颅骨性别、民族鉴定是指依据颅骨确认人的性别和所属民族。颅骨民族和性别鉴定属于法医人类学、考古学领域的热门研究课题,在侦破刑事案件、推进历史文化发掘、医学整容等方面也发挥着重要意义。颅骨三维模型不易获取且数据复杂,本文从降低计算量,提高判别准确率的角度分别针对颅骨民族和性别鉴定进行研究,主要的研究内容与方法创新有以下三个方面:1.基于颅骨形态特征及反向传播神经网络（Back Propagation Neural Network,BPNN）的民族鉴定根据颅骨形态特征的民族差异,提出颅骨环状边界提取算法,提取颅骨整体轮廓、眼睛及鼻子的边界信息作为特征向量,将其输入BPNN进行民族判别。首先采用[36:12:2]和[36:6:2]两种网络结构和不同的参数进行实验,并通过使用Adam算法和添加L2正则化项对网络进行优化,然后对比实验结果,选择出最优参数组合和网络结构,并且与多种分类方法进行对比,最终加入国外高加索人颅骨数据与汉族和维吾尔族进行三分类判别,以此来验证该方法的普适性。2.结合颅骨特征图像与卷积神经网络（Convolutional Neural Network,CNN）的民族鉴定计算颅骨三维模型的深度、曲率、仰角值,将三个值作为RGB图像的三个通道值生成颅骨特征图像。将该图像作为网络的输入,经过网络训练后可自动提取颅骨特征并进行判别,本文使用了五种经典卷积神经网络结构进行对比,结果表明VGGNet16性能更为优越,因此在该网络基础上通过调整参数对网络进行了优化,从而实现了自动化程度和判别准确率更高的民族判别方法。3.结合多视角颅骨信息与改进的Lenet5的性别判别相比于颅骨民族特征差异,颅骨性别特征差异相对较小。针对此问题,提出结合颅骨多视角特征进行性别鉴定的方法,将三维颅骨模型旋转后投影到二维平面,每个颅骨生成5张不同视角的特征图像,同时输入卷积神经网络。搭建多分支的网络结构,该网络包含5个分支且每个分支结构相同,可通过卷积获得不同视角的颅骨特征后将多个视角特征结合进行判别。分别对完整颅骨和不完整颅骨进行鉴定,实验中在不同学习率下对网络性能进行测试,并针对不完整颅骨,对下颌骨部位缺失的颅骨进行鉴定,充分证明了该方法的通用性。与常见的颅骨性别、民族判别方法相比,本文通过不同的颅骨表示方法,将其输入神经网络,在降低了计算量的同时,提高了准确率和自动化程度,更具有实际应用意义。