D del cráneo con una orientación inicial próxima a la orientación de la cara en la fotografía.
- 5.
- Subsistema de refinamiento manual de la superposición craneofacial: herramienta de edición de imágenes para el refinamiento manual de la superposición craneofacial lograda mediante el subsistema de proyección cráneo-cara.
\vskip1.000000\baselineskip
El uso del subsistema 4 conlleva la disminución
del tiempo requerido para realizar una superposición automática
debido a la reducción del espacio de búsqueda que supone tener el
cráneo en una orientación próxima a la buscada. Además, este
posicionamiento inicial dota de una mayor robustez a los resultados
proporcionados. Por último, el subsistema 5 permite un refinamiento
manual de la superposición lograda en la anterior etapa. Sin
embargo, en la mayoría de los casos, la superposición automática
obtenida no precisará de ningún refinamiento manual y, por lo tanto,
la etapa asociada a este subsistema es en muchos casos
innecesaria.
Así, al contrario que otros sistemas y métodos
comprendidos en el estado de la técnica, la presente invención
aborda, globalmente y con un nuevo enfoque, cada una las tareas
asociadas al proceso de superposición.
A continuación se detallan cada una de los cinco
subsistemas que componen la presente invención, comentando las
ventajas de la invención en relación al estado de la técnica
mostrado en la sección anterior.
\vskip1.000000\baselineskip
Con este subsistema se pretende obtener un
modelo digital en tres dimensiones del cráneo. Para obtener dicho
modelo se emplea un dispositivo de adquisición de imágenes. En el
caso de que dicho dispositivo adquiera imágenes parciales de la
superficie del cráneo, se emplea un método encargado de la correcta
alineación de las diferentes imágenes parciales.
Este subsistema se basa en un proceso de
selección exhaustiva y automática de los puntos más representativos
del cráneo presentes en cada una de las vistas. Estos puntos
característicos facilitan el no tener que trabajar con el modelo
completo, sintetizándolo de cara al posterior procesamiento. Una vez
que se han seleccionado estos puntos, se lleva a cabo un proceso de
optimización y búsqueda cuyo propósito es proporcionar la
transformación geométrica que consiga hacer coincidir un conjunto de
imágenes de la forma más precisa posible. Al contrario que otros
métodos vigentes, se integran las múltiples vistas del cráneo de
manera simultánea. Este enfoque tiene la ventaja de reducir el error
acumulado cuando la integración se lleva a cabo progresivamente
entre imágenes adyacentes. Se consiguen así modelos 3D de cráneos
más fidedignos.
Otra ventaja respecto a métodos del estado de la
técnica es que permite que el grado de solapamiento entre dos vistas
consecutivas sea mínimo. Esto se consigue gracias al tratamiento
robusto de las distancias entre puntos de diferentes vistas que han
sido emparejados. Esto es, para calcular la transformación
geométrica que sitúa cada vista en la posición adecuada para obtener
el modelo 3D del cráneo, sólo se considerarán aquellos
emparejamientos entre puntos que no disten más de un umbral respecto
a la distribución de distancias entre puntos emparejados.
Ocho vistas del cráneo serían suficientes para
poder llevar a cabo la reconstrucción total del mismo. Esto supone
un ahorro en espacio de almacenamiento muy significativo respecto a
otras técnicas que únicamente son capaces de manejar una ligera
desalineación entre vistas consecutivas.
\vskip1.000000\baselineskip
Este subsistema es el encargado de realizar la
mejor proyección posible del cráneo sobre la fotografía de forma
automática. Es, por lo tanto, un problema de registrado de imágenes,
donde se busca la transformación que sitúa a dos imágenes 3D/2D
diferentes en un mismo sistema de coordenadas (rotación, traslación,
cambio de escala, etc.).
En el caso de la presente invención, el problema
consiste en encontrar la transformación de registrado que sitúe al
modelo 3D del cráneo en la misma pose que tenía en el momento en el
que fue realizada la fotografía de la persona desaparecida.
La definición de la transformación geométrica
objetivo depende de un número de incógnitas provenientes de dos
fuentes diferentes: a) la configuración de la cámara, donde
necesitamos conocer parámetros como la apertura del objetivo de la
cámara o la distancia entre ésta y la persona desaparecida en el
momento de realizar la fotografía; y b) el modelo del cráneo: que
tendrá una orientación específica y una resolución y un tamaño dados
por las características técnicas del sistema de captura de imágenes,
así como por el proceso de modelado del cráneo.
Una vez hemos definido los parámetros que
representan la transformación geométrica necesaria para llevar a
cabo la tarea de superposición craneofacial, se trata de encontrar
la combinación de valores, para las incógnitas del sistema de
ecuaciones definido, que conlleven a la mejor proyección posible.
Esto es, por tanto, un problema de optimización numérica, que en la
presente invención se resuelve mediante algoritmos avanzados de
optimización y búsqueda, como por ejemplo los mencionados
anteriormente (Scatter Search, CHC o CMA-ES).
El método implementado realiza una búsqueda
dentro de los límites establecidos para cada incógnita, con el
objetivo de que la transformación resultante minimice la distancia
entre los pares de marcadores emparejados (en el cráneo y en la
cara).
Dado que buscamos el mejor solapamiento de los
marcadores localizados en dos objetos diferentes (cara y cráneo),
cuya distancia no es necesariamente nula, no es adecuado seguir un
enfoque que se base en minimizar la distancia Euclídea entre cada
par de marcadores. Esto se debe a que la correspondencia entre
marcadores faciales y craneales no es siempre simétrica y
perpendicular. Por ejemplo, algunos marcadores se localizan en una
posición superior en la cara respecto al marcador correspondiente en
el cráneo. Por lo tanto, una aproximación mucho más realista y
compleja consiste en considerar la incertidumbre inherente al
proceso de superposición craneofacial, lo cual no ha sido realizado
hasta el momento por ningún otro trabajo del estado de la técnica.
