现场勘验电子存储介质预检指标体系研究

为适应规范化勘查取证要求,加强现场提取至实验室送检过程中对电子数据存储介质性状的预判与掌握能力,加强物证原始性监督,分别通过必要性、适用性、可行性的论证,提出加强现场预检工作思路。从辨识属性、健康属性、数据属性三个层次构建预检指标体系,并根据介质特性,从硬盘与Flash芯片存储分别梳理出了现场勘验电子存储介质预检指标集。预检指标体系的建立必将促进勘查取证工作的规范化。

基于小样本学习的图像分类技术综述

图像分类的应用场景非常广泛,很多场景下难以收集到足够多的数据来训练模型,利用小样本学习进行图像分类可解决训练数据量小的问题.本文对近年来的小样本图像分类算法进行了详细综述,根据不同的建模方式,将现有算法分为卷积神经网络模型和图神经网络模型两大类,其中基于卷积神经网络模型的算法包括四种学习范式:迁移学习、元学习、对偶学习和贝叶斯学习;基于图神经网络模型的算法原本适用于非欧几里得结构数据,但有部分学者将其应用于解决小样本下欧几里得数据的图像分类任务,有关的研究成果目前相对较少.此外,本文汇总了现有文献中出现的数据集并通过实验结果对现有算法的性能进行了比较.最后,讨论了小样本图像分类技术的难点及未来研究趋势.

图像超分辨率技术的回顾与展望

图像超分辨率(SR)是计算机视觉中提高图像和视频分辨率的一类重要技术。近年来,得益于神经网络的成功,基于深度学习的图像超分辨率技术正在蓬勃发展,这无疑是超分辨率技术研究的主流方向。对超分辨率工作进行综述。首先,总结目前已有的超分辨率技术,根据其输入输出进行分类介绍;其次,将基于深度学习的单图像超分辨率技术分为有监督学习和无监督学习两类进行论述,并对部分具有代表性的最新超分辨率重建技术进行总结分类介绍;然后,讨论了超分辨率技术的相关问题,即性能评价指标、标准数据集,进而对几种典型算法进行实验对比;最后,对图像超分辨率算法未来的研究趋势进行展望。

三维点云数据压缩技术研究综述

点云作为一种新型的描述三维空间的数据类型,逐渐成为计算机视觉应用的研究热点。点云数据一般由激光雷达或三维立体相机获取,与传统二维图像相比,其需要处理的数据量呈指数倍增加,对数据的存储和传输提出了更高的挑战。通过归纳国际标准组织在点云压缩技术领域最新研究成果,分析对比各类压缩算法的特点,总结下一步研究需要解决的问题,探讨未来的研究方向和思路。

人脸去遮挡新技术研究综述

刑侦工作中,若犯罪嫌疑人的人脸图像存在遮挡,人脸特征点遭到破坏,精确去除遮挡区域成为提高人脸识别技术的重要一步。因此,人脸去遮挡有着重要的研究意义。对人脸去遮挡技术最新进展进行阐述,并基于2016年首次提出的基于深度学习图像修复算法,介绍从2017年至今学者们提出的各类人脸去遮挡融合算法。首先根据遮挡方式的不同将现有算法分类为随机遮挡和规则遮挡的人脸修复,接着根据算法中预测生成网络的不同,进一步分为基于卷积神经网络(CNN)和基于生成式对抗网络(GAN),并对各类融合算法从模型网络特点、优缺点以及适用场景进行分析,给出一些融合算法的选择建议,从网络结构和适用范围方面对比总结规则遮挡算法和随机遮挡算法。然后介绍并汇总常用的图像修复效果评价指标和数据集,通过列举各类修复算法的实验结果,提炼并分析其定量指标和视觉效果,说明了近年来的人脸去遮挡技术取得了较大的进展。最后结合现有算法和实际需求,从数据集、算法、评价指标等五方面指出人脸去遮挡技术的未来发展趋势。

深度学习在现勘图像分类中的应用

针对刑侦现勘图像分类的需求,研究了典型的卷积神经网络VGG网络和Res网络及其训练优化方法。分别使用VGG网络和Res网络执行图像分类任务,给出了网络搭建与训练的方法,并在刑侦现勘图库上进行了测试,结果表明,采用VGG网络和Res网络执行现勘图像分类,效果优于传统的方法。最后,引入金字塔池化层以改善图像特征的质量,分别对VGG网络和Res网络结构进行优化,测试结果证实优化后的网络分类准确率进一步提升。

轮胎花纹图像检索技术综述

轮胎花纹图像检索在交通事故处理及刑事案件侦破中是获取破案信息的重要手段,虽然基于内容的图像检索技术已发展数十年,但由于轮胎花纹图像数据的来源及应用场景特殊等因素,目前这方面的研究文献并不多。在研究近年来轮胎花纹图像检索领域相关文献的基础上,对该领域的技术现状进行总结分析。首先,围绕轮胎花纹纹理特征提取和高层语义特征提取两项关键技术描述了该领域的主要研究成果,并总结了轮胎花纹数据库以及检索性能评价指标。然后,分别针对轮胎花纹低层特征和高层特征提取进行实验对比并分析结果。最后,结合现有技术及实际应用需求,分析了该领域的技术发展趋势并指出了未来的研究方向。

