刑事案件现场图自动分类算法

发布时间：2021-02-17 12:26

　　刑事案件现场图作为刑事案件现勘记录的重要组成部分,在法庭科学领域中发挥着重要作用,然而在公安实战中,现场图绘制不规范的情况仍然时有发生。基于此,提出一种基于卷积神经网络的现场图自动分类方法,实现对全国公安机关现场勘验信息系统（简称为现勘系统）中现场图的自动分类核查。首先,利用现勘系统中现场图构建刑事案件现场图数据集,包括64098幅现场图和作为负类的27162张现场照片;然后,在AlexNet的基础上引入Inception结构,提出适用于现场图分类问题的卷积神经网络结构XCTNet;最后,多维度展现XCTNet的性能,并提取出分类错误的图像。实验结果表明:XCTNet在参数量仅为AlexNet的10%的条件下,在测试集上的准确度达到了98.65%,相比较AlexNet提升了3.78个百分点,但对自绘方位示意图的识别精度仍需要进一步提高。 

【文章来源】：激光与光电子学进展. 2020,57(04)北大核心

【文章页数】：10 页

【部分图文】：

规范现场图。（a）现场平面示意图；（b）自绘方位示意图；（c）地图方位示意图

本研究中研究对象类别较少，其本质为四分类问题，且数据集中数据量较少，为了避免产生过拟合问题，需控制模型参数量以及网络深度，因此使用了经典网络结构AlexNet。AlexNet由5层卷积层和3层全连接层（FC）组成，使用ReLU函数作为激活函数，训练过程中引入神经元随机失活（dropout）以及局部响应归一化方法以避免过拟合，详细网络结构可参考文献[7]。本文提出的XCTNet（现场图网络）结构在AlexNet的基础上进行优化，减小了训练模型的参数规模，提升了现场图的分类精度。通过引入GoogleNet提出的含有卷积核大小为1×1卷积层的Inception结构、在全连接层前增加平均池化层以及减少全连接层的连接数等方式，在不影响识别精度的前提下，减少了模型参数量。网络结构如图2所示。该模型的输入数据为256×256×3的三通道刑事案件现场图像，整个神经网络由三层卷积层、三层池化层、四层Inception结构以及三层全连接层组成。其中，pool1层和pool2层为最大池化层，pool3层为平均池化层，平均池化方法主要是借鉴Lin等[18]提出的平均池化代替全连接层的思想。由于本文网络结构相对简单，直接使用平均池化层替代一层全连接层会对分类准确率产生较大影响，因此在本文网络结构中，在全连接层之前增加平均池化层，以降低输入全连接层的数据大小及连接数，从而减少模型参数量，并且通过控制全连接层输出数据的维度，大幅减少训练模型的参数量。

刑事案件现场图中包含很多敏感信息，属于涉密信息。针对现场图的研究主要集中在制图方法以及制图标准上，并未开展现场图自动分类的相关研究，缺少用于解决现场图自动分类问题的数据集。因此，首先需要建立一个刑事案件现场图数据集，为此在全国公安机关现场勘验信息系统数据库中，搜集了来自12个省级数据库中共101839张现场图，该图像均为现勘人员为记录真实案件现场而绘制并上传至现勘系统中的数据。但是，由于缺少必要的监管措施，该数据中含有大量不符合上文所述制图标准的现场图，并且不同种类的现场图数据也混杂在一起，因此对搜集到的现场图数据进行人工质量检查并制作了类别标签。经过人工筛选及分类，共得到21376张现场平面示意图，12506张自绘方位示意图，30216张地图方位示意图，总计64098张现场图数据。

【参考文献】：
期刊论文
[1]基于卷积神经网络的足跟着地事件检测算法[J]. 李卓容,王凯旋,何欣龙,糜忠良,唐云祁.  激光与光电子学进展. 2019(21)
[2]基于卷积神经网络和RGB-D图像的车辆检测算法[J]. 王得成,陈向宁,赵峰,孙浩燃.  激光与光电子学进展. 2019(18)
[3]基于卷积神经网络的鞋型识别方法[J]. 杨孟京,唐云祁,姜晓佳.  激光与光电子学进展. 2019(19)
[4]基于卷积神经网络的图像分类算法综述[J]. 杨真真,匡楠,范露,康彬.  信号处理. 2018(12)
[5]浅谈“一长四必制”对现场勘查的影响[J]. 周佩,盛善正.  产业与科技论坛. 2018(15)
[6]“一长四必”现场勘查新机制相关问题探究[J]. 王丽杰.  法制与经济. 2016(05)



本文编号：3037983