Desde este punto de vista se distinguen dos tipos de
incertidumbre:
- a)
- Por un lado, la incertidumbre en la localización se refiere a la gran dificultad inherente a la tarea de ubicar los marcadores en una localización invariable y con la precisión requerida para esta aplicación. De hecho, cada antropólogo forense tiende a situar estos puntos en diferentes localizaciones (aunque cercanas entre sí). Aunque los marcadores se seleccionan buscando que sean lo más invariables posibles, factores como los cambios en las expresiones faciales o cambios en la edad dificultan la localización precisa de estos puntos por el antropólogo. Además de la dificultad inherente a la hora de localizar los marcadores, la información de que disponemos no siempre está en las mejores condiciones. Por ejemplo, la ambigüedad para ubicar los puntos puede deberse en ocasiones a razones como la variación en la distribución de sombras debido a las condiciones de iluminación durante la toma de la fotografía, un enfoque inadecuado, una calidad de la imagen pobre, etc. De este modo, la causa de la ambigüedad, y por lo tanto su naturaleza, puede variar de una imagen a otra e incluso de una característica a otra en una misma imagen.
- b)
- Por otro lado, la incertidumbre en el emparejamiento se refiere a la incertidumbre involucrada en la correspondencia entre marcadores asociados a diferentes objetos: la cara y el cráneo. Hay una cierta distancia entre cada punto craneométrico en el cráneo y su correspondiente punto cefalométrico en la fotografía. Esta distancia se debe a una cierta cantidad de tejido que separa los marcadores del hueso del cráneo de sus correspondientes en la cara. Además, los puntos craneométricos y cefalométricos se asocian a ubicaciones significativas biológicamente. Si estudiamos el cráneo y la cara por separado, se puede observar cómo puntos significativos en el cráneo no siempre se localizan justo encima de los correspondientes puntos significativos en la cara. De este modo, nunca se dará una superposición perfecta de todos los marcadores, incluso logrando la posición óptima del cráneo con respecto a la fotografía. Algunos estarán muy cerca, mientras que otros estarán separados por una pequeña pero significativa distancia. Nótese que no todos los marcadores contribuirán de igual manera a la incertidumbre del emparejamiento: cuanto mayor sea la distancia entre un punto cefalométrico y otro craneométrico, más importante será la aportación de ese par de puntos a la incertidumbre total del emparejamiento.
\vskip1.000000\baselineskip
La presente invención aborda el problema de la
incertidumbre en el proceso de la superposición craneofacial
considerando las dos fuentes de incertidumbre citadas:
- a)
- Por un lado, mediante el uso de marcadores difusos por los que la comunidad de antropólogos físicos ya ha mostrado su interés. En particular el experto forense puede localizar marcadores del tamaño que desee según a la variabilidad espacial que considere que pudiera tener cada punto de referencia en una imagen o modelo de cráneo concreto. La implementación de marcadores difusos en la presente invención tiene las siguientes características:
- -
- A cada punto de referencia difuso le corresponde un conjunto difuso bidimensional, cuyos límites vienen representados por los píxeles limítrofes al punto. Este conjunto difuso nos proporciona el grado de pertenencia de cada píxel del punto de referencia difuso según la función elegida (triangular, gaussiana, trapezoidal, etc.) y la localización del centroide (punto con mayor grado de pertenencia) realizada por el forense experto. Este grado de pertenencia se entiende como el nivel de posibilidad de que dicho píxel sea en realidad la localización exacta del marcador.
- -
- Mediante este método se computan las distancias entre cada par de puntos contenidos en los marcadores difusos en cuestión. Luego se calcula una distancia difusa final teniendo en cuenta el grado de pertenencia de cada punto.
- Los resultados de las superposiciones muestran que la aproximación difusa es capaz de modelar la incertidumbre involucrada en la localización de los marcadores, permitiendo el uso de marcadores del tamaño deseado por el experto forense. Esto posibilita que los forenses puedan localizar marcadores que no les sería posible posicionar mediante los sistemas vigentes, al no ser capaces de determinar su posición exacta con una confianza absoluta. El hecho de tener más marcadores mejora la calidad de las superposiciones realizadas por este método y, por lo tanto, el resultado final que el sistema proporcionará.
- b)
- Por otro lado, en esta invención también se aborda la incertidumbre en el emparejamiento. Su implementación en la presente invención tiene las siguientes características:
- -
- Según el conocimiento de expertos forenses, se definen unos conjuntos difusos que modelan la distancia real que puede existir entre cada punto craneométrico y su correspondiente cefalométrico. Por cada par de marcadores hay un conjunto difuso bidimensional que modela la distancia permitida entre éstos, es decir, la "tolerancia fisonómica" del emparejamiento. En particular, las distancias más probables según los antropólogos forenses se corresponden con los grados de confianza más elevados. Según difieren más esas distancias, menor será la confianza en ese emparejamiento.
- -
- El cálculo de la distancia difusa anteriormente comentada varía mediante la inclusión de la incertidumbre en el emparejamiento. El algoritmo de búsqueda ya no trata de minimizar la distancia entre pares de puntos sino que intenta ajustar las distancias entre pares de marcadores a aquéllas con mayor grado de confianza, según los conjuntos difusos que modelan la distancia real.
- Los resultados de las superposiciones muestran que la aproximación difusa es capaz de modelar la incertidumbre involucrada en el emparejamiento de los marcadores. Los sistemas vigentes tratan de minimizar la distancia absoluta entre cada par de marcadores. Por el contrario, en el funcionamiento de este sistema se incluye el conocimiento de los expertos forenses, los cuales han definido unos intervalos de confianza para cada distancia entre cada par de marcadores. Esto conlleva que el proceso de búsqueda no minimice distancias, sino que trate de que éstas sean lo más parecidas a las distancias reales que existen entre puntos craneométricos y cefalométricos. Dichas distancias son distintas para cada caso y para cada par de marcadores. La inclusión de este conocimiento experto en el subsistema de superposición craneofacial mejora mucho la calidad de las superposiciones y, por lo tanto, el resultado final que proporciona el sistema.
