颅像重合是通过对未知颅骨与真实人脸照片进行相似性比较,实现未知颅骨身份认证的技术,在刑侦与灾难事故调査等方面具有极高的研究价值和现实意义。本文应用传统颅像重合的基本思路,面向未知颅骨在大量人脸照片中的身份认证问题,构建基于BP神经网络的颅像身份识别器,快速缩小未知颅骨可能的身源范围,为刑侦和灾难调查提供支持。本文主要就颅像的相似性度量展开研究,包括三维颅骨和人脸照片的特征点自动标定、轮廓线的提取等方面。本文的主要研究内容包括:1、提出一种改进梯度矢量流(GVF)模型的人脸轮廓线提取方法,使用人脸对齐方法对二维人脸照片进行人脸照片轮廓关键点的标定,然后沿着关键点构建初始化轮廓线,用GVF收敛初始化的轮廓线,最终提取到准确的二维人脸照片轮廓线。实验表明,此提取方法快速高效且准确率高。2、将深度学习方法应用于计算机辅助颅像重合技术中,基于Point Net++算法实现三维颅骨的五官分割并选取下颌骨分区,采用一定的转换方法实现对下颌轮廓线的提取,此过程实现了计算机辅助颅像身份认证关键技术的自动化。3、提出基于BP神经网络的颅像身份识别器直接对三维颅骨和人脸照片进行相似性比较,将符合要求的鉴定指标数目作为网络的输入,输出结果为颅骨和照片是否可能为同一人,设计合理准确的网络完成训练,建立身份识别器规则。实验表明,该颅像身份识别器设计合理客观,准确率高且鉴定速度快。4、设计并实现一套颅像身份鉴定原型系统,系统功能包括文件三维颅骨模型和人脸照片特征点的自动标注、轮廓线的提取以及颅像相似性度量等,实验证明该系统设计合理,可应用于真实失踪人口数据库,缩小待鉴定照片集的范围,从而在一定程度上提高颅骨身份鉴定的效率。