專利名稱：基于子空間分析的顱骨性別鑒定方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機應(yīng)用技術(shù)領(lǐng)域，特別涉及ー種利用子空間特征進行顱骨性別分類的方法。主要用于刑偵、考古、法醫(yī)人類學等領(lǐng)域。
背景技術(shù)：
根據(jù)人體骨骼形態(tài)進行性別鑒定是法醫(yī)人類學中最基本的研究內(nèi)容之一。顱骨是由硬組織構(gòu)成，相對其它骨骼來說不易被破壞，在死后也能夠較完整地留存下來。在很多情況下，刑偵現(xiàn)場僅留存受害人的顱骨，沒有其它身源線索，這使得DNA、顱像重合等經(jīng)典檢驗技術(shù)無用武之地，僅能依靠顱骨進行尸源鑒定，而鑒定性別是其中的首要步驟。與其它靈長類動物特別是猩猩和狒狒相比，人類顱骨所體現(xiàn)的性別差異非常小，而且會受到遺傳、環(huán)境、營養(yǎng)狀況和行為活動的影響，這些都増加了顱骨性別鑒定的難度。根據(jù)顱骨鑒定性別已經(jīng)成為國際上信息學、人類學、法醫(yī)學等相關(guān)領(lǐng)域的研究熱點。 目前已有的方法分為兩類形態(tài)判別法和測量判別法。形態(tài)判別法主要是由人類學專家按照其對顱骨形態(tài)特征性別差異的理解進行鑒定，比如男性眉弓與鼻骨較明顯，下頜骨及額骨較方，女性額結(jié)節(jié)較男性突出等等。形態(tài)判別法嚴重地依賴專家對形態(tài)特征理解的主觀性，不同專家的理解有一定的差異。測量判別法通常在顱骨的X光照片或者顱骨的石膏像上手工標定ー些測量點，利用測量點建立ー些幾何變量，根據(jù)這些幾何變量，通過對ー些樣本的統(tǒng)計構(gòu)造判別函數(shù)。較之形態(tài)判別法，測量判別法對專家知識的要求相對較低，但是對幾何量的測量精度要求很高，對于如此復雜的生物體而言，實現(xiàn)精確的測量非常困難。已有文獻表明，對大部分特征而言，不同觀察者之間的測量誤差達到10%以上。此夕卜，在成年以后，隨著年齡的增長，顱骨的形態(tài)基本不會發(fā)生變化，但大小會發(fā)生改變。這些都增加了測量判別的難度。通過對顱骨的數(shù)字化，測量判別法可以由計算機輔助實現(xiàn)。Fordisc是美國人Jantz和Ousley于1993年開發(fā)的計算機輔助的骨骼分析軟件，目前已升級到第三版。該軟件通過人機交互的方式測量骨骼的一些幾何量，采用美國刑偵數(shù)據(jù)庫中的顱骨數(shù)據(jù)建立了性別判別函數(shù)。但是在計算機上要實現(xiàn)精確的特征測量也并非易事。此夕卜，目前的方法對顱骨測試樣本集的正確鑒定率不高，基本不超過90%。

發(fā)明內(nèi)容
本發(fā)明的目的就是克服現(xiàn)有技術(shù)中的不足，提供一種自動化程度高、適用范圍廣、正確率較高的基于子空間分析的顱骨性別鑒定方法。為實現(xiàn)上述目的，本發(fā)明的技術(shù)解決方案是利用子空間分析技術(shù)將高維的顱骨數(shù)據(jù)投影到低維的子空間，提取子空間特征，在低維的子空間設(shè)計分類器。本發(fā)明所述的方法的主要步驟包括I)分類訓練I. I)數(shù)據(jù)規(guī)格化對訓練樣本集中的顱骨數(shù)據(jù)進行非剛性數(shù)據(jù)配準，將顱骨數(shù)據(jù)的姿態(tài)和大小規(guī)格化，最后將每個顱骨數(shù)據(jù)按點的坐標排列為ー個高維的原始特征向量；