\vskip1.000000\baselineskip
Finalmente, en este subsistema se obtiene una
superposición craneofacial muy precisa que permite estudiar la
posible correspondencia cráneo-cara. Además, el
resultado del subsistema de proyección cráneo-cara
puede (si el experto forense así lo prefiere) usarse como punto de
partida para refinar manualmente y con ayuda del ordenador la
superposición obtenida automáticamente. La ventaja en este caso con
respecto al procedimiento habitual del forense es que se parte de
una superposición de gran calidad, con el consecuente ahorro de
tiempo.
\vskip1.000000\baselineskip
Este subsistema es el encargado de asistir al
antropólogo forense en la decisión final de la identificación a
partir del emparejamiento de los marcadores encontrado en la
superposición del subsistema previo.
Gracias al uso de la lógica difusa en el
subsistema de proyección cráneo-cara, tanto la
incertidumbre en la localización de los marcadores como la asociada
al emparejamiento de los mismos, se traslada a este subsistema. El
objetivo es poder dar una medida de confianza que sirva para evaluar
la superposición realizada.
Para ello, en este subsistema se diseña un
sistema de inferencia difuso con la colaboración de los expertos
forenses. Las entradas del mismo son los grados de certeza en la
localización de los marcadores y en el emparejamiento de cada par de
estos puntos. Se usan operadores de agregación difusos para
combinarlos y tomar la decisión final.
Mediante el mecanismo de inferencia difuso que
modela el conocimiento de los antropólogos forenses, el sistema
emite una recomendación al antropólogo forense del grado de
correspondencia entre el modelo del cráneo encontrado y la
fotografía de la cara de la persona desaparecida. Esta recomendación
puede ser una de las cinco siguientes: positiva, negativa, probable
positiva, probable negativa e incierta. Además, se proporciona el
valor de certeza asociado a la recomendación.
Las ventajas que aporta la inclusión de este
subsistema son muy importantes ya que, por un lado, ayuda al experto
forense a emitir un juicio final sobre la correspondencia entre
cráneo y cara y, por otro lado, también se puede utilizar de forma
autónoma, sin la necesidad de la supervisión de un experto. Además,
basándose en este último caso de funcionamiento, la presente
invención permite la comparación de un mismo cráneo contra un
repositorio de fotografías de personas desaparecidas, proporcionando
como salida la fotografía con la que existe un mayor grado de
correspondencia. En este caso, también se proporciona una
recomendación al experto (positiva, negativa, probable positiva,
probable negativa e incierta) y el valor de certeza asociado a la
recomendación.
\vskip1.000000\baselineskip
El objetivo de este subsistema es orientar el
cráneo hacia una pose próxima a la orientación de la cara en la
fotografía. De esta manera, se disminuye notablemente el espacio de
búsqueda al acotar los límites de las rotaciones permitidas por el
subsistema de superposición craneofacial en cada uno de los tres
ejes. Esta reducción del espacio de búsqueda conlleva una
disminución en el tiempo necesario para realizar la tarea de
proyección cráneo-cara a la vez que hace que los
resultados del sistema sean más robustos.
Para realizar esta orientación inicial del
cráneo se obtiene primero la posición de éste con respecto a la
cámara. Esto se logra calculando el vector ortogonal al plano
formado por tres marcadores craneales (puntos craneométricos)
seleccionados a priori. A partir de este vector, se calculan
(y aplican) los ángulos de las tres rotaciones necesarias para
situar al cráneo frente a la cámara. Si bien no es una operación
complicada, no hay trabajos en el estado de la técnica que realicen
este posicionamiento inicial del cráneo frente a la cámara, algo que
ayuda al proceso de superposición, haciéndolo más rápido y
robusto.
Además, dado que la pose de la persona en la
fotografía no tiene porque ser frontal a la cámara, se calcula la
pose (tres ángulos de rotación: roll, pitch y yaw) de ésta para
luego situar al cráneo en la misma pose, nuevamente mediante tres
rotaciones. Si bien hay métodos en el estado de la técnica para
calcular la pose inicial de la cara
[Murphy-Chutorian, E., Manubhai Trivedi, M. "Head
Pose Estimation in Computer Vision: a Survey", IEEE
Transactions on Pattern Analysis and Machine Intelligence vol.
31, no. 4, 2009], se diseño un método propio para esta invención,
dado que ninguno de éstos es válido para nuestro problema. Hay
enfoques de aprendizaje automático que tienen el inconveniente de
que necesitan un amplio número de fotos de caras (con los 3 ángulos
de la pose conocidos) para su entrenamiento. Además de no encontrar
ninguna base de imágenes etiquetadas con los 3 ángulos de la pose
(solo con dos), estos métodos no producen resultados satisfactorios
sobre las imágenes con las que se trata en la identificación
forense, si no que se utilizan imágenes en entornos (luminosidad,
oclusiones de la cara, resolución de las imágenes, etc.). Otros
trabajos, los que siguen un enfoque geométrico, no resultaron
válidos por diversas razones, unos porque requerían conocer datos de
la cámara, como la distancia focal, otros por limitarse a vistas
frontales, otros por utilizar imágenes en 2.5D, y otros por que se
enfocan hacia el tracking en vídeo.
El método utilizado para hallar la pose de la
cara en la fotografía utiliza por un lado los puntos cefalométricos
del eje vertical de la cara (el forense puede marcar hasta siete
distintos, se interpola sobre los puntos de los que se disponga),
para hallar dicho eje. Se utilizan dos de los puntos cefalométricos
a la altura de los ojos (de los cuatro posibles) a partir de los
cuales se traza un eje horizontal. Se sitúa la base de la nariz
sobre el eje vertical a partir de alguno de los puntos
cefalométricos en esta zona (hay tres, dos alares y un subnasal). A
continuación, se detecta la punta de la nariz a partir de una
"ventana" de píxeles, buscando en esta el punto de mayor
intensidad. Una vez calculado el eje y los puntos base de la nariz y
punta, ya se pueden calcular los tres ángulos que determinan la pose
de la cara. El "roll" se calcula aparte, midiendo directamente
la inclinación del eje horizontal de los ojos con respecto al eje
horizontal del plano imagen. Para el cálculo del "pitch" y
"yaw" se utilizan una serie de ecuaciones que establecen
relaciones geométricas en el plano de la cara y su representación en
3D.
