基于卷积神经网络分析滴状血迹形态图像的实验研究

目的血迹形态识别是现场勘验的重要内容,血迹痕迹中不但包含了案件相关人员的生物物证信息,还包含运动轨迹、运动速度、出血点高度等关键信息。基于卷积神经网络分析滴状血迹形态照片,为滴状血痕现场分析重建提供重要依据。方法基于卷积神经网络的血迹形态识别方法与传统的人工特征提取识别不同,利用计算机模式识别方法对2400张血滴照片样本进行半监督学习,预测静态滴落血迹痕迹出血点的高度。结果利用模式识别的方法,对400个验证样本分类测试,利用caffe框架得出实验结果显示,正确分类率达到了96.75%。结论基于卷积神经网络分析滴状血迹形态图像的实验研究,大大提高了血迹形态识别准确率,为血迹形态识别提供一种新的技术方法补充。

圆形滴状血迹形态与血滴体积、撞击速度的相关性

目的观察不同体积的血滴以3种撞击速度垂直撞击3种不同介质形成的滴状血迹形态及大小，并探讨其相关性。方法将8种不同体积（14～115IxL）的抗凝猪m形成血滴，以3种不同的撞击速度（3．1～5．4m／s）分别垂直滴落于白纸、玻璃及釉面地砖上，观察形成血迹的形态特征，测量其直径，并采用SPSS13．0统计软件进行分析。结果在3种撞击速度条件下，在3种介质上形成的滴状血迹直径均随血滴体积的增加而增大，血迹直径与血滴体积存在较好的线性关系，可得出回归方程（回归模型R2〉0．85，P〈0．01）；介质表面越粗糙，血迹直径越小；仅在自纸上发现血迹边缘有突起形成，且其数目随血滴体积的增加而增多。撞击速度及血滴体积存在较好的多重线性关系，可得出多重回归方程（回归模型R2〉0．90，P〈0．01）。结论垂直撞击形成的血迹形态及大小与血滴体积、撞击速度具有显著的相关性，可望用于推测出血源位置、受伤体位及出血部位载体。