摘要：“监控+鞋印”是目前公安机关刑事侦查的重要技战法,其基本原理是依据犯罪现场鞋印推断嫌疑人所穿鞋型,然后到周边监控视频中检索嫌疑鞋型。针对“监控+鞋印”技战法自动化程度低下的问题,提出一种基于卷积神经网络的鞋型识别方法,实现对嫌疑鞋型的自动识别。根据鞋型识别独有特点,在DeepID的基础上设计卷积神经网络框架,并构建鞋型样本数据库(50双鞋型样本,共计160231幅图像)。运用Caffe框架结合不同网络模型对鞋型图像数据进行训练和测试,实验设计的初始网络结构由两层卷积、两层池化、两层全连接组成。实验比对了不同的第一层全连接层输出元素数目对网络性能与训练效率的影响,又在不改变输出特征图大小的情况下比对了不同网络深度的实验结果,在优化模型的基础上引用重叠池化得到实验最优网络模型。实验结果表明,卷积神经网络对于鞋型有很好的识别效果,识别精度值最高达96.06%,为鞋型识别提供了一种新的途径。

摘要：为进一步解决残缺、模糊鞋印的检索困难问题,设计一种使用全局与局部特征联合表达的特征提取网络.一方面,在全局特征分支上对多尺度的鞋印全局特征进行快速归一化加权融合,并对其所有输出分别计算损失;另一方面,在局部特征分支上利用分部特征提取(PCB)模块将鞋印特征图分为3个部分,分别提取3个部分的局部特征并计算其损失.在训练阶段,将全局特征分支与局部特征分支的所有损失相加进行联合表达;在测试阶段,将两分支拼接后的输出直接展平作为待检索鞋印的描述符,并将其与样本库鞋印描述符的余弦距离作为相似性评分.实验结果表明,所提方法大幅降低模型的参数量及计算成本,并在CSS-200、CS-Database和FID-300这3个鞋印数据集上取得较高的准确率,且在CSS-200和CS-Database(Dust)数据集上的top1%取得较好的准确率,分别为94.5%和95.45%.

摘要：随着人工智能技术的迅速发展与广泛应用,智能化勘查方法正成为刑事科学技术领域新的研究热点,而实现现场勘查照片自动识别与分类是智能化勘查的重要研究内容。面向公安机关实战应用需求,提出了一种基于卷积神经网络的现场勘查照片自动分类算法。基于真实案件照片,建立了现场勘查照片数据集,包含现场勘查照片13164张,负类照片4008张。根据现场勘查照片数据特性,设计了现场勘查照片分类网络(CriSNet),通过对卷积层增加归一化处理以及改进bottleneck模块,实现对现场勘查照片的精确分类。实验结果表明:CriSNet模型的分类精度优于基准网络1个百分点,具有较好的鲁棒性,同时在分辨率低、品质较差的情况下,仍能保持较好的分类性能。

摘要：目的探讨我国人身损害赔偿中的伤残评定技术标准问题,并提出改进建议。方法系统分析我国伤残评定技术标准的现状及问题,并与美国《永久性残损评定指南》(GEPI)、英国《人身伤害案件一般性赔偿金评估指南》(GAGD)比较。结果我国现阶段共有伤残评定标准6个,常用的3个,分属不同部门,存在重复制定,内容交叉、相互矛盾的情况。伤残等级采用十级分法,每个等级伤残率相差10%;伤残等级的确定为专家公议的结果,科学性略差。GEPI依据世界卫生组织制定的ICF标准研制,科学性强;无伤残等级概念,伤残值连续;各器官有不同权重,可综合计算;强调客观指征。GAGD直接给出伤残赔偿金额。结论我国伤残评定技术标准的建设须统一标准的管理部门,做好标准间的衔接;加强宏观设计,尽早确立标准体系表;推行技术标准的国际交流,修订标准时参考国外的理念与数据。

