APP下载

基于深度学习的赤足迹性别自动分析研究

2018-10-08史力民赵悦岑

中国刑警学院学报 2018年3期
关键词:特征实验分析

史力民 李 硕 赵悦岑

(中国刑事警察学院痕迹检验技术系 辽宁 沈阳 110035)

1 引言

足迹是犯罪现场遗留率、提取率最高的痕迹之一,在确定侦查方向和范围、刻画嫌疑人特征、串并各类案件等方面具有明显优势[1]。以足迹对犯罪嫌疑人性别进行的分析一直以来都是基于以往总结的专家经验知识,即利用男女性在行走过程中产生的赤足或鞋底结构形态特征、步态特征以及磨损特征的不同进行性别分析。对于穿鞋足迹的性别分析,往往根据鞋样式种类、鞋底花纹特征的男女性差异即可做出分析判断,而对于赤足足迹的性别分析,则是利用男女性赤足足型特征的差异来区分性别[2]。但随着近些年女性罪犯增多,对于在人群中占较大比例的160cm~175cm身高段男女性,他们的赤足迹在长、宽等特征中易出现特征交叉,特征区分不明显的情况,导致上述传统的赤足迹性别分析方法在目前的实践应用中分析准确率不高,分析效果不理想。

近年来,从图像识别、语音识别到自然语言处理、无人驾驶等领域,各类优秀的人工智能研究成果已纷纷落地应用,象征着计算机技术步入大数据、大计算、大决策的人工智能信息技术新时代。这也给足迹分析领域带来了一个全新的思路:利用深度学习[3]的方法对足迹图像进行自动分析识别。深度学习是人工智能下机器学习中一种基于对数据进行表征学习的方法,其不再需要人工对足迹特征进行提取、分析和判断,而是将特征提取过程、分析识别过程交由神经网络,摆脱了足迹分析过程对于以往专家经验知识的依赖,更有效地提取已知特征和发现潜在特征,达到对足迹图像完全自动化的分析识别。……

登录APP查看全文

猜你喜欢

特征实验分析
记一次有趣的实验
隐蔽失效适航要求符合性验证分析
如何表达“特征”
做个怪怪长实验
不忠诚的四个特征
电力系统不平衡分析
电力系统及其自动化发展趋势分析
NO与NO2相互转化实验的改进
实践十号上的19项实验
线性代数的应用特征