基于深度学习的小目标检测研究与应用综述

目标检测在基于传统手工特征及深度学习算法上已经取得较大发展,然而针对小目标检测的研究近几年才开始出现,研究成果较少,且大都是在已有目标检测算法基础上进行改进,以提高小目标检测的检测精度.小目标像素点少,本身携带的特征少,多次下采样后就更难进行特征提取,因而小目标检测面临极大挑战.小目标检测在自动驾驶、遥感图像检测、刑侦等领域都有广泛应用需求,对于小目标检测技术的研究有重要的实用价值.本文对小目标检测的现有研究成果进行了详细综述.首先,将现有算法按照检测需要的阶段数分为一阶段、二阶段、多阶段,描述了RetinaNet、CornerNet-Lite、特征金字塔网络(Feature Pyramid Network,FPN)等算法的原理并进行了对比分析.其次,本文描述了小目标检测技术在不同领域的应用情况,并汇总了MS COCO、PASCAL VOC、DOTA、KITTI等数据集及算法性能评价指标.最后,总结了小目标检测面临的挑战,并展望了未来的研究方向.

区域信息驱动的多目标进化半监督模糊聚类图像分割算法

现有的多目标进化聚类算法应用于图像分割时,往往是在图像像素层面上进行聚类,运行时间过长,而且忽略了图像区域信息使得图像分割效果不太理想。为了提高多目标进化聚类算法的分割效果和时间效率,该文将图像区域信息与部分监督信息引入多目标进化聚类,提出图像区域信息驱动的多目标进化半监督模糊聚类图像分割算法。该算法首先利用超像素策略获得图像的区域信息,然后结合部分监督信息,设计融合区域信息和监督信息的适应度函数,接着通过多目标进化策略对多个适应度函数进行优化得到最优解集。最后构造融合区域信息与监督信息的最优解评价指标,实现从最优解集中选取一个最优解。实验结果表明:与已有多目标进化聚类算法相比,该算法不但分割效果有所提升,而且运行效率得以提高。

基于半监督信息的截集式可能性C-均值聚类算法

截集式可能性C-均值(C-PCM)聚类算法将截集概念引入可能性C-均值(PCM)聚类算法中,明显改善了PCM的聚类中心重合问题,并能够对噪声和奇异点的数据进行有效聚类,但该聚类算法对小目标数据聚类时仍然存在聚类中心偏移的问题。针对此问题,该文将半监督学习机制引入C-PCM的目标函数中,通过部分先验信息来指导聚类过程,提出半监督截集式可能性C-均值(SS-C-PCM)聚类算法。为了提高彩色图像的分割效率和分割准确率,将差分进化超像素(DES)算法获得的图像空间邻域信息融入SS-C-PCM目标函数中,并利用彩色直方图重构目标函数,以降低算法的计算复杂度,进而提出基于差分进化超像素的半监督截集式可能性C-均值(desSSC-PCM)聚类算法。通过人造数据和彩色图像分割的仿真并与多种相关算法进行对比,表明该文算法能够有效改善小目标数据的聚类效果,提高算法的执行效率。

多模态的情感分析技术综述

情感分析是指利用计算机自动分析确定人们所要表达的情感,其在人机交互和刑侦破案等领域都能发挥重大作用。深度学习和传统特征提取算法的进步为利用多种模态进行情感分析提供了条件。结合多种模态进行情感分析可以弥补单模态情感分析的不稳定性以及局限性等缺点,能够有效提高准确度。近年来,研究者多用面部表情信息、文本信息以及语音信息三种模态进行情感分析。主要从这三种模态对多模态情感分析技术进行综述:首先对多模态情感分析的基本概念以及研究现状进行简要介绍;其次总结了常用的多模态情感分析数据集;然后分别对现有的基于面部表情信息、文本信息和语音信息的单模态情感分析技术进行简要叙述;接下来详细介绍了模态融合技术,并依据不同的模态融合方式对多模态情感分析技术的现有成果进行重点描述;最后讨论了多模态情感分析存在的问题以及未来的发展方向。

图像信息驱动的抑制式粗糙模糊聚类分割算法

粗糙模糊聚类方法需要手动设置阈值确定粗糙聚类的上、下近似且对图像中的噪声较为敏感。为了减少人为干预,实现粗糙模糊聚类在图像分割中的深度应用,本文提出一种图像驱动的抑制式粗糙模糊聚类分割算法。方法中设计了基于超像素区域信息的自适应阈值策略,用于确定粗糙模糊聚类的上下近似,将图像空间信息引入到粗糙模糊聚类,构造了融合空间信息的粗糙模糊聚类目标函数,克服方法对于图像噪声的敏感性,此外,为进一步提升聚类性能,将模糊聚类中的抑制式学习思想引入到粗糙下近似集中像素的模糊隶属度的修正,实现了粗糙和模糊思想的深度融合。本文算法是更具混合智能机理的粗糙模糊聚类图像分割算法,实验结果表明了本文算法的有效性。

