【技术实现步骤摘要】
本专利技术属于腭皱识别，具体涉及一种基于3d点云数据的腭皱数据采集、预处理和识别系统。
技术介绍
1、随着现代法医学及人工智能技术的快速发展，需要用更为智能化和信息化的方法对尸体或活体进行身份同一认定。法医同一认定是一种法医通过对已知和未知客体的两个或多个生理特征之间异同点的比较和鉴别，推断出所研究客体是否来自同一客体的认识活动。身份认证是实现法医同一认定首要关键解决的关键问题之一，且科学、可靠的身份识别方法对于法医同一认定起着至关重要的作用。同一认定采用的生物特征需满足唯一性、普遍性、永久性、可采集性及可识别性等条件。目前在法医同一认定技术中常用的生物特征指标有牙齿、颅面形态、指纹、掌纹、虹膜和dna等，但它们在一些特殊环境中仍然存在一定的局限性。由于人体表面的指纹、掌纹、颅面等特征指标，易受到诸如火灾、化学腐蚀或外部创伤等环境因素的影响而产生信息缺失；且环境和经济因素也常常限制大规模遇难者dna测定的实现。因此，研究不易被破坏和伪造且成本较低的人类特征指标，是提高鉴定准确率、完善同一认定的切实需求。
2、腭皱的解剖特性决定其可以成为一种个人身份同一认定的生物特征指标。腭皱是位于人口腔硬腭的前部，从切牙乳突向后，由腭中缝向两侧延伸的不规则、不对称的黏膜隆起，以腭中缝为界，每侧3-7条。随着口腔扫描技术的发展，腭皱数据的获取也逐渐容易起来。腭皱作为一种用于同一认定的新生物特征，满足生物特征识别的条件，也具有唯一性、普遍性、永久性、可采集性及可识别性等特性。
3、尽管，各国学者针对腭皱形态的描述与分析已进行
4、近年，研究者们才尝试通过数字图像识别技术来实现腭皱同一认定，在二维和三维腭皱图像识别方面，都有研究成果发表。与二维腭皱识别相比，三维腭皱数据所含信息更丰富，并且不需要繁琐的数据预处理，因此，采用三维腭皱数据进行识别成为一种更优选择。但是目前还未有完善的三维腭皱数据进行公开，为了便于后续法医同一认定的三维腭皱识别研究的进展，就需要构建三维点云数据集。
技术实现思路
1、为解决现有技术存在的技术问题，本专利技术提供了三维腭皱点云数据集的构建和三维腭皱点云识别方法，提高了腭皱识别度。
2、为实现上述目的，本专利技术所采用的技术方案为：一种基于3d点云数据的腭皱识别系统，具体步骤如下：
3、步骤一、采用口腔扫描仪按顺序采集受试样本四种不同情况下的三维腭皱数据；
4、步骤二、将三维腭皱数据读入cloudcompare软件中进行裁剪；
5、步骤三、经裁剪数据读入meshlab软件中进行点云采样；
6、步骤四、采用曲率降采样法缩减采样数据的数据量；
7、步骤五、将经过降采样的腭皱点云数据输入到基于3d点云数据的腭皱识别网络模型中进行训练，利用梯度优化算法进行迭代更新，直至达到收敛状态，双流注意力模块和三维空间点云数据自适应卷积核的腭皱点云数据卷积模块用来提取局部特征和全局特征，并对特征进行升维，特征重复利用模块对经过点云数据卷积模块提取的特征进行增强和重复使用，以进一步优化网络性能。
8、四种不同情况下的三维腭皱数据具体如下：
9、情况一、采集带有唾液的三维腭皱数据，使用患者标签名首字母的缩写加数字1进行命名；
10、情况二、采集漱口之后的三维腭皱数据，使用患者标签名首字母的缩写加数字2进行命名；
11、情况三、采集漱口吹干后的三维腭皱数据，使用患者标签名首字母的缩写加数字3进行命名；
12、情况四、采集以切牙乳突为参考点的三维腭皱数据，使用患者标签名首字母的缩写加数字4进行命名。
13、在步骤二中，三维腭皱数据的裁剪方法具体为：
14、将三维腭皱数据读入到cloudcompare软件中，对每个人的四个不同情况的三维腭皱数据，统一采用两颗门牙的中点、左侧第二颗牙与第三颗牙的中点、左侧第六颗牙的中点、右侧第二颗牙与第三颗牙的中点、右侧第六颗牙的中点对数据进行裁剪。
15、在步骤三中，点云采样的方法具体为：使用meshlab软件对输入的裁剪数据进行读入，选取泊松盘采样，每个裁剪数据采样20000个点。
16、在步骤四中，点云降采样的方法具体为：对采样后的数据进行曲率计算，通过曲率降采样缩减每个样本采样的点云数据个数。
17、在步骤五中，迭代优化的具体损失函数为：
18、
19、n为样本数，m为类别数，xij为第i个样本对应类别j的真实标签，yij为模型预测第i个样本x属于第j个类别的概率：
20、
21、i为最大池化的次数；
22、
23、l2c为第二次进行最大池所得到的损失，l1c为第一次经过最大池化得到的损失，ρi为可调节参数，lr是细化损失；
24、
25、ym为真实标签，为经过第一次最大池化网络所得到的预测标签，αi为大于1的参数；
26、l＝(1-λ)·lc+λ·lr
27、λ为权重参数，l是总损失。
28、本专利技术包含了三层腭皱点云数据卷积模块，每个点云数据卷积模块中包含三维空间点云数据自适应卷积核，将经过三层云数据卷积模块提取的特征，经过特征重复利用模块，最后经过分类器输出样本识别准确率结果。
29、三维空间点云数据自适应卷积核利用knn算法搜索腭皱点云数据中心点的最近邻域k个点，将k个点的坐标信息、坐标信息与中心点坐标信息的差值、特征差值进行级联得到特征f，通过mlp操作得到自适应的卷积核，将所得到的卷积核与初始的级联特征f进行卷积，然后通过最大池化操作聚合特征，所提取的特征作为中心点的新特征fa，同时对于初始输入的点云特征f1；使用卷积、激活函数、归一化操作，得到每个点的特征f2；在将所得特征经过sigmod函数输出得到概率图与特征f2进行相乘得到特征f3；再将特征f3与特征f2进行级联操作得到特征f4；对于特征f2，利用其本身与转置矩阵进行相乘得到b特征矩阵，利用sigmod函数得出概率图，使用概率图与特征f2进行相乘，得到特征f5；将特征fa、特征f4与特征f5进行级联作为最后的输出特征。
30、混合特征重复利用模块将经过本文档来自技高网...
