《Applied Sciences》：Digital Imaging Technologies for Forensic Orofacial Identification: A Systematic Review and Research Agenda
Sofia Viegas,
Rodrigo Azenha-Gomes,
Jo?o Abreu,
Tiago Nunes and
Ana Corte-Real
本系统综述对法医与法医学情境中用于人体识别的面部与牙齿二维（2D）和三维（3D）数字成像技术进行了批判性考察，并纳入了整合或未整合人工智能（AI）的应用。研究遵循PRISMA 2020指南，对Scopus、PubMed和Web of Science进行了系统检索，共识别出2011年至2025年间发表且符合预设纳入标准的26项研究，这些标准以PECO式研究问题为框架。18项研究聚焦面部成像，6项聚焦牙科成像，另有2项研究关注整合式口面部工作流程；所采用的技术包括数字摄影、闭路电视监控（CCTV）/视频、三维（3D）表面成像、口内扫描仪以及三维叠合方法，并在部分研究中结合经典算法与深度学习模型。在受控或半受控条件下，先进面部算法通常报告极高准确率，最高可达99.85%。相比之下，采用真实CCTV或其他具有挑战性的法医学图像的研究，其性能波动更大，准确率约为72.8%至96.6%。牙科与口面部研究显示，在小样本条件下，基于口内扫描数据的三维（3D）叠合可实现100%正确识别，而基于人工智能（AI）的自动化牙科识别准确率约为83%。尤为关键的是，为实现真正意义上的口面部整合路径，本综述提出了一个结构化研究议程，重点包括构建真实多模态数据库、标准化操作流程，以及实施概率性报告（似然比，LR），以指导未来验证研究与法律可采性评估。
1. Introduction
本文围绕法医个体识别中面部与牙齿数字成像技术的应用展开系统性梳理。研究指出，随着临床、安防和法医学环境中成像设备及软件的普及，口面部数字成像已成为法医身份识别的重要技术支撑。全文强调，该领域已由传统图像采集逐步转向融合人工智能（AI）的自动化分析，但其法庭证据价值仍受方法学和验证条件限制。
1.1. Digital Technologies
本节系统介绍了法医口面部识别中使用的主要数字技术路径。对于面部成像，数码单镜反光（DSLR）相机可在受控条件下获取高分辨率正面像与侧面像，适于专家进行定性比对和定量测量；闭路电视监控（CCTV）与监控视频则提供更贴近真实案件条件的图像来源，尽管分辨率较低、采集条件不稳定，但其输出分值可纳入贝叶斯似然比（LR）框架进行量化证据表达。三维（3D）表面扫描仪通过点云或多边形网格重建软组织表面，摄影测量系统则依赖多幅重叠二维（2D）照片与计算机视觉算法恢复头面部三维模型，多相机系统或旋转式采集装置还可用于快速生成法医“三维嫌疑照”。
在牙科与口面部领域，口内扫描仪（IOS）能够连续采集口腔内部重叠图像并拼接为牙弓及邻近软组织的精细三维模型。该技术具有可重复、无创等优势，可在生前（AM）阶段保存牙列数字记录，并与死后（PM）扫描或三维牙科照片扫描进行比对，从而连接临床牙科与法医牙科学实践。
在分析流程上，口面部数字识别通常始于相关解剖结构的自动检测和标志点定位，随后提取局部二值模式（LBP）、方向梯度直方图（HOG）、Gabor滤波器、测地距离图以及2D–3D比例指数等几何与纹理特征。后续建模方法从早期的主成分分析（PCA）神经网络和支持向量机（SVM），发展到深度卷积神经网络（CNN）及度量学习模型，用于非约束条件下或多模态情境中的识别任务，如近红外–可见光（NIR–VIS）面部匹配和面耳联合生物识别。对于三维牙科与口面部数据，通常需先对口内扫描和三维牙科照片扫描进行预处理，再采用迭代最近点（ICP）算法等配准方法完成叠合，并通过均方根（RMS）距离或基于曲率的表面差异量化AM/PM模型相似性，以建立区分匹配与不匹配的经验阈值。部分研究进一步将CNN和循环神经网络（RNN）整合入端到端流程，以生成可映射至校准似然比（LR）框架的数值相似度分值和误差指标。