结合边缘信息和门卷积的人脸修复算法

针对任意形状遮挡下人脸修复,现有方法容易产生边缘模糊和恢复结果失真等问题。提出了一种结合边缘信息和门卷积的人脸修复算法。首先,通过先验人脸知识产生遮挡区域的边缘图,以约束人脸修复过程。其次,利用门卷积在部分像素缺失下的精确局部特征描述能力,设计面向图像修复的门卷积深度生成对抗网络(GAN)。该模型由边缘连接生成对抗网络和图像修复生成对抗网络两部分组成。边缘连接网络利用二值遮挡图和待修复图像及其边缘图的多源信息进行训练,实现对缺失边缘图像的自动补全和连接。图像修复网络以补全的边缘图为引导信息,联合遮挡图像进行缺失区域修复。实验结果表明:相比其他算法,该算法修复效果更好,其评价指标比当前基于深度学习的图像修复算法更优。

基于深度学习的面部修复技术综述

传统图像修复算法在修复区域涉及复杂非重复结构(如面部)时,不能准确捕捉到高级语义。近三年来基于深度学习的方法被应用于图像修复中,其修复结果的结构相似性较传统方法提高了10%以上。首先阐述了面部修复技术的研究发展历程,主要介绍了基于深度学习的面部修复算法,将其分为无监督和有监督两大类方法,在每一类中重点对近年来涌现的各种面部修复算法进行分析和总结;然后归纳了当前主流的六类图像数据集,以及算法性能评价指标;最后讨论了面部修复技术的未来研究方向。

关于二维码应用于物证溯源的适应性研究

二维码作为一种快速标识方法,被广泛应用于身份确认、物流溯源等领域,由于案事件现场物证封存、流转、保存场景特殊、要求严格,为了确认该技术方法能否适应物证溯源管理要求,专门开展了适应性研究,通过实验将现实应用场景可能遇到的问题逐一模拟,经过从制作、材料、打印、折损、耐久、安全等方面的实验证明,在现有技术、设备、材料基础上,二维码封条具备工程应用条件,从物证封存、流转现实场景分析,在实施、管理方面有较强适应性,因此二维码应用于物证溯源是可行可控的,将成为继条形码、RFID之后物证溯源管控重要的标识方法。

基于学习的图像超分辨率技术回顾与展望

围绕图像超分辨率重建技术,列举并总结了传统图像超分辨率重建方法的优点及其局限性。回顾了几种经典的基于学习的超分辨率方法,并分析对比了不同模型的特点及在不同数据集上的实验结果。最后,对图像超分辨率重建技术的未来发展趋势进行展望。

基于ROI的视频超分辨率的法庭科学应用（英文）

近年来,使用深度学习技术的超分辨率图像的质量和速度都有很大的提升。最新研究的重点是恢复普通图像的高分辨率的细节。由于感兴趣的目标在法庭科学应用中非常具体,本文提出了利用已知感兴趣目标有所认知的一种总体操作框架。所提出的基于ROI的视频超分辨率框架不仅十分有效,而且能够重建出高质量图像。实验结果显示,算法比传统的基于帧的方法平均快35%和提高0.44dB的图像质量。

显著信息引导的直觉空间模糊聚类图像分割

为克服直觉模糊C-均值(IFCM)聚类算法应用于图像分割时,易受噪声影响,且对聚类中心初始值敏感的缺陷,给出显著信息引导的直觉空间模糊聚类图像分割方法。使用图像的显著信息初始化聚类中心,能够很大程度地防止算法陷入局部最优;将改进的融合局部空间信息的模糊因子引入到IFCM聚类算法中,可提升算法的抗噪性能。实验结果表明所给方法能在多种含噪声图像上得到较好的分割效果。

现场勘验刀具图像特征描述与识别

针对人工录入现勘刀具图像耗时耗力、准确率低的问题,提出一种基于目标形状特征的现勘刀具图像识别算法。在分析现勘刀具图像特色数据基础上,总结现勘刀具图像的典型内容特性;利用基于结构森林的边缘检测和聚类的方法对目标定位和轮廓提取,再结合包含目标轮廓的最小外接矩形给出刀尖角度的计算方法,并与长宽比、矩形度、圆形度构建识别刀目标的形状特征向量,将该特征向量输入支持向量机建立二分类模型,实现对现勘刀具图像的识别。实验结果表明,该算法性能明显优于其他特征提取算法,且对现勘刀具图像识别准确率达到94.61%,可有效表征刀具图像的内容。

疑难电子数据修复方案库数据同步方法比较

根据业务数据主要特征,给出疑难电子数据修复方案库同步技术要求。分别将SQL SERVER数据库发布/订阅机制和PowerBuilder开发工具数据管道对照修复方案库同步技术要求进行比较,最终借鉴SQL SERVER发布/订阅思路,结合PowerBuilder开发工具数据管道优势,设计基于PowerBuilder开发的同步系统。对照修复方案库同步技术要求梳理得出,该系统可对所有源及目标数据库相关标识列、触发器,甚至数据库其他对象实现同步。