1、耳廓的同一认定研究 刘玉勇 穆日磊 北京警察学院公安科技系 摘 要： 目的 研究耳廓观测指标的变化特征, 提出利用耳廓特征识别点进行个体同一认定的研究方法, 为法医学个体识别, 及对视频图片中的个体进行同一认定, 提供一种科学、准确、简便易行的方法。方法 通过对 19 岁至 22 岁的汉族成人拍摄耳廓侧位图像, 选取 148 人照片中的相应指标进行观测, 数据收集, 经 SPSS统计软件处理, 分析各种因素对测量结果的影响, 计算出各指标识别能力及两批照片各指标之间的差值, 最终得出各指标差值的参考值范围。结果 10 项观测指标经统计检验分析, 最终保留 6 项指标, 重复测量结果稳定。各指标
2、的变异系数相差不大, 结果稳定可靠。结论 通过制定 6 项观测指标差值的参考范围, 确定指标是否同一, 最终认定照片中耳廓是否属于同一个体的方法准确可行。关键词： 法医人类学; 个体识别; 比对; 耳廓; 作者简介：刘玉勇, 男, 讲师, 硕士, 主要从事法医病理学及法医人类学的科研及教学工作。E-mail:收稿日期：2016-12-14基金：北京市教育委员会科技资助项目 (KM201614 019002) The research of individual identify by comparison of auricleLiu Yuyong Mu Rilei Beijing Police
3、 College; Abstract： Objective To study the characteristics of measurement points in auricle and to make a method of individual identification by auricle. To make an accurate, simple and reliable individual identification recognition to forensic anthropology by the auricle in the videos and pictures.
4、 Methods To select measurement points by the auricle pictures of the 148 adults of Han nationality-from 19 to 22 years old-beyond one month and to analysis the data by SPSS statistical software, analyzing the various factors that influence on the measurement result, then to calculate the ability of
5、recognition, and to confirm the each index difference and the reference value range between the two batch of photos in the end. Results The 6 measurement points were retained by statistical test from the 10 measurement points. The result is stable, and the variation coefficient of each index is not
6、quite different. Conclusion To confirm reference range of the 6 observation points so that to determine whether the two auricle pictures belong to the same individual is accurate and feasible method.Keyword： forensic anthropology; individual identification; comparison; auricle; Received： 2016-12-14随
7、着科学技术的不断发展, 生物特征个体识别技术应运而生, 它利用人类特有的生理或行为特征, 进行个人身份识别, 基于其强大的特征高稳定性及高识别性, 显著的提高了个体识别的准确率。耳廓凭借其特殊的生理位置和结构特征, 已经成为生物特征识别领域的后起之秀。与指纹识别、人脸识别、虹膜识别等方法相比, 耳廓识别技术可以不受化妆和表情变化的影响, 具有更高的特征唯一性和形态稳定性1。在公共安全、信息安全及重点部门安防等领域具有广阔的应用前景, 其科学性已被学术界广泛接受。随着监视录相系统的广泛使用, 利用视频图像进行个体识别的案件逐年增加, 在实践中, 利用耳廓进行个体识别的方法将发挥越来越重要的作用,
