柯文馳，李莎，李睿

（四川大學計算機學院，成都610065）

0 引言

災難遇害者識別（DVI）是法醫(yī)學中的一項重要研究課題。在大型災難事故中，通常伴隨有火災、爆炸等極端條件。此時遇難者的軟性組織不可用時，傳統(tǒng)的同一認定方法如DNA 檢測、指紋和人臉識別等方法有較大困難且不準確。自然牙齒是脊椎動物中最耐用的器官，具有很好的防腐性和抗降解性，在極端條件下也能夠保存下來。在一些極端災難事件中，牙齒是鑒定遇難者的唯一方法[1]。采用牙齒解剖形態(tài)標志以及頜面部骨性標志的口腔影像學資料進行法醫(yī)學同一認定越來越受到國際法科學界的認可。

21 世紀的多次重大群體性死亡事件中，依靠牙齒進行個體識別均發(fā)揮了重要作用[2]。但是現(xiàn)行的DVI系統(tǒng)主要依靠人工進行識別，速度慢效率低。在2004年的印尼海嘯事件中，對遇難者的身份識別絕大多數(shù)都是由牙齒匹配確認，但是身份認定工作耗費了數(shù)年才基本完成。正是由于基于牙齒的DVI 系統(tǒng)的匹配準確率高、速度慢的這一特點。迫切的需要一種快速的比對方法，因此采用計算機圖形圖像技術進行輔助識別具有極其重要的作用。

相關研究人員設計出了很多DVI 系統(tǒng)，例如：基于根尖片的方法[3]、基于咬翼片的方法[4]、基于全景片的方法[5]。這些DVI 系統(tǒng)主要是利用傳統(tǒng)的計算機視覺方法人工設計提取特征，并設計一套特征比對方法來對個體進行識別。傳統(tǒng)圖形圖像算法的存在著一定的局限性。人為設計的特征提取方法不具有泛用性。大多數(shù)DVI 系統(tǒng)針對于牙齒修復體設計[6]，在沒有在牙齒治療的個體，DVI 系統(tǒng)會失效。并且這些系統(tǒng)都運行在小樣本的環(huán)境下，取得了不錯的實驗結(jié)果，但在更大數(shù)據(jù)集上則無法工作。

隨著人工智能技術的發(fā)展，深度學習已經(jīng)成為了一種跨多學科的前沿技術潮流。如何將深度學習技術應用到各個學科上，已經(jīng)成為一個非常重要主題。深度學習應用在計算機視覺中，產(chǎn)生了許多重要的應用，如人臉識別技術。人臉識別技術廣泛應用于常見的可獲取人臉的身份驗證場景，在鐵路、安防等領域已經(jīng)投入實際使用。

鑒于深度學習在人臉識別領域取得的成果，本文運用深度學習算法，提出了一種通過牙齒全景曲斷片來進行人類身份認定的方法。這種方法能夠避免傳統(tǒng)方法中的特征設計，使用卷積神經(jīng)網(wǎng)絡來提取牙齒特征，提高泛用性。對牙齒圖像全局進行特征抽取，不針對單一類型牙齒修復體進行設計，增強了系統(tǒng)的穩(wěn)定性和準確率。

1 材料與方法

1.1 研究材料

本實驗采用牙齒全景曲斷片（PDR）作為主要的研究材料，如圖1 所示。牙齒全景曲斷片是一種常見的X 光片。全景曲斷片清晰完整的顯示了上頜骨、下頜骨，人類醫(yī)師可以通過全景片觀察到全口牙齒的狀況。拍攝全景片是口腔治療前一個非常重要的環(huán)節(jié)，大部分口腔治療都會產(chǎn)生全景片。全景曲斷片的可供收集使用的數(shù)量非常大。口腔治療持續(xù)時間長，病人會定期復查，而口腔治療的全過程都會產(chǎn)生全景曲斷片。對于同一認定來說，每個病人至少應該存在2 個不同時期的認定樣本。

