基于迁移学习的弹痕比对方法研究
发布时间：2021-04-05 19:04
随着扫黑除恶行动深入开展,缉枪治暴已经成为当前公安工作的重点任务之一,枪弹痕迹检验为侦破案件提供重要证据支撑,是打击涉枪犯罪的核心技术手段。传统的枪弹痕迹检验技术使用比对显微镜,通过二维图像比对、线条对接等方法检验弹头表面痕迹。该方法具有特征发现难、比对效率低、工作强度大、不能批量自动比对等缺陷。当前,已有一种采用细微痕迹三维形貌测量的技术和方法运用于枪弹痕迹检验鉴定业务,以高分辨率的3D点云数据和二维图像复合的方法重现弹头膛线痕迹的三维特征,不仅实现了枪弹痕迹的数字化归档,同时在基于“三维数据+二维图像”（3D+2D）的基础上快速认定痕迹特征相匹配的一对枪弹样本,达到认定作案枪支的目标。然而,基于三维形貌数据的枪弹痕迹比对仅仅是在痕迹特征的辨识依据、速度及效率上比传统的二维图像显微观测方法有显著提高,而对于多个枪弹物证样本与海量枪弹样本库识别和匹配时,需要一种全新的方法,在1:N、M:N（M:现场检材样本,N:海量的样本库）条件下识别、匹配时,快速筛查样本库,找到样本库中与现场检材相匹配的排序,以达到快速判别和认定疑似作案枪支、锁定犯罪嫌疑人的目标。卷积神经网络,具有局部感知和参数共...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
二维图像比对法流程
第二章传统弹痕比对识别方法研究综述4第二章传统弹痕比对识别方法研究综述传统弹痕比对方法主要包括：二维图像比对[1,2]、截面深度曲线比对法[3-9]、三维重建比对法[10-13]。2.1二维图像比对法二维图像比对法，是针对弹头二维灰度图像痕迹的比对，其使用相机等高精度图像采集设备采集的弹头痕迹作为比对的数据，采集结果示例，如图2.1所示。图中直线a、b之间的区域为膛线痕迹区，也是比对的重点区域。图2.1采集结果示例Fig.2.1Samplecollectionresults2.1.1基本原理与流程二维图像比对法一般由以下几个部分构成：弹痕图像采集、图像数据预处理、特征提娶相似度计算，最后分类识别。经过对使用该方法的文献[1,2]的分析总结，整理出具体流程，如图2.2所示。图2.2二维图像比对法流程Fig.2.22Dimagecomparisonmethodprocessab
安徽大学硕士学位论文5首先，分别采集档案库弹头和待识别弹头的痕迹图像，获得两组二维灰度图像数据；其次，对这两组数据分别进行预处理，包括：归一化、去除异常点、滤波处理等；再次，对处理过的数据用图像的特征提取方法提取其中有用信息，并对其降维，常用的特征提取方法有：Harris角点提取法[1,15]、形态学处理方法[2,17]等；再次，对提取出来的两组低维特征进行相似度计算，常用的相似度计算方法有：欧氏距离、曼哈顿距离、余弦相似度等；最后，用得到的相似度进行分类识别，设置阈值判断待比对的痕迹数据与档案库中的痕迹数据是否相似。2.1.2优点与存在的问题二维图像比对方法最大的优点是图像采集方便，采集成本低，使用普通拍照设备就可采集到图像数据，且二维图像的识别和处理方法较为成熟。但同时，该方法也存在一些问题：（1）在图像采集时易受到周围环境因素、采集设备质量的影响，影响比对的准确率，比对稳定性较差。（2）特征提取时依靠的灰度变化反映纹理信息，这会造成部分有效信息的丢失，影响比对准确率。2.2截面深度曲线比对法截面深度曲线法，是在不同弹头痕迹相对应的位置截取包含特征的一段或多段深度曲线，比较两者的曲线相似度。深度曲线示例，如图2.3所示，该图是采用“三维形貌测量仪”，根据一枚7.62mm口径弹头中的一条膛线痕迹面测量数据绘制而成的一个横向剖面深度曲线。图中横轴表示在同一截面采集的数据量，纵轴表示弹头表面的深度数据，其中0代表基准平面，即弹头上没有痕迹的光滑表面数据的平均值，图中a’与b’所在区域为痕迹所在区。图2.3弹头痕迹深度曲线Fig.2.3Thedepthcurveofbullettracea’b
【参考文献】：
期刊论文
[1]一种基于模拟退火算法改进的卷积神经网络[J]. 满凤环,陈秀宏,何佳佳. 微电子学与计算机. 2017(09)
[2]枪弹头痕迹自动比对方法的研究[J]. 邢瑞芳. 许昌学院学报. 2015(05)
[3]一种枪弹痕迹自动比对算法[J]. 韩毅,张双喜,谢昊原. 计算机仿真. 2013(03)
[4]采用三维形貌特征匹配的弹痕自动比对[J]. 李一芒,何昕,魏仲慧. 哈尔滨工程大学学报. 2013(03)
[5]加权相似度在枪弹头痕迹自动比对中的应用[J]. 张淑玲,张之红. 南昌教育学院学报. 2012(05)
[6]和声搜索算法研究进展[J]. 雍龙泉. 计算机系统应用. 2011(07)
[7]一种基于统计模型和时序分析的弹痕比对方法[J]. 贺力克,周华祥. 湖南师范大学自然科学学报. 2011(02)
[8]基于小波变换的枪弹头痕迹自动对比研究[J]. 劳菲,徐唯,陶静. 数学的实践与认识. 2010(15)