1.2. Evidential Value and Current Challenges
本节指出，尽管技术迅速发展，但这些方法在真实法医场景中的证据能力仍不确定，原因在于大量系统仅在受控或半受控环境中获得验证。国际指南强调，法医面部比对须遵循分析、比较、评估与验证（ACE-V）等结构化程序，并在适当情形下采用似然比（LR）进行概率性解释。法医牙科学领域同样正朝向数字化流程转型，结合口内扫描、锥形束计算机断层成像（CBCT）和AI分析，但标准化、有效性验证及法律可采性依旧构成主要障碍。此外，这些技术问题还与更广泛的数字隐私和国际监管议题交织。
作者同时回顾了既有综述研究，指出现有文献多分别讨论面部或牙科证据，且多采用叙述性综述而非系统评价，因此缺乏跨口面部整体框架下的方法整合与批判性评估。
1.3. Scope of the Review
本节明确了本文的研究范围与目标。研究认为，有必要针对法医或法医学语境中的面部与牙齿二维（2D）和三维（3D）数字成像技术开展联合性的系统综合，并同时考察是否整合人工智能（AI）。研究目标包括：绘制成像模态及解剖学关注点分布；总结AI与计算方法及其报告性能；评估方法学质量、报告透明度与偏倚考虑；提出未来研究重点，尤其关注概率性报告、法律可采性及真实世界验证。该综述旨在通过整合面部、牙科及口面部联合工作流程的证据，为法医口面部数字识别的最佳实践与研究方向提供依据。
2. Materials and Methods
本文按照PRISMA规范实施系统综述，并已在PROSPERO注册。研究问题采用PECO框架构建，即研究对象为人类个体
（生者或死者），暴露因素为数字口面部成像技术及AI增强方法，对照为不同成像模态或工作流程，结局为个体识别或身份核验的方法及其性能。整体设计聚焦于法医与法医学场景中的面部和/或牙齿数字二维、三维成像。
2.1. Search Strategy
研究检索了Scopus、PubMed和Web of Science三大数据库，并在预检索基础上优化检索词。最终检索式围绕人工智能、身份识别、扫描/成像/照片、三维、面部/口腔及法医/法医学等核心概念构建，并根据不同数据库要求进行调整。所有结果导入Rayyan平台，由两名评审者独立进行题名摘要筛选与全文评估，冲突经讨论或第三评审者裁定解决。作者特别说明，为保持研究聚焦于法医识别交叉领域，检索中有意避免过度引入纯临床牙科或非司法生物识别文献。
2.2. Eligibility Criteria
纳入研究须同时满足以下条件：研究对象为具有人类面部和/或牙齿成像数据的个体；使用数字成像技术，如二维照片、视频、口内扫描仪、三维表面或体积扫描等；具有明确法医或法医学相关性；研究目的在于个体识别或身份核验；并且必须充分报告核心方法学要素，包括成像模态与设备、AI架构或分析方法、确切样本量以及定量性能指标。排除标准包括仅使用模拟或幻影数据、非口面部对象、综述或无原始数据文献，以及方法学描述不足以支持数据提取的研究。
2.3. Data Extraction
数据提取由两名评审者独立完成，采用预设结构化表格，记录题名、作者、年份、国家、解剖区域、成像模态、设备技术、AI或计算方法、研究类型、样本规模类别、统计性能指标、主要应用及报告的优势与局限。研究结果部分即建立在这一系统化提取基础之上。
2.4. Quality Assessment
纳入研究的方法学质量与报告完整性采用基于Joanna Briggs Institute（JBI）理念改编的核查表进行评估。由于研究设计高度异质，该评估更侧重报告完整性而非传统偏倚风险。评价项目涉及成像情境、样本描述、定量性能报告、方法和AI模型透明度、研究时效性、性能充分性、明确法医应用、AI/机器学习使用情况以及局限和优势说明等方面。研究按总分将文献划分为高、中、低质量，并指出该工具并非专门针对生物识别性能的成熟偏倚评估框架，这构成评价过程本身的局限。
