颅面复原技术是法医人类学的热门研究课题。颅面检索包括颅骨检索和复原面貌检索两个技术环节。颅骨检索是从颅面数据库中检索出与给定颅骨形态最相似的颅骨。复原面貌检索是从人脸照片库中检索出与复原面貌最相似的人脸照片。在基于模板变形的颅面复原方法中,需要先从颅骨数据库中检索出与待复原颅骨最为相似的参考颅骨,然后计算两个颅骨之间的形变,对参考颅骨的面皮进行同样的形变,最终将形变后的面皮作为复原面貌。因此,颅骨检索方法的优劣会直接影响到颅面复原的效果。复原出未知颅骨的面貌并不意味着颅面复原工作的结束,还需要从失踪人口照片库中检索到与复原面貌最为相似的人脸照片,用来辅助确定未知颅骨的身份,因此,复原面貌检索具有非常重要的社会价值和研究意义。传统的颅面检索方法依赖专家经验,操作繁琐,对颅面模型的测量精度要求很高,基于计算机辅助的颅面检索方法能够有效的缩短检索时间,提高检索准确率,避免测量工具对颅骨造成的二次损坏。本文的研究内容主要包括:(1)针对现有颅骨检索方法存在操作复杂,准确率较低的问题,本文改进并实现了一种改进混合域注意力机制的颅骨检索方法,将颅骨检索的准确率提高至87.5%。首先,数据预处理,获取颅骨多角度图像,构建颅骨图像数据集;然后,使用改进混合域注意力机制的网络模型对颅骨图像进行特征提取,最后,使用提取到的颅骨特征进行颅骨检索。实验结果表明,该方法能够有效提取到颅骨特征,提高颅骨检索的准确率。(2)针对现有复原面貌相似性度量方法存在特征提取操作复杂,度量准确率较低的问题,本文改进并实现了一种基于深度神经网络的复原面貌相似性度量方法,将复原面貌相似性度量的准确率提升至96.67%。首先,成对的采集复原面貌的正脸图像和对应的人脸照片,构建复原面貌与人脸照片数据集;然后,使用改进的Inception模型进行特征提取,结合主成分分析(Principal Components Analysis,PCA)对提取到的特征进行降维,将降维后的特征再输入到神经网络中,最后,输出复原面貌与人脸照片之间的相似度。实验结果表明,该方法能够有效的提高复原面貌相似性度量的准确率,并且通过该方法提取到面貌特征后,可以方便的进行复原面貌检索。(3)针对现有复原面貌检索方法存在检索效率低,检索精度差等问题,本文设计并实现了一种基于深度神经网络的复原面貌检索方法,将复原面貌检索的TOP1准确率提升至99.57%。首先,构建复原面貌与人脸照片数据集;然后,使用一个加权融合的卷积神经网络对复原面貌和人脸照片进行特征提取,将提取到的人脸特征向量输入到伪孪生神经网络中进行进一步的特征提取,最后使用K近邻(K-Nearest Neighbors,KNN)的方法检索到与复原面貌最相似的人脸照片。实验结果表明,该方法能够有效提高复原面貌检索的准确率,与传统方法相比,检索效率和精度都有所提高。本文针对颅骨和复原面貌检索问题提出了相应的改进算法,这些算法能有效提取出颅面数据的深度特征,提升了颅骨检索和复原面貌检索的准确率。该研究结合了法医人类学领域和刑侦领域的实际应用需求,不仅能够为颅面复原技术提供可靠的数据支撑,还为寻找失踪人口和鉴定颅骨身源信息提供了积极的帮助。