相对于颅骨面貌复原方法,颅像重合能够依据颅骨和可疑照片的比对快速完成颅骨身份认证,是解决软组织无存、DNA无源的无名尸骨身份认证的主要手段。但是在实际应用中,人工确定可疑照片难度较高,需要大量刑侦调查资料支持。近年来,计算机辅助颅像重合成为颅骨身份认证的研究热点。本文针对传统计算机辅助颅像重合方法操作过程复杂、耗时且准确度不高的问题,提出了人脸与颅骨特征点快速标记方法和基于RBF（Radial basis function）神经网络的颅骨身份认证方法,提升了未知颅骨身份认证的效率和准确性。本文研究内容包括:（1）提出一种基于改进Dlib模型的人脸特征点标定方法。针对现有人脸特征点标记方法比较耗时的问题,使用Face Boxes方法对Dlib模型进行改进,首先使用Face Boxes对人脸照片进行快速检测,然后提取人脸区域和对应的检测框,将提取到的结果进行格式转换后使用Dlib模型完成特征点标记。实验表明,该方法效率较高。（2）提出一种基于模板和知识组合的颅骨特征点标定方法。针对颅骨特征点定位偏差过大的问题,通过不断迭代的方法获取颅骨模板,然后在模板上手工标记特征点,将待测颅骨与颅骨模板进行映射即可获取粗略标定的特征点,再结合颅骨的特征信息,使用k最近邻搜索完成特征点的细化操作。实验表明,该方法标注准确性高。（3）提出一种基于RBF神经网络的颅骨身份认证模型。针对现有的颅骨识别方法操作复杂、耗时较多的问题,在特征点标记的基础上提取新的颅骨身份认证指标:颅骨与人脸的四组区域特征（包括左、右眼,鼻子,嘴巴）和一组下颌线。使用CCA（Canonical Correlation Analysis）度量特征区域的相似度,使用Frechet距离算法衡量下颌线的相似度。最后根据五种认证指标构建基于RBF神经网络的颅骨识别模型,研究表明本文构建的颅骨识别模型操作简单且有较高的识别率。（4）设计实现基于RBF神经网络的颅骨身份识别原型系统。系统模块包括颅骨和照片的特征点标定、认证指标的提取和度量、构建RBF颅骨身份识别模型三大主要功能模块。测试表明,该原型系统能够实现基于颅像重合的快速身份认证。