3. Results
最终共纳入26项研究，发表时间分布于2011年至2025年，且2018年后明显增多，尤其是AI支持方法增长显著。18项研究聚焦面部，6项聚焦牙齿，2项明确采用面部与牙齿联合的口面部工作流程。研究设计以技术开发和实验性研究为主，样本规模从小型试点到大规模数据集不等。
3.1. Imaging Modalities and Anatomical Focus
面部研究覆盖二维静态图像、CCTV/视频、三维表面成像、摄影测量以及混合2D/3D面部测量与标志点分析，涉及从受控生物识别采集到复杂法医条件下的姿态变化、表情干扰、遮挡、低质量图像以及移民遗体AM/PM比对等多种应用情境。两项口面部研究将DSLR面部摄影与口内扫描结合，用于同时记录面容、微笑与牙弓，服务于法医或法律证据采集。牙科研究则主要依托口内扫描、石膏模型扫描及二维牙科图像，评估三维叠合、分割与自动分类在个体识别中的效能。
3.2. AI Methods and Performance in Facial Studies
面部研究显示出从经典模式识别向深度学习的演进。早期方法包括PCA与反向传播神经网络、LBP联合SVM与Gabor滤波，以及针对低质量图像的Viola–Jones、PCA、线性判别分析与LBP流水线。较新的研究引入深度架构和度量学习，例如多模态面耳识别中的混合距离度量加有向无环图支持向量机模型、用于NIR–VIS面部识别的Wasserstein卷积神经网络，以及基于MobileNetV2的面部属性分析模型。在受控条件下，这些方法常报告极高准确率，但在真实法医条件下，尤其是姿态变化、CCTV质量下降或复杂死后比对情境中，性能波动显著。部分研究还将自动面部识别分值纳入贝叶斯似然比（LR）框架，以增强输出结果的法庭解释性。
3.3. AI Methods and Performance in Dental and Orofacial Studies
牙科研究重点体现于三维牙列叠合与自动分类。若干研究采用基于熵相关性的ICP算法、曲率分析与三维配准策略，对完整上颌牙列、数字牙模或口内扫描数据实施AM/PM比较，显示在适当RMS阈值设定下可有效区分匹配与不匹配，部分小样本研究甚至报告100%正确识别。另一些研究则将LeNet型CNN、迁移学习、RNN与自适应角点检测等方法应用于口内图像或二维牙科图像分类与自动识别，取得较高精度。还有研究提出用于三维牙科照片扫描的软组织自动去除算法，以改进后续叠合预处理质量。两项联合工作流程研究则展示了在医院或尸体检验环境中，同时采集面部照片和口内扫描数据的可行性，表明同一套数字资料可兼顾临床、法律与法医比较用途。
3.4. Main Forensic Applications and Study Quality
综合来看，26项研究主要形成四类应用方向：法医面部检查与刑事识别；具有法医意义的生物识别监控与门禁控制；人道主义情境中的AM/PM面部比对；以及基于三维模型、微笑照片和自动牙科分析的数字牙科/口面部识别。质量评估结果显示，多数研究能够清楚描述成像场景、样本规模、核心方法及优缺点，约三分之二报告了准确率、误差率、RMS或组内相关系数（ICC）等定量指标。然而，由于研究设计、成像模态及统计指标高度异质，无法实施定量Meta分析；同时，在完全真实法医操作条件下完成验证的研究仍相对有限。
3.5. Key Studies and Forensic Implications
作者进一步强调，部分代表性研究对于法医实践转化具有特殊意义。面部方面，有研究将真实银行CCTV中的自动人脸识别分值嵌入贝叶斯似然比（LR）框架，将算法输出作为可量化证据而非简单二元判定工具；另有研究在移民死者AM/PM面部比对中展示了复杂人道主义场景下的应用潜力与局限。牙科方面，若干三维牙列叠合研究表明，数字牙模可作为严格几何结构进行比较，从而推动牙科识别由定性记录转向自动化或半自动化三维匹配。联合口面部工作流程研究则提示，广泛可得的临床设备即可支持高质量AM记录采集，并促进面部形态、微笑特征与牙列信息的一体化留存与后续分析。
