[發明專利]一種顱骨面貌復原模型構建方法及復原方法與系統

有效

• 申請號: 202011059722.6
• 申請日: 2020-09-30
• 公開（公告）號: CN112288645B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 劉曉寧;林芃樾;夏思媛;江雨;蔣藝;楊穩;耿國華
• 申請（專利權）人: 西北大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/13;G06T17/00;G06N3/0464;G06N3/08
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 史玫

本發明公開了顱骨面貌復原模型構建方法及復原方法。模型構建方法包括構建樣本數據集，所述樣本訓練集包括多個顱骨樣本和各顱骨樣本的面皮樣本，所述多個顱骨樣本和其面皮經過坐標歸一化和尺度歸一化處理；所述顱骨樣本和面皮樣本為二維數據；利用樣本訓練集對初始生成對抗網絡進行訓練，所述初始生成對抗網絡包括生成器和判別器，所述生成器為改進的U?Net網絡，所述判別器為PatchGAN網絡。所公開的復原方法是利用構建的模型對未知顱骨進行面貌復原。本發明操作方便，克服了傳統方法對顱面非線性形變表示不足的缺點；克服了傳統方法依賴模板選擇的缺點；克服了現有方法對面皮紋理，形狀表示不足的缺點。

技術領域

本發明屬于三維重建領域，涉及一種利用生成對抗網絡進行顱骨面貌復原的方法。主要用于刑偵、考古、法醫人類學等領域。

背景技術

在生物特征識別領域內，通過顱骨進行面貌復原是該領域的重要研究內容。面貌復原在法醫人類學、刑偵及識別未知顱骨等領域內都有一定的應用，為以后的相關研究提供了重要依據。

早期對顱骨面貌形態間本質關系的表達與描述都是依賴人類學專家對顱面形態的主觀理解，并沒有確切的定義，因而早期顱面復原是依賴專家的手工復原，可重復性和一致性較差。因此通過計算機新技術復原面貌、研究顱骨面貌形態間的內在本質關系成為法醫人類學、考古、刑偵等相關領域的研究熱點。

目前現有的顱面復原方法，主要有知識分析模型法和統計學習模型法兩種。知識分析模型法主要是根據人類顱骨面貌生長規則，指導生成個體表皮，即對一目標顱骨復原時根據目標顱骨的屬性選擇合適的預先統計的面部軟組織厚度來復原面貌；或者在顱面數據庫中選擇一個或多個目標顱骨屬性類似的顱骨面貌樣本，并獲取所選樣本的面部軟組織厚度分布規律，以此知道目標面貌復原。統計學習模型法通常是首先確定利用什么樣的特征數據建立統計模型，對結構一致的路面特征數據進行統計模型的建模，最后將統計模型匹配到目標顱骨的特征數據進行面部復原。綜上，知識分析模型方法缺乏足夠的顯式知識，很難有效地表示顱面形態變化的復雜性和多樣性；統計學習的模型表示能力不足，建模的方法都采用PCA、PLSR等線性方法，不足以表示顱面非線性的形變。

發明內容

針對現有技術缺陷或不足，本發明一方面提供了一種顱骨面貌復原模型構建方法。

為此，本發明所提供的顱骨面貌復原模型構建方法包括：

構建樣本數據集，所述樣本訓練集包括多個顱骨樣本和各顱骨樣本的面皮樣本，所述多個顱骨樣本和其面皮經過坐標歸一化和尺度歸一化處理；所述顱骨樣本和面皮樣本為二維數據；

利用樣本訓練集對初始生成對抗網絡進行訓練，所述初始生成對抗網絡包括生成器和判別器，所述生成器為改進的U-Net網絡，所述判別器為PatchGAN網絡；所述的改進的U-Net網絡包括輸入層、卷積層、下采樣層、跳躍連接層、反卷積層、調整層、上采樣、基于注意力學習的特征連接層和輸出層；

所述生成對抗網絡的總損失函數為：

L_C(G)＝E||y-G(x)||_ROI?????(4)

L_F(G)＝||P_D3-P_D2||?????(5)