Aunque como resultado de este subsistema la
precisión en la orientación del cráneo no es la deseada, se alcanza
una orientación muy cercana a la óptima, por lo que la optimización
de este parámetro en el subsistema de superposición estará
restringida a un espacio de búsqueda menor, con el consiguiente
ahorro de tiempo.
\vskip1.000000\baselineskip
El subsistema de refinamiento manual de la
superposición craneofacial es una herramienta de edición de imagen
3D/2D diseñada ad-hoc. El objetivo es dar al
usuario de la invención la posibilidad de refinar manualmente la
superposición obtenida de forma automática en la etapa anterior. En
principio, no siempre sería necesaria porque la aproximación
obtenida automáticamente es de una alta calidad. En caso de
emplearse, dicha aproximación automática siempre sería una
inicialización muy próxima al resultado final deseado por el experto
forense. Esta herramienta permite:
- (a)
- manipular el modelo 3D del cráneo partiendo de una posición inicial,
- (b)
- rotar, escalar y trasladar el modelo 3D del cráneo,
- (c)
- ajustar la transformación perspectiva del modelo 3D del cráneo, y
- (d)
- guardar la superposición craneofacial lograda y el correspondiente valor de los parámetros de la transformación.
\vskip1.000000\baselineskip
Al contrario que otras herramientas que pueden
utilizarse para manipular objetos tridimensionales u otras
orientadas al trabajo con imágenes bidimensionales, esta herramienta
integra el uso de modelos 3D y fotografías 2D. Para ello, permite
modificar la transformación perspectiva asociada a la superposición,
algo sin lo cual no se pueden conseguir superposiciones adecuadas.
Nótese que el presente subsistema añade valor a la invención al dar
la posibilidad de un procesamiento manual de la superposición
generada automáticamente.
Para complementar la descripción que
seguidamente se va a realizar y con objeto de ayudar a una mejor
comprensión de las características de la invención, se acompaña como
parte integrante de dicha descripción, un juego de figuras donde con
carácter ilustrativo y no limitativo, se ha representado lo
siguiente:
La Figura 1 representa un esquema general del
problema de registrado de imágenes. En dicho problema se parte de
una imagen 1 ("escena"), la cual se quiere poner en el mismo
eje de coordenadas que otra imagen 2 ("modelo"). Para ello, se
aplica 3 (transformación f) a la imagen escena y se evalúa si hay un
buen emparejamiento mediante 4 (métrica de similitud). Si en 5,
convergencia, el resultado es que sí (el método ha convergido) se
obtiene 6, f final. Si no es así, se trata de optimizar
iterativamente 7, nueva transformación f, hasta alcanzar un
emparejamiento válido mediante 8, optimizador.
La Figura 2 representa esquemáticamente las tres
etapas del proceso realizado por el sistema de identificación
forense por superposición craneofacial. Primeramente en 1 se
obtienen una foto y modelo del cráneo, localizando en ambos los
marcadores oportunos. Luego se realiza una proyección
cráneo-cara, 2. En base a la superposición obtenida
de este modo se decide (3) si cráneo y fotografía corresponden al
mismo individuo y con qué grado de certeza.
La Figura 3 representa esquemáticamente los
diferentes marcadores que normalmente se utilizan en la cara (puntos
cefalométricos) para la superposición craneofacial. Estos son: 1
Glabela, 2 Nasio, 3 Endocantio, 4 Ectocantio, 5 Subnasal, 6 Alar, 7
Labial superior, 8 Cigio, 9 Labial inferior, 10 Pogonio, 11 Gonio,
12 Gnatio, 13 Tragio, 14 Mentón.
La Figura 4 representa esquemáticamente los
diferentes marcadores que normalmente se utilizan en el cráneo
(puntos craneométricos) para la superposición craneofacial. Estos
son: 1 Vertex, 2 Glabela, 3 Nasio. 4 Frontotemporal, 5 Dacrio, 6
Frontomolar temporal, 7 Orbital, 8 Alar, 9 Cigio, 10 Nasoespinal, 11
Prostio, 12 Gonio, 13 Pogonio, 14 Gnatio, 15 Porio.
La Figura 5 representa un diagrama de flujo, de
una realización preferida del método proceso que realiza el sistema
de la presente invención distinguiendo diferentes etapas: A,
reconstrucción de un modelo tridimensional del cráneo; A.1,
obtención de imágenes de diferentes vistas del cráneo encontrado
mediante un escáner láser de rangos Konica-Minolta
VI-910, A.2, obtención de las líneas de cresta de
las diferentes vistas obtenidas en A.1; A.3, prealineamiento de las
imágenes obtenidas en A.2 mediante el algoritmo de optimización
Scatter Search; A.4, refinamiento del modelo 3D obtenido en A.3
mediante el algoritmo ICP; B, proyección cráneo-cara
del modelo 3D del cráneo y de la cara de la fotografía; B.1,
posicionamiento de los marcadores sobre el modelo de cráneo obtenido
en A.4 y la fotografía de la persona desaparecida; B.2,
reorientación del cráneo obtenido en A.4 a una pose próxima a la de
la cara en la fotografía; B.3, proyección
cráneo-cara mediante el algoritmo de optimización
Scatter Search para el emparejamiento de marcadores, usando
conjuntos difusos para el modelado de marcadores con incertidumbre;
B.4, refinamiento manual de la superposición obtenida en B.3; C,
ayuda a la toma de decisiones; C.1, propagación de la incertidumbre
obtenida en la etapa B.3 para cada emparejamiento y cálculo de una
incertidumbre global; C.2, cálculo de los grados de los
emparejamientos parciales de los marcadores; C.3, emisión de una
recomendación tras la aplicación de un operador de agregación
difusa.