I. 2)子空間分析對規(guī)格化的訓練樣本數(shù)據(jù)集進行子空間分析，得到子空間投影矩陣；I. 3)分類器設(shè)計將訓練樣本從高維原始特征空間投影到低維子空間，在低維子空間設(shè)計分類器；2)性別鑒定2. I)數(shù)據(jù)規(guī)格化將未知顱骨與訓練樣本集中的顱骨數(shù)據(jù)進行非剛性數(shù)據(jù)配準，將其姿態(tài)和大小規(guī)格化，并按點的坐標排列為ー個高維原始特征向量；2. 2)子空間特征提取利用步驟I. 2)中的子空間投影矩陣將未知顱骨的規(guī)格化數(shù)據(jù)投影到低維子空間；2. 3)性別分類利用步驟I. 3)中的分類器進行性別鑒定。
優(yōu)選地，步驟I. I)中所述顱骨數(shù)據(jù)是ニ維的X光照片數(shù)據(jù)或三維網(wǎng)格數(shù)據(jù)。優(yōu)選地，步驟I. 2)中所述子空間分析采用獨立成份分析ICA、主成份分析PCA中的ー種。優(yōu)選地，步驟I. 3)中所述的分類器設(shè)計采用Fisher線性判別分析方法。本發(fā)明基于子空間分析的顱骨性別鑒定方法，將高維的顱骨數(shù)據(jù)降維到低維子空間，在低維子空間進行性別分類。本方法的特點在于對顱骨進行了大小的歸ー化，去除了顱骨大小的影響，利用的是顱骨的形態(tài)信息；無需繁瑣的手工測量，無需專家知識，自動化程度高，正確率較高，達到94%以上。


圖I為本發(fā)明基于子空間分析的顱骨性別鑒定方法的流程圖。
具體實施例方式為了更清楚地介紹本發(fā)明的技術(shù)方案，下面結(jié)合附圖對本發(fā)明作進ー步詳細的說明。如圖I所示，本發(fā)明所述基于子空間分析的顱骨性別鑒定方法的主要步驟包括I)分類訓練I. I)數(shù)據(jù)規(guī)格化對訓練樣本集中的顱骨數(shù)據(jù)進行非剛性數(shù)據(jù)配準，將顱骨數(shù)據(jù)的姿態(tài)和大小規(guī)格化，最后將每個顱骨數(shù)據(jù)按點的坐標排列為ー個高維的原始特征向量；I. 2)子空間分析對規(guī)格化的訓練樣本數(shù)據(jù)集進行子空間分析，得到子空間投影矩陣；I. 3)分類器設(shè)計將訓練樣本從高維原始特征空間投影到低維子空間，在低維子空間設(shè)計分類器；2)性別鑒定2. I)數(shù)據(jù)規(guī)格化將未知顱骨與訓練樣本集中的顱骨數(shù)據(jù)進行非剛性數(shù)據(jù)配準，將其姿態(tài)和大小規(guī)格化，并按點的坐標排列為ー個高維原始特征向量；2. 2)子空間特征提取利用步驟I. 2)中的子空間投影矩陣將未知顱骨的規(guī)格化數(shù)據(jù)投影到低維子空間；2. 3)性別分類利用步驟I. 3)中的分類器進行性別鑒定。
本發(fā)明中的所述的顱骨數(shù)據(jù)為ニ維的X光照片數(shù)據(jù)或三維網(wǎng)格數(shù)據(jù)，兩者處理的不同之處僅在于步驟1.1)數(shù)據(jù)規(guī)格化中的非剛性數(shù)據(jù)配準，但無論是ニ維的X光照片數(shù)據(jù)還是三維網(wǎng)格數(shù)據(jù)的非剛性數(shù)據(jù)配準都是研究較多的問題，都能夠采用相應(yīng)的經(jīng)典方法。下面針對所述的顱骨數(shù)據(jù)為三維網(wǎng)格數(shù)據(jù)進行描述。所采用的三維顱骨數(shù)據(jù)是通過對頭部CT影像數(shù)據(jù)進行顱骨和面皮的分割，并采用Marching Cubes方法重構(gòu)得到的三維網(wǎng)格數(shù)據(jù)，每個三維網(wǎng)格數(shù)據(jù)包含大約150，000個頂點和300，000個三角面片。