王 琳，赵俊莉*，黄瑞坤，李淑娴，李守哲

（1. 青岛大学 数据科学与软件工程学院，山东 青岛266071；2. 大连大学 机械工程学院，辽宁 大连116622；3. 威斯康星大学 麦迪逊分校文理学院，美国威斯康星州麦迪逊53706）

1 引 言

利用人的颅骨进行面貌复原是一个古老的课题。在公安法医学领域，为了更快速地侦破案件，通常需要及时辨别死者的身份，由于尸体遗骨软组织高度腐烂的情况时有发生，导致死者的容貌难以分辨，为了更高效地鉴定死者的身份，人们开始尝试依据颅骨来复原死者的面貌.

早期颅面复原技术［1］采用手工复原方法，复原过程复杂，耗费时间长。近年来计算机技术的介入提高了颅面复原的准确性，使得复原结果更加客观、高效。计算机辅助颅面复原技术可分为两类：基于软组织厚度的颅面复原法和统计模型法。前者是以面部软组织厚度分布规律为前提进行的复原［2-5］。在此种方法下进行的颅面复原，很难做到准确描述颅面形态信息，颅面形态变化的高度复杂性难以得到体现。统计模型的融入通过对大量颅面数据的统计分析，获取颅骨和相貌特征之间的本质关系，并依据这种关系进行面貌复原，使得颅面复原的效率和准确度得到了显著提升，已成为颅面复原研究领域较为热门的关注点［6］。

颅面统计复原方法一般是将颅骨数据和对应的人脸数据作为训练样本，采用统计模型的方法对给定的未知颅骨数据来估算面皮数据。Claes 等［7］首次在颅面复原研究中引入统计模型，并使用稠密点表示的面貌和52 个稀疏特征点表示的颅骨建立主成分分析（Pricinple Component Analysis，PCA）统计模型。……