\vskip1.000000\baselineskip
En la Figura 5 se muestra un diagrama de flujo
de una realización preferida del proceso realizado por el sistema de
la presente invención. Se distinguen las siguientes características
específicas:
- 1.
- en la etapa de obtención de imágenes de diferentes vistas del cráneo, A.1, el dispositivo de adquisición es un escáner láser de rangos Konica-Minolta VI-910. No se usa una mesa rotatoria para dicha adquisición,
- 2.
- como proceso de extracción de características de las diferentes vistas adquiridas, etapa A.2, se utiliza la extracción de líneas de cresta,
- 3.
- para llevar a cabo el prealineamiento de imágenes, etapa A.3, se sigue una metodología en la que se integran todas las vistas del modelo 3D al mismo tiempo, minimizando así el error,
- 4.
- la fase de refinamiento A.4, coge como entrada el modelo 3D resultante de la etapa anterior y realiza un refinamiento del emparejamiento de las vistas, mediante un algoritmo determinista basado en gradientes, ICP,
- 5.
- en la etapa B.1, se utilizaron elipses para localizar los puntos cefalométricos y puntos de un píxel para posicionar los craneométricos.
- 6.
- en la etapa B.2, se parte de los marcadores localizados en la etapa anterior para acometer el posicionamiento del cráneo. Concretamente, para situar el cráneo frontal a la cámara, se utilizaron los dos dacryons y el nasoespinale y, para obtener la pose de la cara en la fotografía, se utilizaron los dos ectocanthions para obtener el eje horizontal, el gnatio y la glabella para el eje vertical y el subnasal para obtener la punta de la nariz,
- 7.
- para llevar a cabo la proyección cráneo-cara, etapa B.3, se realiza la correspondencia entre el modelo 3D del cráneo y la fotografía de la cara mediante conjuntos de transformaciones de similitud y proyecciones perspectivas. Estas transformaciones consisten en lo siguiente:
- \bullet
- Rotación R. Transformación que busca situar al cráneo en la misma pose que la fotografía. Para definir la rotación necesitamos: la dirección del eje de rotación (dx, dy, dz), la localización del eje de rotación con respecto al centro de coordenadas (rx, ry, rz) y el ángulo \theta.
- \bullet
- Escalado S. Transformación que busca adaptar uniformemente el tamaño del modelo del cráneo en base al tamaño de la persona desaparecida en la fotografía.
- \bullet
- Traslación T. Transformación (tx, ty, tz) que busca situar el origen de coordenadas enfrente de la cámara (reproduciendo las condiciones iniciales del momento en el que se realizó la fotografía).
- \bullet
- Proyección perspectiva P. Transformación que trata de determinar lo lejos que está la cámara del cráneo y tiene una fuerte relación con el ángulo de visión (\Phi) de la cámara.
Todas estas transformaciones dan lugar a un
sistema de ecuaciones con doce incógnitas (rx, ry, rz, dx, dy, dz,
\theta, S, tx, ty, tz, \Phi) que representan la transformación
geométrica que empareja cada marcador del modelo 3D del cráneo en su
correspondiente marcador facial en la fotografía.
El sistema de ecuaciones resultante es el
siguiente:
donde:
Como método de optimización se utiliza el
algoritmo Scatter Search, que busca los valores para las doce
incógnitas del sistema de ecuaciones antes descrito, de manera que
la transformación resultante haga mínima la función objetivo (o
función de error).
La función objetivo (o función de error) es la
media de la suma de las distancias entre cada par de marcadores a
emparejar (cada marcador del cráneo, punto craneométrico, tiene que
emparejarse con un marcador de la cara, punto cefalométrico). La
distancia considerada es una distancia "difusa" que tiene en
cuenta la incertidumbre relativa a cada marcador (a mayor tamaño de
la elipse que representa el marcador mayor incertidumbre).
Es muy importante destacar el tiempo necesario
para realizar esta tarea por parte de la invención, que en el peor
de los casos nunca supera los cinco minutos en un PC convencional.
Comparando este tiempo con las 24 horas que puede llegar a tardar un
antropólogo forense en hacer una superposición manual asistida por
el ordenador, la mejora es muy significativa, más aún teniendo en
cuenta que en muchos casos será necesario realizar la superposición
de un mismo cráneo sobre las diferentes fotografías disponibles.
Por último, en base a la distancia existente
(difusa) entre cada par de marcadores
(craneométrico-cefalométrico) y su distancia teórica
(difusa), se calcula un grado de incertidumbre global asociado a la
superposición. Teniendo en cuenta esta incertidumbre y haciendo uso
de un operador de agregación difuso, el sistema emite una
recomendación sobre la correspondencia
cráneo-fotografía dentro de las siguientes cinco
posibilidades: positiva, negativa, probable positiva, probable
negativa e incierta.
Claims (15)
1. Sistema de identificación forense que realiza
un proceso de superposición craneofacial de un cráneo y una
fotografía en la que se incluye la cara de un individuo,
caracterizado por:
- (a)
- un subsistema de modelado 3D de cráneos, que proporciona un modelo 3D del cráneo a partir de vistas parciales del mismo mediante un algoritmo de optimización y búsqueda
- (b)
- un subsistema de proyección cráneo-cara, que empareja el modelo 3D del cráneo con la cara de la fotografía mediante un algoritmo de optimización y búsqueda
- (c)
- un subsistema de ayuda a la toma de decisiones, que emite una valoración sobre la relación de correspondencia entre el cráneo y la cara emparejados
- (d)
- un subsistema de posicionamiento inicial del modelo 3D del cráneo, que hace una primera estimación de la mejor posición del modelo del cráneo en la fotografía
- (e)
- un subsistema de refinamiento manual de la superposición craneofacial que modifica, según las preferencias del usuario, el emparejamiento cráneo-cara llevado a cabo por el sistema.