8、 是一项很有前途的面相识别鉴定方法2。但是在办案实践中发现, 对于耳廓的基础研究仍不足, 国内外对于耳廓的比对研究大部分还停留在在特征认定法的水平, 仅提出了几项测量指标, 对测量指标的可行性进行了探讨, 并未提出系统的同一认定方法, 影响了同一认定结果的准确性, 这是法医工作中急需解决的难题3。本文通过对 160 例的 1922 岁的汉族成人耳廓图像片进行测量分析, 选取了 10 项测量指标, 通过统计学计算处理, 最终保留了 6 项作为同一认定的观测指标, 得出了利用耳廓图像进行同一认定的方法。1 材料与对象1.1 研究对象随机选择北京警察学院本科在校生 160 人 (其中 130 例男性
9、, 30 例女性;年龄在 1922 岁之间) , 分别间隔一个月对耳廓进行拍摄, 照片用于后期实验观测。实验图像选择纳入标准: (1) 耳廓轮廓清晰, 形态无畸形; (2) 无其他疾病; (3) 汉族人; (4) 两次实验拍摄均参加, 耳廓图像信息完整。最终经筛选, 160 人中的 148 人的耳廓图片, 两批共计 296 张用于实验观测。1.2 实验材料Nikon D900 数码相机。焦距 50mm, 快门 1/8 秒, 光圈 1/125, ISO 自动。在光线均匀、柔和、耳廓轮廓清晰的条件下, 将数码照相机固定在三角架上, 采用定焦镜头, 令被照者坐在椅子上, 保持头部水平静止状态, 然后
10、将镜头对焦于耳廓平面, 使耳廓图像基本充满画面, 清晰的显示出观测标志点后拍照。照片采用 Photoshop CS 软件处理。1.3 观测内容1.3.1 耳廓观测内容在实验测量中对于观测点的选取原则是寻找相对稳定的解剖学特征点, 以利于后期观察与测量, 提高测量的准确性和精度4。耳廓的主要观测点如图 1 所示:图 1 耳廓主要观测点 Fig.1 Main conversion points of auricular 下载原图观测点 1.耳上点:当头部位于眼耳平面时, 耳廓上缘最高点。观测点 2.耳屏前点:当头部位于眼耳平面时, 耳屏前缘向前最突出点。观测点 3.耳下点:当头部位于眼耳平面时,
11、耳垂最低点。观测点 4.耳后点:当头部位于眼耳平面时, 耳廓后缘最向后突出之点。观测点 5.耳轮点:与耳后点水平的耳轮内侧点。观测点 6.对耳屏点:对耳屏水平与垂直相交叉处。观测点 7.耳屏后点:当头部位于眼耳平面时, 耳屏后缘向后最突出点。1.3.2 观测指标的选取(1) 长度性的指标见图 2图 2 长度性指标 Fig.2 Length indexes of auricular 下载原图线 A:耳上点至耳屏前点间距 (观测点 1 至观测点 2 连线距离) 。线 B:耳屏前点至耳下点间距 (观测点 2 至观测点 3 连线距离) 。线 C:耳下点至耳后点间距 (观测点 3 至观测点 4 连线距离
12、) 。线 D:耳上点至耳后点间距 (观测点 1 至观测点 4 连线距离) 。线 E:耳上点至耳下点间距 (观测点 1 至观测点 3 连线距离) 。线 F:耳后点至耳轮点间距 (观测点 4 至观测点 5 连线距离) 。线 G:对耳屏点至耳屏后点间距 (观测点 6 至观测点 7 连线距离) 。线 H:耳后点至耳屏后点间距 (观测点 4 至观测点 7 连线距离) 。线 I:耳屏前点至耳屏后点间距 (观测点 2 至观测点 7 连线距离) 。(2) 角度性的指标见图 3。角 J (观测点 1, 4, 3, 所形成的夹角) 。图 3 角度性指标 Fig.3 Angel indexes of auricul
13、ar 下载原图1.3.3 测量利用 Photoshop 软件对两批均为 148 例符合实验要求的耳廓照片, 进行测量, 测量指标以上文的英文字母代替。由两名试验人员对同一指标分别进行测量, 结果记录如下:第一批, 以 X1 表示, 两次测量结果依次记为:X1A1、X1A2;X1B1、X1B2, 以此类推。同理第二批, 以 X2 表示, 测量结果记为:X2A 1、X2A2;X2B1、X2B2。对同一个观测指标取两名实验员测量结果的算数平均值, 两批结果分别记为:X1A、X2A;X1B、X2B 以此类推。测量结果长度性指标单位为厘米, 角度性指标单位为度。采用统计软件 SPSS 对耳廓图片原始观测