假定有n個訓練樣本，以下為具體的實施步驟步驟I)分類訓練，包含如下分步驟步驟I. 1)，數(shù)據(jù)規(guī)格化把訓練樣本集中的顱骨的三維網(wǎng)格數(shù)據(jù)統(tǒng)一到法蘭克福坐標系，將每個樣本左、右耳孔中心點的距離作為該樣本的距離度量単位，即對樣本上所有點的坐標進行尺度歸ー化。選擇ー個參考顱骨，對訓練樣本集中的顱骨數(shù)據(jù)進行三維非剛性數(shù)據(jù)配準，得到頂點個數(shù)相同、語義相同、連接關(guān)系一致的網(wǎng)格模型。三維非剛性數(shù)據(jù)配準是ー個較成熟的技術(shù)，有大量的方法供選用，這里以一種迭代的TPS (Thin PlateSpline)配準方法為例，其步驟為 ①在參考盧頁骨S。上隨機選擇一定數(shù)量(N>6)的點Mtl= ILtlj | Loj= (x0J, y0J, z0J),j=l,. . . ,N}作為特征點，并通過ICP (Iterative Closest Point)方法在目標頡骨T上得到其對應(yīng)點M2= {L2JI L2j= (x2j, y2j, z2J)，j=l，. . .，N}，將這N對對應(yīng)點作為TPS變換的控制點集，求取Stl和T間的TPS變換f，對Stl進行變換f后得到變換后參考顱骨S1 ；②在參考顱骨S。上重新隨機選擇一定數(shù)量(N>6)的點M0= {L0JI Loj= (xoj, y0J, z0J), j=l, . . . , N},根據(jù)步驟①得到的 TPS 變換 f 求取點集 M0在S1上的對應(yīng)點集M1=ILu I Llj= (Xlj, Y1j, Zlj), j=l, , N},再通過對S1和目標顱骨T進行ICP,得到 M1 在目標顱骨 T 上的對應(yīng)點集 M2= {L2JI L2j= (x2j, y2j, z2J)，j=l， ，N}，將 M0, M2 這組對應(yīng)點作為新的控制點集重新求取Stl和T間的TPS變換f，更新變換后的參考顱骨S1 ；③如果S1與目標顱骨T間對應(yīng)點的誤差之和達到給定的閾值，或迭代次數(shù)超過設(shè)定的次數(shù)，轉(zhuǎn)入下一歩，否則轉(zhuǎn)步驟②；④根據(jù)最后獲得的TPS變換f確定目標顱骨T與參考顱骨Stl間的點對應(yīng)，利用點對應(yīng)計算兩者間的旋轉(zhuǎn)和平移變換，并對目標顱骨進行變換以實現(xiàn)姿態(tài)調(diào)整。步驟③中的閾值和迭代次數(shù)能夠根據(jù)經(jīng)驗來設(shè)定。假定配準后的每個顱骨數(shù)據(jù)包含m個頂點{(x, y, Zi), i = I，2，. . .，m}，將每個盧頁骨數(shù)據(jù)按頂點的坐標排列為ー個3m維的原始特征向量(X1, y1； Z1, x2, y2, Z2, , xm, ym,zm)T。步驟I. 2)，子空間分析對規(guī)格化的訓練樣本數(shù)據(jù)集進行子空間分析，子空間分析采用獨立成份分析ICA、主成份分析PCA等，以采用主成份分析PCA為例，保留95%的數(shù)據(jù)方差，得到ー個投影矩陣P3mxk，其中k〈n。步驟I. 3)，分類器設(shè)計利用投影矩陣將訓練樣本從3m維原始特征空間投影到k維子空間，每個訓練樣本得到ー個k維子空間特征，在k維子空間利用Fisher線性判別分析設(shè)計分類器。步驟2)，性別鑒定步驟2. 