4. Discussion
讨论部分指出，法医口面部识别已成为一个快速演进的技术领域，其中面部成像研究占主导地位，且方法上明显由手工特征转向深度学习与多模态整合。尽管如此，作者强调，算法在受控条件下的高准确率并不能直接外推到实际法医案件，尤其在缺乏专门生物识别偏倚评估框架时，应谨慎解释这些结果。因此，自动识别系统更适合作为结构化专家分析的辅助决策工具，而非替代人工判断。
4.1. Summary of Main Findings
本节总结了三项核心认识：其一，先进算法在控制良好的数据条件下可实现非常高的识别性能；其二，一旦进入姿态变化、低质量监控图像或复杂死后比对等真实法医条件，性能稳定性明显下降；其三，现代法医数字工作流程必须超越原始相似度分值，转向以贝叶斯似然比（LR）和定量阈值为基础的客观证据表达。
4.2. Technological Advances and Methodological Depth in Digital Orofacial Identification
作者在本节进一步概括了技术深度。面部识别领域中，传统PCA、SVM和LBP方法已逐渐被深度卷积神经网络（CNN）所取代，后者能够在复杂场景中学习更稳定的嵌入空间，并支持NIR–VIS匹配及多模态面耳识别。牙科领域则主要通过ICP、基于熵相关性的配准、RMS距离和曲率差异分析实现三维模型的高精度比较，并结合自动预处理与图像分类算法，推动口面部识别向高度自动化、多模态流程发展。
4.3. Regulatory and Legal Considerations for Human Identification
本节强调，AI驱动的成像技术必须嵌入既有法律与监管框架。用于身份识别的科学技术需满足Daubert或Frye等一般可采性标准，并符合FISWG、IOFOS和INTERPOL等专业规范。算法模型和三维采集流程不仅要在代表性法医数据集上完成正式验证，还应部署于认证实验室，并遵循严格的数据保护制度。作者尤其指出，从技术准确率走向法律可采性的关键桥梁在于概率性评价：通过将算法输出纳入贝叶斯LR框架，可使证据表达更符合司法语境，同时保持专家对结果权衡与不确定性解释的最终责任。
4.4. Research Agenda for Digital Orofacial Identification
作者提出了五个相互关联的未来研究方向。首先，应构建真实、异质且多中心的法医数据集，纳入低质量CCTV、非受控网络图像、死后材料、长AM/PM间隔及复杂牙科治疗史等情境，以增强外部效度。其次，应建立标准化采集、预处理和报告规范，明确硬件、软件版本、校准流程、配准参数以及AI训练/验证/测试划分，减少数据泄漏风险，并报告完整误差曲线而非单一准确率。第三，应推进概率性评价、分值校准与多模态融合，将面部、牙科及三维叠合系统输出统一转化为可校准的似然比（LR），并以法庭可理解的方式呈现。第四，应重视偏倚、公平性与包容性，系统报告年龄、性别、祖源等亚组性能，并评估公平性感知训练策略在口面部数据中的适用性。第五，应加强临床、法医与全球协同整合，通过前瞻性试点研究考察成本、可操作性、数据保护、自动化偏倚、观察者一致性和培训需求，同时关注低中收入地区的设备与资源障碍、跨学科协作、网络安全以及对不同文化背景下尸体完整性观念的尊重。
5. Conclusions
结论部分指出，该综述揭示了法医口面部数字识别的三方面核心事实：一是深度学习与三维配准技术在受控面部和牙科工作流程中展现出较高识别潜力；二是现阶段这些系统的证据权重仍受限于数据集狭窄、外部验证不足、公平性分析稀缺以及法律情境下概率报告不足等方法学短板；三是若要实现科学稳健性与法律可采性，未来研究必须优先发展真实多样的验证数据库、标准化操作流程、透明AI系统及稳健的似然比（LR）报告框架。