14、数据进行处理及分析。2 结果2.1 测量结果的影响因素第一批实验二次测量值的配对 t 检验中, 指标线 G 及角 J 和第二批实验中线 H及角 J 的检验 P 值均小于 0.05, 差异具有统计学意义, 说明是由于测量人员的不同而造成的测量值误差较大, 不适宜作为测量指标。其余的指标:线 A、线B、线 C、线 D、线 E、线 F 及线 I 检验 P 值均大于 0.05, 不具有统计学意义, 不存在差异, 说明上述指标测量结果受测量人员个体影响小, 重复测量结果稳定。2.2 各指标的识别能力变异系数 CV 为标准差与算数均数之比, 描述了标准差的大小, 即描述数据的变异相对于其平均水平来说, 是
15、大还是小, 主要用来对整体数据的离散程度进行分析。第一批及第二批实验中各指标的变异系数见表 3 及表 4。10 个指标的变异系数中, 角 J 值最大, 但其两次检验 P 值均小于 0.05, 不适宜作为测量指标。其余的指标中, 线 C 值最大, 说明其用于同一认定的价值最大。表 1 第一批第一次和第二次测量值之间的配对 t 检验 Table 1 The pair t-test between the first measurements 下载原表 表 2 第二批第一次和第二次测量值之间的配对 t 检验 Table 2 The pair t-test between the second mea
16、surements 下载原表 表 3 第一批各指标均值描述性统计 Table 3 Descriptive statistic on mean value of indexes of the first group pictures 下载原表 表 4 第二批各指标均值描述性统计 Table 4 Descriptive statistic on mean value of indexes of the second group pictures 下载原表 将两批图片中各指标的测量平均值建立数据集, 进行配对 t 检验, 检验结果如下:表 5 两批图片各指标之间的配对 t 检验 Table 5 Th
17、e pair t-test between indexes of the two group pictures 下载原表 可以看出, 线 G、线 H、线 I、角 J 这 4 个指标 P 值均小于 0.05, 具有统计学意义, 即前后两批图片指标间存在差异。线 A、线 B、线 C、线 D、线 E 及线 F 指标 P 值均大于 0.05, 不具有统计学意义, 说明同一人间隔一月拍摄的两张图片各测量指标变化很小, 具有很高的一致性, 适合实验观测。2.3 同一认定研究综合以上统计分析结果, 各指标变异系数相差不大, 但线 G、线 H、线 I、角 J这 4 个指标易受到观测人员的个体操作影响, 重复测
18、量结果不稳定, 不适宜作为同一认定观测指标, 故选定线 A、线 B、线 C、线 D、线 E、及线 F, 共计 6 项指标作为同一认定观测指标。表 6 观测指标的差值分析 Table 6 Differential analysis of indexes 下载原表 由于试验中的误差是无法避免的, 为了确保选定的观测指标的可信度, 实验对同一个人前后两次拍摄的同一指标差值 (线 A、线 B、线 C、线 D、线 E、及线 F) 与不同的人的差值之间进行差值分析, 以利于提高观测指标选取的精确度。经计算, 上述指标 P 值均小于 0.05, 具有统计学意义, 可作为观测指标应用。计算两批图片中选定的 6
19、 项观测指标之间的差值, 建立数据集, 求出各指标差值的参考值范围。表 7 两批图片各指标之间差值统计 Table 7 Statistical differentiation between indexes of two groups pictures 下载原表 根据计算公式, 指标差值下限为:-1.96s; 差值上限为:+1.96s, 计算出的参考值范围见表 8。进行同一认定时, 计算出拟进行同一认定的两张照片的 6 项指标差值, 各指标若在相应的差值参考值范围内, 即认为该指标相同;反之, 认为该指标不同, 6项指标均相同的两张照片, 可以认定为同一人, 做出肯定结论, 反之, 则两张照片
20、分属于不同的个体。根据 Yan P 的研究报道, 人体的左右耳廓, 其发育速度存在一定的差异性, 但在 18 岁以后, 两侧耳廓形态差异性细微, 可以忽略不计, 所以在实际的操作中, 对于涉及耳廓的同一认定, 只要保证为同侧, 即可用该方法进行鉴别5。表 8 各指标差值的参考值范围 Table 8 Reference Range of Indexes Differentiation 下载原表 2.4 盲测为初步验证该方法的效果, 由计算机产生随机数, 在第一批照片中随机抽取 1张作为被比对检材, 在第二批照片中随机抽取 20 张, 打乱顺序后作为比对对象。分别对这 21 张照片的六项指标进行测