1)，數(shù)據(jù)規(guī)格化把待鑒定的未知顱骨的三維網(wǎng)格數(shù)據(jù)統(tǒng)一到法蘭克福坐標系并進行尺度歸ー化，進行如同步驟1.1)中的三維非剛性數(shù)據(jù)配準，將配準后的未知顱骨的三維網(wǎng)格數(shù)據(jù)按頂點的坐標排列為ー個3m維的原始特征向量。步驟2. 2)，子空間特征提取利用步驟I. 2)中的投影矩陣將目標顱骨的規(guī)格化數(shù)據(jù)投影到k維子空間。步驟2. 3)，性別分類利用步驟I. 3)中的分類器進行性別鑒定?？傊景l(fā)明的實施例公布的是其較佳的實施方式，但并不限于此。本領(lǐng)域的技術(shù) 人員極易根據(jù)上述實施例，領(lǐng)會本發(fā)明的精神，只要不脫離本發(fā)明的技術(shù)方案的基礎(chǔ)的變型或替換，都在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.基于子空間分析的顱骨性別鑒定方法，其特征在于，主要包括以下步驟 1)分類訓練 1.1)數(shù)據(jù)規(guī)格化對訓練樣本集中的顱骨數(shù)據(jù)進行非剛性數(shù)據(jù)配準，將顱骨數(shù)據(jù)的姿態(tài)和大小規(guī)格化，最后將每個顱骨數(shù)據(jù)按點的坐標排列為ー個高維的原始特征向量； I. 2)子空間分析對規(guī)格化的訓練樣本數(shù)據(jù)集進行子空間分析，得到子空間投影矩陣； 1.3)分類器設(shè)計將訓練樣本從高維原始特征空間投影到低維子空間，在低維子空間設(shè)計分類器； 2)性別鑒定 2.I)數(shù)據(jù)規(guī)格化將未知顱骨與訓練樣本集中的顱骨數(shù)據(jù)進行非剛性數(shù)據(jù)配準，將其姿態(tài)和大小規(guī)格化，并按點的坐標排列為ー個高維原始特征向量； 2. 2)子空間特征提取利用步驟I. 2)中的子空間投影矩陣將未知顱骨的規(guī)格化數(shù)據(jù)投影到低維子空間； 2. 3)性別分類利用步驟I. 3)中的分類器進行性別鑒定。
2.根據(jù)權(quán)利要求I所述的顱骨性別鑒定方法，其特征在于，步驟I.I)中所述顱骨數(shù)據(jù)是ニ維的X光照片數(shù)據(jù)或三維網(wǎng)格數(shù)據(jù)。
3.根據(jù)權(quán)利要求I或2所述的顱骨性別鑒定方法，其特征在于，步驟I.2)中所述子空間分析采用獨立成份分析ICA、主成份分析PCA中的ー種。
4.根據(jù)權(quán)利要求I或2所述的顱骨性別鑒定方法，其特征在于，步驟I.3)中所述的分類器設(shè)計采用Fisher線性判別分析方法。
全文摘要
本發(fā)明涉及一種基于子空間分析的顱骨性別鑒定方法，包括如下步驟對訓練樣本的顱骨數(shù)據(jù)進行數(shù)據(jù)規(guī)格化；對規(guī)格化的訓練樣本數(shù)據(jù)集進行子空間分析，得到子空間投影矩陣；將訓練樣本從高維原始特征空間投影到低維子空間，在低維子空間設(shè)計分類器；利用訓練得到的子空間投影矩陣將規(guī)格化的未知顱骨數(shù)據(jù)投影到低維子空間，利用設(shè)計好的分類器在低維子空間分類。該方法不需要繁瑣的手工測量，無需專家知識，正確率達到94%以上。在刑偵領(lǐng)域具有重要的應(yīng)用價值。
文檔編號G06K9/66GK102831443SQ201210264630
公開日2012年12月19日 申請日期2012年7月27日 優(yōu)先權(quán)日2012年7月27日
發(fā)明者段福慶, 王夢揚, 周明全 申請人:北京師范大學