[發(fā)明專利]一種基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學習的槍彈痕跡相似度識別方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010345147.X
• 申請日: 2020-04-27
• 公開（公告）號: CN112381108A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計）人: 潘楠;沈鑫;錢俊兵;黎蘭豪崎;趙成俊;夏豐領(lǐng)
• 申請（專利權(quán)）人: 昆明理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京隆達恒晟知識產(chǎn)權(quán)代理有限公司 11899
• 代理人: 楊青

本發(fā)明公開了一種基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學習的槍彈痕跡相似度識別方法和系統(tǒng)，屬于刑事技術(shù)領(lǐng)域，所述的基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學習的槍彈痕跡相似度識別方法和系統(tǒng)包括痕跡特征提取映射步驟和圖卷積神經(jīng)網(wǎng)絡(luò)訓練及相似度識別兩個步驟，痕跡特征提取映射步驟用于提取槍彈痕跡，圖卷積神經(jīng)網(wǎng)絡(luò)訓練及相識度識別用于訓練痕跡模型以及對槍彈痕跡進行匹配識別。本發(fā)明通過公開上述兩個步驟，實現(xiàn)了槍彈痕跡的特征提取以及模型的訓練和識別，采用圖卷積神經(jīng)網(wǎng)絡(luò)進行訓練能夠提高識別的準確度。

技術(shù)領(lǐng)域

本發(fā)明屬于刑偵技術(shù)領(lǐng)域，更具體的說涉及一種基于圖卷積神經(jīng)網(wǎng)絡(luò)深度學 習的槍彈痕跡相似度識別方法和系統(tǒng)。

背景技術(shù)

槍彈膛線痕跡是指彈頭在擠進過程中，受到線膛內(nèi)表面的擠壓和剪切、刮擦 作用在披甲表面形成的凹陷條狀痕跡(線形痕跡)。由于槍管內(nèi)陰、陽膛線對彈 頭披甲擠壓力大小不同及陽膛線兩棱邊側(cè)面對披甲的剪切、刮擦作用，致使彈 頭披甲與陽膛線表面直接接觸的部位產(chǎn)生壓縮變形，而呈凹陷狀，從而明顯地 區(qū)別于陰膛線表面作用的部位。我國實行嚴格的槍支管控政策，對公務(wù)用槍進 行登記建檔管理，由于公務(wù)用槍數(shù)量巨大(普通地級市即數(shù)以萬計)。

相較于傳統(tǒng)通過顯微鏡觀察、人為比對形態(tài)特征的方式，近年來興起的圖像 識別及三維掃描技術(shù)，為膛線線形痕跡的損定量測試提供了一些新的解決方案

近年來，圖像處理和三維掃描技術(shù)被大量應(yīng)用于線形痕跡檢驗之中，然而現(xiàn) 場痕跡特征表現(xiàn)隨機、算法結(jié)構(gòu)復(fù)雜、文件體積較大等不利因素均對其實際應(yīng)用 潛力有較大影響，嚴重限制其實用價值。

發(fā)明內(nèi)容

本發(fā)明通過痕跡特征提取映射步驟和圖卷積神經(jīng)網(wǎng)絡(luò)訓練及相似度識別兩 個步驟，實現(xiàn)了槍彈痕跡的特征提取以及模型的訓練和識別，采用圖卷積神經(jīng)網(wǎng) 絡(luò)進行訓練能夠提高識別的準確度。

為了實現(xiàn)上述目的，本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：所述的基于圖卷積 神經(jīng)網(wǎng)絡(luò)深度學習的槍彈痕跡相似度識別方法和系統(tǒng)用于刑事偵查、槍彈痕跡檢 測以及其他需要進行痕跡比對的場景，所述的方法包括痕跡特征提取映射步驟和 圖卷積神經(jīng)網(wǎng)絡(luò)訓練及相似度識別兩個步驟。

優(yōu)選的，所述的痕跡特征提取映射步驟包括以下步驟：

S1：利用痕跡單點激光檢測裝置對待檢測線纜斷頭鉗切面痕跡進行單次橫向檢測，獲取一維離散化序列f(n),n＝0,1,...,N，N為采樣點數(shù)；

S2：對f(n)進行m層多尺度小波變換，變換得到不同時間尺度小波的分量：

其中，a_m為第m層近似數(shù)據(jù)，d_i為第i層的細節(jié)數(shù)據(jù)，尺度S＝2^m；

S3：設(shè)d_i的參數(shù)化輪廓曲線為β其中D是參數(shù)化的確定域， 為實數(shù)集，定義||·||為中的歐幾里得2范數(shù)，定義連續(xù)映射利用平方根速度函數(shù)定義β的形狀其中：

對于每一個均存在能夠通過q的平方根速度函數(shù)定義的β曲線， 此曲線通過獲得，隨后通過將β 曲線縮放至單位長度以實現(xiàn)尺度不變性。至此，輪廓曲線β被表示為在該預(yù)形狀 空間中的單位超球點x_i，等待映射入卷積神經(jīng)網(wǎng)絡(luò)的嵌入層；

S4：對所有M個線纜斷頭鉗切面檢測痕跡重復(fù)S11、S12步驟，獲取各自對應(yīng) 輪廓曲線映射單位超球點，從而形成樣本集合X＝{x₁,x₂,...x_N}。