【技术保护点】
1.一种基于3D点云数据的腭皱识别系统，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于3D点云数据的腭皱识别系统，其特征在于，在步骤一中，四种不同情况下的三维腭皱数据具体如下：
3.根据权利要求1所述的的一种基于3D点云数据的腭皱识别系统，其特征在于，在步骤二中，三维腭皱数据的裁剪方法具体为：
4.根据权利要求1所述的的一种基于3D点云数据的腭皱识别系统，其特征在于，在步骤三中，点云采样的方法具体为：使用meshlab软件对输入的裁剪数据进行读入，选取泊松盘采样，每个裁剪数据采样20000个点。
5.根据权利要求1所述的的一种基于3D点云数据的腭皱识别系统，其特征在于，在步骤四中，点云降采样的方法具体为：对采样后的数据进行曲率计算，通过曲率降采样缩减每个样本采样的点云数据个数。
6.根据权利要求1所述的一种基于3D点云数据的腭皱识别系统，其特征在于，在步骤五中，迭代优化的具体损失函数为：
7.根据权利要求1所述的一种基于3D点云数据的腭皱识别系统，其特征在于，包含了三层腭皱点云数据卷积模块，每个
8.根据权利要求7所述的一种基于3D点云数据的腭皱识别系统，其特征在于，三维空间点云数据自适应卷积核利用knn算法搜索腭皱点云数据中心点的最近邻域k个点，将k个点的坐标信息、坐标信息与中心点坐标信息的差值、特征差值进行级联得到特征F，通过mlp操作得到自适应的卷积核，将所得到的卷积核与初始的级联特征F进行卷积，然后通过最大池化操作聚合特征，所提取的特征作为中心点的新特征FA，同时对于初始输入的点云特征F1；使用卷积、激活函数、归一化操作，得到每个点的特征F2；在将所得特征经过sigmod函数输出得到概率图与特征F2进行相乘得到特征F3；再将特征F3与特征F2进行级联操作得到特征F4；对于特征F2，利用其本身与转置矩阵进行相乘得到b特征矩阵，利用sigmod函数得出概率图，使用概率图与特征F2进行相乘，得到特征F5；将特征FA、特征F4与特征F5进行级联作为最后的输出特征。
9.根据权利要求7所述的一种基于3D点云数据的腭皱识别系统，其特征在于：混合特征重复利用模块将经过3层点云数据自适应卷积核提取的输出特征进行两次最大池化操作，同时对输出特征进行降维操作，得出特征矩阵，将其自身与转置矩阵相乘，得到新的特征矩阵，对新的特征矩阵进行归一化处理，经过多层感知机进行维度转换，得出一个新的一维特征，将经过两次最大池化所得的两个特征与新的一维特征分别进行拼接，都经过分类器，使用损失函数计算损失，利用第二次的结果约束第一次的结果，使得网络性能得到不断的优化。
...【技术特征摘要】
1.一种基于3d点云数据的腭皱识别系统，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于3d点云数据的腭皱识别系统，其特征在于，在步骤一中，四种不同情况下的三维腭皱数据具体如下：
3.根据权利要求1所述的的一种基于3d点云数据的腭皱识别系统，其特征在于，在步骤二中，三维腭皱数据的裁剪方法具体为：
4.根据权利要求1所述的的一种基于3d点云数据的腭皱识别系统，其特征在于，在步骤三中，点云采样的方法具体为：使用meshlab软件对输入的裁剪数据进行读入，选取泊松盘采样，每个裁剪数据采样20000个点。
5.根据权利要求1所述的的一种基于3d点云数据的腭皱识别系统，其特征在于，在步骤四中，点云降采样的方法具体为：对采样后的数据进行曲率计算，通过曲率降采样缩减每个样本采样的点云数据个数。
6.根据权利要求1所述的一种基于3d点云数据的腭皱识别系统，其特征在于，在步骤五中，迭代优化的具体损失函数为：
7.根据权利要求1所述的一种基于3d点云数据的腭皱识别系统，其特征在于，包含了三层腭皱点云数据卷积模块，每个点云数据卷积模块中包含三维空间点云数据自适应卷积核，将经过三层云数据卷积模块提取的特征，经过特征重复利用模块，最后经过分类器输出样本识别准确率结果。
8.根据权利要求7所述的一种基于3d点云数据的腭皱识别系统，...
【专利技术属性】
技术研发人员：上官宏，韩雷强，李冰，张雄，王帅，杨霆宇，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。