[9]基于图像处理的枪弹头痕迹自动匹配方法[J]. 杨春山,孔佑勇,姚兰. 数学的实践与认识. 2010(15)
[10]基于特征曲线和曲面匹配的弹痕自动比对方案[J]. 温惠,刘腾,翁海霞. 数学的实践与认识. 2010(15)
博士论文
[1]三维枪弹痕迹自动识别系统关键技术研究[D]. 凌剑勇.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
本文编号：3119933
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
二维图像比对法流程
第二章传统弹痕比对识别方法研究综述4第二章传统弹痕比对识别方法研究综述传统弹痕比对方法主要包括：二维图像比对[1,2]、截面深度曲线比对法[3-9]、三维重建比对法[10-13]。2.1二维图像比对法二维图像比对法，是针对弹头二维灰度图像痕迹的比对，其使用相机等高精度图像采集设备采集的弹头痕迹作为比对的数据，采集结果示例，如图2.1所示。图中直线a、b之间的区域为膛线痕迹区，也是比对的重点区域。图2.1采集结果示例Fig.2.1Samplecollectionresults2.1.1基本原理与流程二维图像比对法一般由以下几个部分构成：弹痕图像采集、图像数据预处理、特征提娶相似度计算，最后分类识别。经过对使用该方法的文献[1,2]的分析总结，整理出具体流程，如图2.2所示。图2.2二维图像比对法流程Fig.2.22Dimagecomparisonmethodprocessab
安徽大学硕士学位论文5首先，分别采集档案库弹头和待识别弹头的痕迹图像，获得两组二维灰度图像数据；其次，对这两组数据分别进行预处理，包括：归一化、去除异常点、滤波处理等；再次，对处理过的数据用图像的特征提取方法提取其中有用信息，并对其降维，常用的特征提取方法有：Harris角点提取法[1,15]、形态学处理方法[2,17]等；再次，对提取出来的两组低维特征进行相似度计算，常用的相似度计算方法有：欧氏距离、曼哈顿距离、余弦相似度等；最后，用得到的相似度进行分类识别，设置阈值判断待比对的痕迹数据与档案库中的痕迹数据是否相似。2.1.2优点与存在的问题二维图像比对方法最大的优点是图像采集方便，采集成本低，使用普通拍照设备就可采集到图像数据，且二维图像的识别和处理方法较为成熟。但同时，该方法也存在一些问题：（1）在图像采集时易受到周围环境因素、采集设备质量的影响，影响比对的准确率，比对稳定性较差。（2）特征提取时依靠的灰度变化反映纹理信息，这会造成部分有效信息的丢失，影响比对准确率。2.2截面深度曲线比对法截面深度曲线法，是在不同弹头痕迹相对应的位置截取包含特征的一段或多段深度曲线，比较两者的曲线相似度。深度曲线示例，如图2.3所示，该图是采用“三维形貌测量仪”，根据一枚7.62mm口径弹头中的一条膛线痕迹面测量数据绘制而成的一个横向剖面深度曲线。图中横轴表示在同一截面采集的数据量，纵轴表示弹头表面的深度数据，其中0代表基准平面，即弹头上没有痕迹的光滑表面数据的平均值，图中a’与b’所在区域为痕迹所在区。图2.3弹头痕迹深度曲线Fig.2.3Thedepthcurveofbullettracea’b
【参考文献】：
期刊论文
[1]一种基于模拟退火算法改进的卷积神经网络[J]. 满凤环,陈秀宏,何佳佳. 微电子学与计算机. 2017(09)
[2]枪弹头痕迹自动比对方法的研究[J]. 邢瑞芳. 许昌学院学报. 2015(05)
[3]一种枪弹痕迹自动比对算法[J]. 韩毅,张双喜,谢昊原. 计算机仿真. 2013(03)
[4]采用三维形貌特征匹配的弹痕自动比对[J]. 李一芒,何昕,魏仲慧. 哈尔滨工程大学学报. 2013(03)
[5]加权相似度在枪弹头痕迹自动比对中的应用[J]. 张淑玲,张之红. 南昌教育学院学报. 2012(05)
[6]和声搜索算法研究进展[J]. 雍龙泉. 计算机系统应用. 2011(07)
[7]一种基于统计模型和时序分析的弹痕比对方法[J]. 贺力克,周华祥. 湖南师范大学自然科学学报. 2011(02)
[8]基于小波变换的枪弹头痕迹自动对比研究[J]. 劳菲,徐唯,陶静. 数学的实践与认识. 2010(15)
[9]基于图像处理的枪弹头痕迹自动匹配方法[J]. 杨春山,孔佑勇,姚兰. 数学的实践与认识. 2010(15)
[10]基于特征曲线和曲面匹配的弹痕自动比对方案[J]. 温惠,刘腾,翁海霞. 数学的实践与认识. 2010(15)
博士论文
[1]三维枪弹痕迹自动识别系统关键技术研究[D]. 凌剑勇.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
本文编号：3119933
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3119933.html
最近更新
教材专著