\vskip1.000000\baselineskip
2. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque el subsistema de modelado 3D de cráneos
usa un dispositivo óptico que proporciona varias vistas parciales
del cráneo y que comprende las siguientes fases:
- (a)
- adquisición de las diferentes vistas parciales del cráneo, donde cada vista es una imagen parcial de la superficie del cráneo,
- (b)
- síntesis de la información de cada vista parcial del cráneo mediante la extracción de características de la imagen invariantes a la transformación que relaciona cada par de vistas adyacentes,
- (c)
- prealineamiento de las diferentes imágenes obtenidas mediante un algoritmo de optimización,
- (d)
- refinamiento del modelo 3D obtenido en la etapa anterior mediante un algoritmo de búsqueda local.
\vskip1.000000\baselineskip
3. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque el subsistema de proyección
cráneo-cara comprende las siguientes fases:
- (a)
- codificación de la transformación proyectiva 3D-2D,
- (b)
- establecimiento de los intervalos de posibles valores para cada una de las incógnitas de la transformación proyectiva elegida,
- (c)
- búsqueda de la transformación 3D-2D (combinación de valores para las incógnitas) que conlleve una adecuada superposición, mediante un algoritmo de optimización y búsqueda.
\vskip1.000000\baselineskip
4. Sistema de identificación forense mediante
superposición craneofacial según reivindicaciones 1 y 3,
caracterizado porque se logra la superposición en la etapa
(c) de la reivindicación 3, minimizando una de las siguientes
funciones:
- (a)
- la media de la suma de las distancias Euclídeas entre pares de puntos de referencia cefalométricos y sus correspondientes craneométricos una vez transformados a 2D, si no se tiene en cuenta la incertidumbre,
- (b)
- las distancias difusas entre pares de puntos de referencia cefalométricos y sus correspondientes craneométricos una vez transformados a 2D, si sólo se tiene en cuenta la incertidumbre en la localización de los marcadores,
- (c)
- la diferencia entre las distancias fisonómicas aproximadas entre pares de puntos craneométricos-cefalométricos y las distancias entre pares de puntos cefalométricos y sus correspondientes craneométricos una vez transformados a 2D, si se tiene en cuenta la incertidumbre en la localización y emparejamiento de los marcadores.
\newpage
5. Sistema de identificación forense mediante
superposición craneofacial según reivindicaciones 1 y 3,
caracterizado porque el subsistema de proyección
cráneo-cara muestra gráficamente el resultado de la
superposición del modelo 3D del cráneo proyectado sobre la
fotografía objetivo.
6. Sistema de identificación forense mediante
superposición craneofacial según reivindicaciones 1 y 3,
caracterizado porque el subsistema de proyección
cráneo-cara presenta una interfaz que interactúa con
el usuario para que éste pueda ajustar los parámetros que
intervienen en el proceso de superposición para la obtención de
superposiciones diferentes a las propuestas por dicho sistema.
7. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque el subsistema de ayuda a la toma de
decisiones comprende las siguientes etapas:
- (a)
- propagación de la incertidumbre obtenida en el subsistema de proyección cráneo-cara,
- (b)
- análisis del emparejamiento de la superposición obtenida en el subsistema de proyección cráneo-cara,
- (c)
- emisión de una recomendación.
\vskip1.000000\baselineskip
8. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque en la etapa de propagación de la
incertidumbre del subsistema de ayuda a la toma de decisiones, se
propaga la incertidumbre relativa a la localización imprecisa de los
puntos craneométricos y cefalométricos.
9. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque en la etapa de propagación de la
incertidumbre del subsistema de ayuda a la toma de decisiones, se
propaga la incertidumbre relativa al emparejamiento impreciso entre
pares de puntos cefalométricos y craneométricos.
10. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque en la etapa de análisis del
emparejamiento de la superposición obtenida del subsistema de ayuda
a la toma de decisiones, se utiliza un sistema difuso que modela el
conocimiento experto de los antropólogos forenses.
11. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque en la etapa de emisión de una
recomendación del subsistema de ayuda a la toma de decisiones, se
emite una de las siguientes recomendaciones sobre la superposición
craneofacial (correspondencia de fotografía de la
cara-modelo 3D del cráneo) obtenida: identificación
positiva, negativa, probable positiva, probable negativa o incierta,
y se proporciona un grado de confianza asociado.
12. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque el subsistema de posicionamiento inicial
del modelo 3D del cráneo comprende las siguientes fases:
- (a)
- obtención de la posición del modelo 3D del cráneo respecto a la cámara mediante tres ángulos de Euler,
- (b)
- aplicación de los tres ángulos de Euler calculados en (a) para el posicionamiento del cráneo en una posición frontal a la cámara,
- (c)
- obtención de la orientación de la cara en la fotografía mediante tres ángulos de Euler,
- (d)
- aplicación de los tres ángulos de Euler calculados en (c) para el posicionamiento del cráneo en la misma pose que la estimada para la cara en la fotografía.
\vskip1.000000\baselineskip
13. Sistema de identificación forense mediante
superposición craneofacial según reivindicaciones 1 y 12,
caracterizado porque la obtención de la posición del modelo
3D del cráneo respecto a la cámara comprende las siguientes
fases:
- (a)
- cálculo del plano facial del modelo 3D del cráneo a partir de los puntos craneométricos frontales,
- (b)
- cálculo del vector normal al plano facial,
- (c)
- cálculo de las rotaciones necesarias para que el vector normal al plano facial esté orientado hacia el eje de la cámara.
\vskip1.000000\baselineskip
14. Sistema de identificación forense mediante
superposición craneofacial según reivindicaciones 1 y 12,
caracterizado porque la obtención de la orientación de la
cara en la fotografía comprende las siguientes fases:
- (a)
- cálculo del eje vertical central de la cara y del eje horizontal que pasa por el centro de los ojos,
- (b)
- cálculo de la base y la punta de la nariz,
- (c)
- cálculo de los tres ángulos de Euler que definen la orientación de la cara en la fotografía a partir de los puntos y ejes calculados en (a) y (b) además de las ecuaciones que definen las relaciones geométricas de una cara.