數(shù)據(jù)越多，深度學習能從中學習到的高維信息越多。大量的數(shù)據(jù)會極大的提高網(wǎng)絡的準確率和泛化能力。因此，本實驗一共收集了2096 人，共計5211 張口腔全景曲斷片。因未成年人的牙齒全景片為混合牙列，全景片會在短時間內(nèi)變化巨大。為了簡化實驗，本次采用的數(shù)據(jù)均為16 歲以上牙齒萌發(fā)完成的成年人。實驗數(shù)據(jù)收集自四川大學口腔醫(yī)院。所有全景片按人進行加標簽分類。取出其中96 人（294 張全景片）作為測試集。整個數(shù)據(jù)集平均每人不同時間拍攝的全景片2-3 張。

1.2 方法

（1）數(shù)據(jù)預處理

對于每一張全景片，都會有一定的差別，在拍攝時不同的輻射劑量，會造成圖像明暗上存在差異。拍攝者在拍攝時的角度，會使得最終生成的圖像呈現(xiàn)出在一定范圍內(nèi)的變形。若不對這些圖片進行針對性調(diào)整，則會對實驗結(jié)果造成影響。還有部分圖片會存在一些無關標記，這些標記是為了方便人類醫(yī)師閱片，對于深度學習來說，這些標記是無關的，故裁剪掉。本實驗針對性設計了一套圖像預處理方法。

處理方法如下：

經(jīng)過上述處理方式后，最終將圖片全部調(diào)整到256×256 尺寸的灰度圖，如圖1 所示。

（2）算法

①總體框架

如圖2 所示，算法利用牙齒的全景片作為輸入，經(jīng)過圖像預處理后，將數(shù)據(jù)集分割為訓練集和測試集合。在卷積神經(jīng)網(wǎng)絡的訓練階段，進行分類訓練。訓練完成后，抽取出特征向量與庫中所有注冊數(shù)據(jù)進行相似度計算，選取具有最高相似度的。

圖2 算法流程圖

同傳統(tǒng)的神經(jīng)網(wǎng)絡方法相比深度學習最大的特點在于深度。受限制于設備運算能力的限制，早期常常是淺層神經(jīng)網(wǎng)絡，但淺層神經(jīng)網(wǎng)絡效果并不理想。隨著運算能力的發(fā)展，深度神經(jīng)網(wǎng)絡逐漸加深。深度神經(jīng)網(wǎng)絡在采用大量數(shù)據(jù)進行訓練后模型的效果遠超傳統(tǒng)方法?；谶@個原因，本實驗網(wǎng)絡架構(gòu)直接基于AlexNet[7]網(wǎng)絡設計。

網(wǎng)絡架構(gòu)如圖3，網(wǎng)絡一共有11 層，前7 層為卷積層，后4 層為全連接層。激活函數(shù)使用ReLU。網(wǎng)絡輸入沿用AlexNet 網(wǎng)絡中使用的256×256。第2、4、7 層卷積層后跟池化層，池化操作，全部采用最大池化。使用池化操作能夠利用局部相關性減少數(shù)據(jù)冗余，控制過擬合。當數(shù)據(jù)輸入卷積層，不同的卷積核會捕捉到不同的局部信息。經(jīng)過圖像在全連接層將這些信息進行綜合，從而得到全局的信息。全局信息經(jīng)過恰當?shù)膲嚎s過后行成表征整幅圖像的特征向量。在后續(xù)的深度學習發(fā)展中，Local Response Norm Layer（LRN 層）并無必要[8]。本實驗中去除掉了最后一層的LRN 層。在AlexNet 中使用的11×11、5×5 步長卷積核運算量大，使用3×3 步長的小卷積核來替換能夠取得相同的效果，并能夠顯著降低運算量。所以本研究用3×3 替換了AlexNet 的大卷積核。更詳細的參數(shù)見表1。