摘要：近年来,深度卷积神经网络应用于图像语义分割领域并取得了巨大成功。提出了一个基于RGB-D(彩色-深度)图像的场景语义分割网络;该网络通过融合多级RGB网络特征图和深度图网络特征图,有效提高了卷积神经网络语义分割的准确率。同时,利用带孔的卷积核设计了具有捷径恒等连接的空间金字塔结构来提取高层次特征的多尺度信息。在SUN RGB-D数据集上的测试结果显示,与其他state-of-the-art的语义分割网络结构相比,所提出的场景语义分割网络性能突出。

摘要：根据视频监控中行人所穿鞋的鞋型搜索犯罪嫌疑人是公安机关常用侦查技战法。然而在现实案件中很多视频监控分辨率较低,公安民警不能精确识别到具体鞋型,且消耗大量的时间和警力。针对这一问题,提出一种对低分辨率视频监控下的鞋类进行自动分类的方法。参考全国制鞋标准化技术委员会2017年制定的制鞋标准,初步将鞋类分为皮鞋和运动鞋两大类;构建鞋类数据库,包括59853幅皮鞋和47878幅运动鞋图像;进而基于卷积神经网络,设计一种适用于鞋类自动分类的鞋类识别网络模型。实验结果表明,鞋类自动分类模型在测试阶段对鞋分类的准确率达到了95.7%,可见基本能准确识别皮鞋和运动鞋两类鞋。

摘要：作为近年来偏振探测技术研究的新热点,焦平面分割型偏振探测器在增强目标与背景对比度和伪装目标识别方面具有明显效果。基于线列短波红外微偏振探测器,设计了一种以Jetson TX1为处理核心的成像系统。该系统主要包括控制模块和处理模块。其中,控制模块由探测器驱动板和FPGA控制板构成,用于实现探测器信号AD转换和图像信号usb传输等;处理模块采用Jetson TX1平台,用于实现图像信号usb接收、积分时间调节、非均匀性校正、偏振度计算以及GPU并行算法。开展了目标场景红外与偏振成像实验,获得了分辨率为500×268的红外图像和红外偏振图像。

摘要：为了提高公安机关处置涉爆案事件的理论水平与技术能力,基于氧平衡设计并配制了典型配方的硝铵炸药,开展了ARC量热分析,通过动力学计算,得到了自制硝铵炸药的T_(D24)、T_(NR)、T_(SADT)等特征参数。测试结果表明:硝酸铵/柴油/木粉体系硝铵炸药的绝热分解过程分为两个阶段,负氧平衡状态时的初始分解温度和绝热温升分别为140.2℃和3647.81℃,热稳定性最差;硝酸铵/柴油/铝粉体系较硝酸铵/柴油/木粉体系的初始分解温度略有上升,绝热温升明显增大,表现为稳定性稍高,爆炸性更强;负氧平衡状态时硝酸铵/柴油/木粉体系硝铵炸药的自加速分解温度为89.34℃,因自分解放热引发热失控,从而导致火灾、爆炸事故发生的可能性较大,应尽量避免硝铵炸药在负氧状态下的存储。

摘要：为进一步提高说话人识别的准确率,提出一种基于深度双向长短时记忆(long short-term memory,LSTM)网络的说话人识别方法,实现文本无关端到端的说话人身份识别。双向利用语音的序列数据,通过记忆单元,增强上下层之间的联系,提高对语音序列数据的分类能力。实验结果表明,在实验室环境下,对5 s时长的短语音,正确识别率达到97.92%,对噪声干扰具有良好的鲁棒性。该方法能学习语音序列信号特征,应用序列变化信息,可有效进行说话人识别。

摘要：提出了一种基于深度学习的语义分割网络。该网络通过多孔卷积设计了一个能提取图像多尺度信息的空间金字塔模块,并通过大量实验探索了空间金字塔模块中多孔采样率和多尺度分支对于网络场景解析能力的影响。讨论了网络训练中不同超参数对于网络性能的影响。在SUN RGB-D数据集上的测试结果显示,与其它state-of-the-art的语义分割网络相比,本文设计的网络性能突出。最后,还对基于红外图像的语义分割进行了初步探索。