\vskip1.000000\baselineskip
15. Sistema de identificación forense mediante
superposición craneofacial según reivindicación 1,
caracterizado porque el subsistema de refinamiento manual de
la superposición craneofacial es una herramienta de edición de
imágenes 3D/2D que permite:
- (a)
- manipular el modelo 3D del cráneo partiendo de una posición inicial dada por el subsistema de proyección cráneo-cara de la reivindicación 1,
- (b)
- rotar, escalar y trasladar el modelo 3D del cráneo,
- (c)
- ajustar la transformación perspectiva del modelo 3D del cráneo,
- (d)
- modificar los parámetros intrínsecos y extrínsecos de la cámara,
- (e)
- guardar la superposición craneofacial lograda y el correspondiente valor de los parámetros de la transformación.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES200901732A ES2353099B1 (es) | 2009-07-30 | 2009-07-30 | Método y sistema de identificación forense por superposición craneofacial basado en soft computing. |
MX2012000942A MX2012000942A (es) | 2009-07-30 | 2010-07-30 | Sistema de identificacion forense por superposicion craneofacial basado en soft computing. |
EP10803938.9A EP2461271A4 (en) | 2009-07-30 | 2010-07-30 | COURT MEDICAL IDENTIFICATION SYSTEM WITH A CRANO-FACTORY OVERLAPPING BASED ON A SOFT CALCULATION |
US13/387,321 US20120182294A1 (en) | 2009-07-30 | 2010-07-30 | Forensic identification system using craniofacial superimposition based on soft computing |
PCT/ES2010/000350 WO2011012747A2 (es) | 2009-07-30 | 2010-07-30 | Sistema de identificación forense por superposición craneofacial basado en soft computing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES200901732A ES2353099B1 (es) | 2009-07-30 | 2009-07-30 | Método y sistema de identificación forense por superposición craneofacial basado en soft computing. |
Publications (2)
Publication Number | Publication Date |
---|---|
ES2353099A1 true ES2353099A1 (es) | 2011-02-25 |
ES2353099B1 ES2353099B1 (es) | 2012-01-02 |
Family
ID=43529762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES200901732A Expired - Fee Related ES2353099B1 (es) | 2009-07-30 | 2009-07-30 | Método y sistema de identificación forense por superposición craneofacial basado en soft computing. |
Country Status (5)
Country | Link |
---|---|
US (1) | US20120182294A1 (es) |
EP (1) | EP2461271A4 (es) |
ES (1) | ES2353099B1 (es) |
MX (1) | MX2012000942A (es) |
WO (1) | WO2011012747A2 (es) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9477878B2 (en) * | 2014-01-28 | 2016-10-25 | Disney Enterprises, Inc. | Rigid stabilization of facial expressions |
US10007988B2 (en) | 2014-02-28 | 2018-06-26 | The Board Of Regents Of The Nevada System Of Higher Education On Behalf Of The University Of Nevada, Las Vegas | Systems and methods for approximating the soft tissue profile of the skull of an unknown subject |
US10334227B2 (en) | 2014-03-28 | 2019-06-25 | Intuitive Surgical Operations, Inc. | Quantitative three-dimensional imaging of surgical scenes from multiport perspectives |
CN110251047B (zh) | 2014-03-28 | 2022-01-18 | 直观外科手术操作公司 | 手术植入物的定量三维成像和打印 |
JP2017518147A (ja) | 2014-03-28 | 2017-07-06 | インテュイティブ サージカル オペレーションズ, インコーポレイテッド | 手術シーンの定量的三次元撮像 |
WO2015149044A1 (en) | 2014-03-28 | 2015-10-01 | Dorin Panescu | Surgical system with haptic feedback based upon quantitative three-dimensional imaging |
WO2015149042A1 (en) * | 2014-03-28 | 2015-10-01 | Dorin Panescu | Alignment of q3d models with 3d images |
US11266465B2 (en) | 2014-03-28 | 2022-03-08 | Intuitive Surgical Operations, Inc. | Quantitative three-dimensional visualization of instruments in a field of view |
US9727776B2 (en) * | 2014-05-27 | 2017-08-08 | Microsoft Technology Licensing, Llc | Object orientation estimation |
US9402070B2 (en) * | 2014-06-12 | 2016-07-26 | Faro Technologies, Inc. | Coordinate measuring device with a six degree-of-freedom handheld probe and integrated camera for augmented reality |
US10021379B2 (en) | 2014-06-12 | 2018-07-10 | Faro Technologies, Inc. | Six degree-of-freedom triangulation scanner and camera for augmented reality |
US10176625B2 (en) | 2014-09-25 | 2019-01-08 | Faro Technologies, Inc. | Augmented reality camera for use with 3D metrology equipment in forming 3D images from 2D camera images |
KR102288280B1 (ko) | 2014-11-05 | 2021-08-10 | 삼성전자주식회사 | 영상 학습 모델을 이용한 영상 생성 방법 및 장치 |
US9506744B2 (en) | 2014-12-16 | 2016-11-29 | Faro Technologies, Inc. | Triangulation scanner and camera for augmented reality |
US11880980B2 (en) * | 2016-06-17 | 2024-01-23 | Children's National Medical Center | Medical anatomy quantification: computer-aided diagnosis tool |
CN110214341A (zh) * | 2016-12-06 | 2019-09-06 | 新加坡国立大学 | 重建颅骨的方法 |
CN109146845A (zh) * | 2018-07-16 | 2019-01-04 | 中南大学 | 基于卷积神经网络的头颅影像标志点检测方法 |
IT201800011117A1 (it) * | 2018-12-14 | 2020-06-14 | Marco Farronato | Sistema e metodo per la visualizzazione di un sito anatomico in realta' aumentata |
ES2769962A1 (es) * | 2018-12-29 | 2020-06-29 | Univ Granada | Procedimiento de identificacion de imagenes oseas |
US20220215625A1 (en) * | 2019-04-02 | 2022-07-07 | The Methodist Hospital System | Image-based methods for estimating a patient-specific reference bone model for a patient with a craniomaxillofacial defect and related systems |
CN110264562B (zh) * | 2019-05-23 | 2023-06-27 | 沈阳医学院 | 颅骨模型特征点自动标定方法 |