表1 網(wǎng)絡架構(gòu)參數(shù)

圖3 網(wǎng)絡架構(gòu)圖

本實驗使用了PyTorch 1.4.0 的深度學習框架，利用OpenCV 進行圖像處理。訓練使用設備為NVIDIA RTX2070 Super，使用的隨機梯度下降算法（SGD）進行訓練。初始學習率為0.001，每20000 次迭代學習率折半，到80000 次迭代時停止。Batch 值為16。

④特征提取與相似度計算

因為AlexNet 設計之初只是為了解決分類問題。對于身份認證這類問題需要針對做一定的修改。在人臉識別中，為每一個人分配一個類別是不可能的，一方面由于分類類別數(shù)過于龐大會導致網(wǎng)絡訓練困難，另一方面搜集所有人的數(shù)據(jù)的代價也是難以承受的。所以常規(guī)做法是用一個特征向量來代表一張圖像所包含的信息。通過計算兩人圖像的相似度，來區(qū)兩者是否為同一人。

在本實驗中第二層全連接設為特征層，將該層單獨從網(wǎng)絡中抽取出來。匹配時，任意計算任意兩人的余弦相似度：

當獲取到了足夠的數(shù)據(jù)，訓練出的網(wǎng)絡模型能夠?qū)D像的特征表征得足夠好。可以通過設定一個容忍的識別率來獲取認定閾值。這樣只需將任意兩張全景片輸入網(wǎng)絡得到特征向量，計算兩者余弦相似度，當其相似度超過閾值時即為同一人。相比于人工的同一認定，速度會大大提高。

（3）測試方法

測試集中包含96 人，共294 張全景片。采用Top1/Top5 測試，對測試集中的數(shù)據(jù)進行劃分。在每個樣本中抽取一張全景片組成原型圖像集合(gallary set){X}，剩下的全景片作為測試圖像集合(Prob set){X'}。對任意的一張全景片Xl'abel，同原型圖像集合中所有的全景片進行相似度計算，并排序。在Top5 測試中，選取相似度最高的前五個全景片Xtop5= {X1th_label,X2th_label,X3th_label,X4th_label,X5th_label}，若該集合與全景片Xl'abel中標簽滿足(i)th_label= =label(i=1,2,3, 4,5)，則視為認定成功。Top1 同理。

2 實驗結(jié)果

通過使用Grid-Cam 方法生成了神經(jīng)網(wǎng)絡的關注區(qū)域（圖X）?？梢钥吹?，網(wǎng)絡的重點關注區(qū)域是牙齒部分，這與人類醫(yī)師的關注的重點區(qū)域是一致的。

圖4 網(wǎng)絡關注區(qū)域

在測試集上，全景片通過神經(jīng)網(wǎng)絡抽取特征后，取得特征向量，進行Top1/Top5 測試，Top1 準確率為80.30%，Top5 識別率85.86%。

3 結(jié)語

本次研究中，由于數(shù)據(jù)量的限制，并沒有達到深度學習在人臉識別上的準確率。但是在2000 人左右的數(shù)據(jù)集上訓練已經(jīng)有了80.30%的識別率。但是深度學習具有良好的可擴展性，后續(xù)收集到更多的數(shù)據(jù)之后，可以通過遷移學習繼續(xù)訓練，能夠不斷的提高準確度。使用本方法，避免了人為設置特征的困難，也不會因為針對修復體設計產(chǎn)生修復體消失后無法匹配的情況。相比于傳統(tǒng)的方法更不易失效，具有更強的魯棒性。

可以預見，通過深度學習進行牙齒同一認定，有著極大的可能會替代傳統(tǒng)方法，成為齒科身份識別的主流。并且隨著數(shù)據(jù)的增多有著接近人工識別的潛力。對于本文中使用的深度學習模型，通過不斷的迭代修改，還有著準確率進一步提升的可能性。