四川大学计算机学院（软件学院）同华西基础医学与法医学院合作，提出了一种基于深度学习的颅面重建方法，成功实现从二维计算机断层扫描的颅骨数据中自动复原出颅面图像，开发出国际首个颅面重建人脸检索系统。相关成果已发表在国际学术期刊《模式识别》上。
　　颅面重建技术一般被应用于在没有指纹、牙科记录、放射性材料或DNA等确定性信息的情况下，根据头骨和面貌的内部关系复原出颅骨的真实面貌，进而识别身份。
　　然而，传统技术所使用的三维重建方法对数据质量要求高，必需有完整的头部扫描数据才能用于训练，导致数据收集代价大，限制了颅骨与人脸之间复杂关系的描述。不仅如此，用三维方式记录颅面几何信息的数据维度大，在数据量有限的情况下很难用深度学习技术来进行拟合，容易造成“过拟合”，导致复原效果差。
　　四川大学计算机学院（软件学院）研究团队负责人表示，他们基于深度学习强大的拟合能力，不仅利用完整头部数据建立了颅骨与颅面的整体对应关系，还利用残缺数据（非完整头部扫描）来促使模型学习颅骨与颅面局部的对应关系，做到了细节度更高的重建，并且降低了数据收集的门槛。
　　据研究团队介绍，他们开发的颅面重建人脸检索系统可提供两种不同的检索策略，即分别在年龄、性别信息已知或未知的条件下复原颅面。在未知条件下复原颅面时，系统能根据上传的一个颅骨数据，生成一系列不同年龄、性别的复原人脸。然后，再利用人脸识别算法，在真实的人脸数据库中对复原后的颅面进行检索匹配。
　 

（罗洪焱）