ES2932181A1 (es) * | 2021-07-02 | 2023-01-16 | Panacea Cooperative Res S Coop | Procedimiento de identificación forense mediante comparación automática de modelo 3D del cráneo y fotografía(s) de la cara |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020176612A1 (en) * | 2001-05-25 | 2002-11-28 | Tuncay Orhan C. | System and method of digitally modelling craniofacial features for the purposes of diagnosis and treatment predictions |
US20060104489A1 (en) * | 2004-08-23 | 2006-05-18 | Bailey Kenneth S | Minutia detection from measurement of a human skull and identifying and profiling individuals from the human skull detection |
US20070080967A1 (en) * | 2005-10-11 | 2007-04-12 | Animetrics Inc. | Generation of normalized 2D imagery and ID systems via 2D to 3D lifting of multifeatured objects |
US20070237365A1 (en) * | 2006-04-07 | 2007-10-11 | Monro Donald M | Biometric identification |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7717708B2 (en) * | 2001-04-13 | 2010-05-18 | Orametrix, Inc. | Method and system for integrated orthodontic treatment planning using unified workstation |
US7421097B2 (en) | 2003-05-27 | 2008-09-02 | Honeywell International Inc. | Face identification verification using 3 dimensional modeling |
-
2009
- 2009-07-30 ES ES200901732A patent/ES2353099B1/es not_active Expired - Fee Related
-
2010
- 2010-07-30 MX MX2012000942A patent/MX2012000942A/es active IP Right Grant
- 2010-07-30 WO PCT/ES2010/000350 patent/WO2011012747A2/es active Application Filing
- 2010-07-30 EP EP10803938.9A patent/EP2461271A4/en not_active Withdrawn
- 2010-07-30 US US13/387,321 patent/US20120182294A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020176612A1 (en) * | 2001-05-25 | 2002-11-28 | Tuncay Orhan C. | System and method of digitally modelling craniofacial features for the purposes of diagnosis and treatment predictions |
US20060104489A1 (en) * | 2004-08-23 | 2006-05-18 | Bailey Kenneth S | Minutia detection from measurement of a human skull and identifying and profiling individuals from the human skull detection |
US20070080967A1 (en) * | 2005-10-11 | 2007-04-12 | Animetrics Inc. | Generation of normalized 2D imagery and ID systems via 2D to 3D lifting of multifeatured objects |
US20070237365A1 (en) * | 2006-04-07 | 2007-10-11 | Monro Donald M | Biometric identification |
Also Published As
Publication number | Publication date |
---|---|
US20120182294A1 (en) | 2012-07-19 |
MX2012000942A (es) | 2012-06-13 |
EP2461271A4 (en) | 2014-04-09 |
EP2461271A2 (en) | 2012-06-06 |
WO2011012747A3 (es) | 2011-07-14 |
WO2011012747A2 (es) | 2011-02-03 |
ES2353099B1 (es) | 2012-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2353099B1 (es) | Método y sistema de identificación forense por superposición craneofacial basado en soft computing. | |
US11704876B2 (en) | Mobile device for viewing of dental treatment outcomes | |
US11576645B2 (en) | Systems and methods for scanning a patient in an imaging system | |
US9510914B2 (en) | System and methods for intraoperative guidance feedback | |
US11576578B2 (en) | Systems and methods for scanning a patient in an imaging system | |
US11918424B2 (en) | System and method for improved electronic assisted medical procedures | |
Raudies et al. | Modeling boundary vector cell firing given optic flow as a cue | |
ES2769636T3 (es) | Recostura automática de superficies en 3-D | |
Hein et al. | Towards markerless surgical tool and hand pose estimation | |
WO2023047355A1 (en) | Surgical planning and display | |
US11633235B2 (en) | Hybrid hardware and computer vision-based tracking system and method | |
CN111445575A (zh) | 威利斯环的图像重建方法、装置、电子设备、存储介质 | |
EP2009613A1 (en) | System for simultaing a manual interventional operation | |
Stephan et al. | Scientific estimation of the subject-to-camera distance from facial photographs for craniofacial superimposition | |
Li et al. | ImTooth: Neural Implicit Tooth for Dental Augmented Reality | |
US11430203B2 (en) | Computer-implemented method for registering low dimensional images with a high dimensional image, a method for training an aritificial neural network useful in finding landmarks in low dimensional images, a computer program and a system for registering low dimensional images with a high dimensional image | |
US20240161317A1 (en) | Enhancing dental video to ct model registration and augmented reality aided dental treatment | |
KR20230130926A (ko) | 안면 비대칭성 분석 시스템 및 그 방법 | |
CN116322485A (zh) | 用于工具跟踪的方法和系统 | |
Campomanes Álvarez | Automation of the assessment of craniofacial superimposition using soft computing and computer vision | |
Jin et al. | Active illumination based 3D surface reconstruction and registration for image guided medialization laryngoplasty | |
Panizo et al. | Forensic identification by craniofacial superimposition using soft computing | |
Ibáñez Panizo | Forensic identification by craniofacial superimposition using soft computing | |
Alkhalifah | Optimizing graphics for understanding real-scene using 3D image registration and tracking and mapping |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG2A | Definitive protection |
Ref document number: 2353099 Country of ref document: ES Kind code of ref document: B1 Effective date: 20120102 |
|
FD2A | Announcement of lapse in spain |
Effective date: 20180924 |