21、量。经过比对, 6 个指标全部不同的有 2个, 有 1 个指标相同的有 9 个, 有两个指标相同的有 5 个, 有 3 个指标相同的有 3 个, 4 个指标相同的照片有 2 张, 五个指标相同的有 2 张, 六个指标全部相同的只有 1 个。六个指标全部相同的照片经对比其编号, 正是被比对检材, 2 张照片属于同一个体, 判断准确率为 100%。3 讨论人体耳廓的生物特征具有个体独特性, 解剖稳定性、易采集等特点, 可以通过摄像机或数码相机采集一定数量的人耳图像, 建立数据库, 进行耳廓比对6。常见的研究有:耳廓图像比对、耳纹识别和耳廓温谱图测量等方法7。借助于计算机视觉技术的应用, 利用耳廓解
22、剖特征主成份分析法、耳廓重力图等自动跟踪识别的方法逐渐发展起来8。学者 Choras 提出, 将耳廓图像通过可逆线性变换为力场图像, 在力场的基础上提取特征点进行识别, 该方法具有较好的前瞻性, 但其研究更多的停留在理论层面上, 实际的操作中难以实施9。目前工作中还是依靠法医人类学的理论体系, 对耳廓大体的特征点观察, 进行同一认定10。耳廓的特征分类是基础性的工作, 由于分类的不一致, 会导致个体认定出现较大差别。特征分类包括整体、细节、一般及个别特征, 这是该研究迫切需要解决的一个问题11。本实验初始拟定了 10 个观测指标, 从整体上反映了耳廓的基本形态和解剖差异。经过筛选, 指标线 G
23、、线 H、线 I、角 J 的检验 P 值均小于 0.05, 具有差异性, 被剔除, 以消除测量人员不同对测量结果的影响。上述指标位于耳廓突出位置, 观测人员对其定位把握不准, 容易造成观测误差, 其余指标检验 P 值均大于0.05, 重复测量结果稳定, 适宜于同一认定。为了保证该实验选择的观测指标的精确, 对其数值进行了数据差值分析, P 值均小于 0.05, 具有统计学意义, 可以作为观测指标应用。本研究对耳廓平面进行拍照, 选定了耳屏前点、耳轮点等比较明确的人类学解剖特征点作为参照点, 应用 Photoshop 软件处理, 使得测量结果客观、准确。同时在计算方法上把以前的形态匹配的模糊比对
24、法变为数字化的定性分析, 使操作方法有了质的改变, 过程简单明晰, 精度大大提高。综上所述, 耳廓识别是一项新兴的生物识别技术, 在视频侦察, 要害部门防控及社会公共场所监控的领域有着广泛的应用前景。在实际应用中需要考虑的因素还很多, 今后还需对耳廓的自动定位和检测、图像的遮挡与缺损处理、不同人种的耳廓种族差异以及图像数据库的构建等问题进行更深入的研究。如果与其他识别方法结合起来, 能更好的为侦察、治安及安防工作提供强有力的技术支持和保障。参考文献1范青松, 艾荷秀.耳廓测量与美学探讨J.解剖学杂志, 1999, 22 (1) :81-84. 2何家弘.司法证明同一论J.中国刑事法杂志, 20
25、01 (1) :82-94. 3邵象清.人体测量手册M.上海:上海辞书出版社, 1985:218. 4贾静涛.法医人类学M.沈阳:辽宁科技出版社, 1993:257-259. 5Yan P, Bowyer KW.Biometric recognition using three dimensional ear shapeJ.IEEE Trans.on Pattern Analysis and Machine Intelligence, 2007, 29 (8) :1297-1308. 6曹梦龙, 于镭.图像智能识别技术在图像自主导航中的应用J.控制工程, 2006, 13 (S2) :15-1
26、9. 7穆志纯, 席德春, 徐正光, 等.外耳形状特征和内耳结构特征结合的人耳特征提取J.北京科技大学学报, 2006, 28 (5) :498-500. 8田莹.人耳识别技术研究综述J.计算机应用研究, 2007, 24 (4) :21-25. 9Choras M.Perspective methods of human identification:ear biometricsJ.Opto-Electron Rev, 2008, 16 (1) :85-96. 10Pan B, Jiang H, Guo D, et al.Microtia:ear reconstruction using tissue expander and autogenous costal cartilageJ.J Plast Reconst Aesther Surg, 2008, 61 (1) :S98-S103. 11Swift B, Rutty G N.The human ear:its role in forensic practiceJ.J Forensic Sci, 2003, 48:153-160.
