Rofo 2022; 194(S 01): S12
DOI: 10.1055/s-0042-1749785
Abstract
Vortrag (Wissenschaft)
Forensische Radiologie

Forensische Odontologie: Systematische Evaluation von Computer Vision Algorithmen zur Personenidentifizierung

Authors

  • A Heinrich

    1   Universitätsklinikum Jena, IDIR, Jena

  • M Engler

    2   Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Jena, Jena

  • F Güttler

    2   Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Jena, Jena

  • U Teichgräber

    2   Institut für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Jena, Jena
Further Information
Also available at
 

Zielsetzung Die Identifizierung unbekannter Toter kann über einen Abgleich eines post- und antemortalen Orthopantomogramm (OPG) erfolgen. Jedoch stehen oftmals keine antemortalen Referenaufnahmen zur Verfügung, da die mögliche Identität nicht weit genug eingeschränkt werden kann. Ein vielversprechender neuer Ansatz ist ein Computer Vision gestützter automatisierter Abgleich eines postmortalen OPG mit einer antemortalen Merkmal-Datenbank [1, 2]. Das Ziel dieser Studie war eine systematische Evaluation verschiedener Computer Vision Algorithmen zur Eignung für die merkmalsbasierte Identifizierung unbekannter Personen.

Material und Methoden In Matlab R2021b wurde eine bestehende Implementierung zur merkmalsbasierten Identifizierung unbekannter Personen über eine antemortale Merkmal-Datenbank mit dem SURF-Algorithmus um weitere Computer Vision Algorithmen (BRISK, KAZE, ORB, SIFT) ergänzt. Eine systematische Evaluation der Computer Vision Algorithmen erfolgte über ein Abgleich von 40 zufällig ausgewählte Personen mit der Merkmalsdatenbank.

Ergebnisse Die Computer Vision Algorithmen wiesen große Unterschiede hinsichtlich des Identifizierungserfolgs, der Signalverarbeitungsdauer und Datenbankgröße auf. Die gefundenen Übereinstimmungspunkte zwischen OPGs derselben Person (verschiedenen Personen) betrugen: 37±20 (4±1) für SURF, 9±3 (2±1) für BRISK, 127±63 (5±1) für KAZE, 4±2 (2±1) für ORB und 68±34 (5±1) für SIFT. Die Anzahl der gefundenen eindeutigen Übereinstimmungspunkte zwischen zwei OPG dient als Identifizierungsmetrik.

Schlußfolgerungen Für die Identifizierung unbekannter Personen stellt der SURF-Algorithmus einen guten Kompromiss zwischen erfolgreicher Identifizierung bei einer akzeptablen Signalverarbeitungszeit und Datenbankgröße dar. Der deutlich langsamere KAZE-Algorithmus ist jedoch deutlich erfolgreicher, welches bei schwierigen Identifikationsverfahren von entscheidendem Vorteil sein kann. Einfache Identifizierungen können dagegen mit dem BRISK-Algorithmus schneller und effizienter durchgeführt werden.



Publication History

Article published online:
29 August 2022

© 2022. Thieme. All rights reserved.

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany