Forensic Odontology: Automatic Identification of Persons Comparing Antemortem and Postmortem Panoramic Radiographs Using Computer Vision

Abstract

Purpose In forensic odontology the comparison between antemortem and postmortem panoramic radiographs (PRs) is a reliable method for person identification. The purpose of this study was to improve and automate identification of unknown people by comparison between antemortem and postmortem PR using computer vision.

Materials and Methods The study includes 43 467 PRs from 24 545 patients (46 % females/54 % males). All PRs were filtered and evaluated with Matlab R2014b including the toolboxes image processing and computer vision system. The matching process used the SURF feature to find the corresponding points between two PRs (unknown person and database entry) out of the whole database.

Results From 40 randomly selected persons, 34 persons (85 %) could be reliably identified by corresponding PR matching points between an already existing scan in the database and the most recent PR. The systematic matching yielded a maximum of 259 points for a successful identification between two different PRs of the same person and a maximum of 12 corresponding matching points for other non-identical persons in the database. Hence 12 matching points are the threshold for reliable assignment.

Conclusion Operating with an automatic PR system and computer vision could be a successful and reliable tool for identification purposes. The applied method distinguishes itself by virtue of its fast and reliable identification of persons by PR. This Identification method is suitable even if dental characteristics were removed or added in the past. The system seems to be robust for large amounts of data.

Key Points: 

• Computer vision allows an automated antemortem and postmortem comparison of panoramic radiographs (PRs) for person identification.

• The present method is able to find identical matching partners among huge datasets (big data) in a short computing time.

• The identification method is suitable even if dental characteristics were removed or added.

Citation Format

• Heinrich A, Güttler F, Wendt S et al. Forensic Odontology: Automatic Identification of Persons Comparing Antemortem and Postmortem Panoramic Radiographs Using Computer Vision. Fortschr Röntgenstr 2018; 190: 1152 – 1158

Zusammenfassung

Ziel In der forensischen Odontologie ist der Vergleich von Ante-mortem und Post-mortem Panorama-Röntgenaufnahmen (PR) eine zuverlässige Methode zur Personenidentifizierung. Das Ziel ist die automatische Identifizierung von unbekannten Personen mithilfe eines Vergleichs von Ante-mortem und Post-mortem PR unter Anwendung der Computer Vision.

Material und Methoden Die Studie umfasste 43 467 PR von 24 545 Personen (46 % Frauen/ 54 % Männer). Alle PR wurden mit Matlab R2014b, einschließlich der Toolboxen image processing und computer vision system, gefiltert und ausgewertet. Der Identifizierungsprozess verwendet die SURF-Funktion, um Übereinstimmungspunkte zwischen zwei PR (unbekannte Person und Datenbankeintrag) zu finden.

Ergebnisse Insgesamt konnten 34 von 40 Personen (85 %) aufgrund einer hohen Zahl von Übereinstimmungspunkten zwischen dem aktuellsten PR und einem Datenbankeintrag eindeutig identifiziert werden. Die maximale Zahl an Übereinstimmungen zwischen zwei PR betrug 259 Punkte für dieselbe Person und nur 12 Punkte für zwei verschiedene Individuen. Daher waren 12 Übereinstimmungspunkte die Schwelle für eine eindeutige Identifizierung.

Schlussfolgerung Die Anwendung eines automatischen, Computer-Vision-gestützten PR-Systems kann ein erfolgreiches und zuverlässiges Werkzeug zur Identifikation sein. Die angewandte Methode zeichnet sich durch eine schnelle und zuverlässige Identifizierung von Personen anhand von PR aus. Diese Identifikationsmethode ist für große Datenmengen robust und auch dann erfolgreich, wenn in der Vergangenheit Zahnmerkmale entfernt oder hinzugekommen sind.

Kernaussagen: 

• Zur Personenidentifizierung ist die Computer Vision für einen automatisierten Vergleich zwischen Ante-mortem und Post-mortem Panorama-Röntgenaufnahmen (PR) geeignet.

• Die beschriebene Methode ermöglicht die Identifizierung einer unbekannten Person durch Abgleich mit großen Datensätzen (Big Data) in kurzer Rechenzeit.

• Die Identifizierungsmethode ist auch dann geeignet, wenn Zahnmerkmale entfernt oder hinzugefügt wurden.

Key words

forensic odontology - panoramic radiographs - identification - computer vision - big data - postmortem orthopantomogram

• References

• 1 Wood R. Forensic aspects of maxillofacial radiology. Forensic Sci Int 2006; 159: S47-S55
• 2 Fuhrmann A, Schreiner U, Lockemann U. et al. Identifikation unbekannter Toter durch odontologische Untersuchungen. Rechtsmedizin 2001; 11: 37-41
• 3 Du Chesne A, Benthaus S, Teige K. et al. Post-mortem orthopantomography–an aid in screening for identification purposes. Int J Legal Med 2000; 113: 63-69
• 4 Dettmeyer RB, Schütz HF, Verhoff MA. Identifizierung. In: Rechtsmedizin. Berlin, Heidelberg: Springer; 2014: 249-256 . doi:10.1007/978-3-642-55022-5_16
• 5 Kirchhoff S, Fischer F, Lindemaier G. et al. Vergleichende Untersuchungen mit Dental-Computertomographie, Orthopantomographie und visuellem Zahnstatus in der forensischen Odontologie. Fortschr Röntgenstr 2008; 180: VO_211_212 . doi:10.1055/s-2008-1073502
• 6 Sonka M, Hlavac V, Boyle R. Image processing, analysis, and machine vision: Cengage Learning. 2014
• 7 Chen CH. Handbook of pattern recognition and computer vision: World Scientific. 2015
• 8 Nomir O, Abdel-Mottaleb M. A system for human identification from X-ray dental radiographs. Pattern Recognit 2005; 38: 1295-1305
• 9 Nomir O, Abdel-Mottaleb M. Hierarchical contour matching for dental X-ray radiographs. Pattern Recognit 2008; 41: 130-138
• 10 Nomir O, Abdel-Mottaleb M. Fusion of matching algorithms for human identification using dental X-ray radiographs. IEEE Trans Inf Forensics Security 2008; 3: 223-233
• 11 Lin PL, Lai YH, Huang PW. Dental biometrics: Human identification based on teeth and dental works in bitewing radiographs. Pattern Recognit 2012; 45: 934-946
• 12 Zhou J, Abdel-Mottaleb M. A content-based system for human identification based on bitewing dental X-ray images. Pattern Recognit 2005; 38: 2132-2142
• 13 Ølberg JV, Goodwin M. Automated Dental Identification with Lowest Cost Path-Based Teeth and Jaw Separation. Scandinavian Journal of Forensic Science 2016; 22: 44-56
• 14 Jain AK, Chen H. Matching of dental X-ray images for human identification. Pattern Recognit 2004; 37: 1519-1532
• 15 Hofer M, Marana AN. Dental biometrics: human identification based on dental work information. In: Computer Graphics and Image Processing. SIBGRAPI 2007 – XX Brazilian Symposium on: IEEE; 2007: 281-286
• 16 Forrest AS. Collection and recording of radiological information for forensic purposes. Aust Dent J 2012; 57: 24-32
• 17 Burger W, Burge MJ. Digitale Bildverarbeitung: Eine Algorithmische Einführung Mit Java. Springer-Verlag; 2009
• 18 Bay H, Ess A, Tuytelaars T. et al. Speeded-Up Robust Features (SURF). Comput Vis Image Underst 2008; 110: 346-359 . doi:http://dx.doi.org/10.1016/j.cviu.2007.09.014
• 19 Fischler MA, Bolles RC. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM 1981; 24: 381-395
• 20 Riepert T, Schweden F, Schild H. et al. Identifizierung unbekannter Leichen durch Röntgenbildvergleich. Fortschr Röntgenstr 1995; 162: 241-245 . doi:10.1055/s-2007-1015873
• 21 Tohnak S, Mehnert A, Mahoney M. et al. Synthesizing dental radiographs for human identification. J Dent Res 2007; 86: 1057-1062