基于卷积神经网络的钳剪工具痕迹识别

摘要：

钳剪工具痕迹识别对法庭审判和侦查破案有着重要的参考价值,是物证分析识别的重要组成部分.针对该类工具存在种类繁多,现场痕迹复杂多样的特点,提出了一种基于卷积神经网络识别的钳剪痕迹分析方法.使用断线钳、线缆钳等10类常用钳剪工具,采集制作了300枚钳剪样本,在此基础上对特征区域进行录制,共200余段视频,提取钳剪痕迹特征图像共120000张.提出TpsNet,以钳剪断头的侧面图片为识别分类对象,通过图片的分类实现对钳剪痕迹的分析识别.结果表明,TpsNet模型在钳剪痕迹数据集上的分类精度达到97.56％,可作为钳剪痕迹分析与识别的重要依据.

关键词：工具痕迹、卷积神经网络、深度学习、特征分类

所属期刊栏目：19

分类号：TP393.03(计算技术、计算机技术)

资助基金：中国人民公安大学基本科研业务费2018JKF219国家自然科学基金61503387

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：227-232