摘要：对目前荧光粉末法指纹检测过程中现场勘查仪器的缺点进行了分析．设计了新的检测 系统．阐述了设计原理及各部分的设计依据,并给出了采集指纹的实验效果图．

摘要：基于深度学习的人脸身份认证由于使用便捷和用户体验好,成为我国当今最受欢迎的人工智能技术应用之一.人脸识别和认证系统必须确保所比对的人脸是真实人脸,否则输出的结果没有任何商业价值.位于系统前端的人脸欺诈检测也称活体检测是保障人脸识别和认证系统有效输出的关键.现有人脸欺诈检测算法虽然库内性能尚佳,但由于实验室训练环境无法完全模拟真实应用场景,造成源域和目标域的数据在分布上存在差异,导致跨库检测性能明显下降.尽管通过增加检测特征的种类和个数可以改善算法性能,但会导致检测网络构造复杂,模型变大,计算复杂度增加.为了改善算法的跨库检测性能并降低计算的复杂度,本文提出一种基于三维(3D)深度点云监督和置信度修正机制的人脸欺诈检测算法.主要贡献包括:设计了DenseBlockNet,仅用较浅层的DenseBlockNet网络即可提取真假人脸之间具有很好区分度的深度信息特征,模型小;将DenseBlockNet输出的二维深度图与采样点位置进行关联,构造三维深度点云,采用倒角损失函数监督预测的深度点云与实际点云标签之间的三维空间距离,同时还采用图二元交叉熵损失监督预测的深度图与深度图标签之间的差异;在3D深度点云预测模块中引入置信度修正机制,修正二分类误差,同时避免库内过拟合,提高算法的泛化能力.所提出方法与包括2种最新文献的8种典型算法在Replay-attack、CASIA-FASD、MSU-MFSD、Rose-Youtu、OULU-NPU等5个主流人脸欺诈检测数据库上进行了充分的对比实验,实验结果表明,所提出的算法在库内和跨库检测中均能保持半总错误率最低或次低,且模型最小,参数量最少,计算复杂度最低.

摘要：新型刑事案件已呈现多角度、多形式的高发态势,公安刑侦部门执法办案时因缺少相关专业知识和法规作指引而出现能力不足的问题,公安院校“刑事科学技术”课程应将新型刑事案件纳入日常教学。本文基于警务实战化,提出将案例-模块化教学法融入“刑事科学技术”课程中新型刑事案件的教学设计,为在公安院校实战化教学中融入相关教学内容提供建议和参考。

摘要：课程测试评价是衡量教学目标实现程度、控制教学质量的常规手段。结合文件检验学的特点和教学目标,分析现有文件检验学课程测试评价的缺陷,探讨并设计了课程过程性评价与课程终结性测试并重的课程测试评价新模式。

摘要：以工具痕迹学课程为视点,基于导学、实验实训和讨论三模块,构建公安技术课程163教学模式,文章阐述了该模式的设计理念和设计方案。围绕"知识、能力、素质"三方面,作者提出培养学生的学习力、创新力和素质潜力的教育观点。对该模式在教学实践中存在的不足提出了增加图片教学、建立师生交流平台、检查实验设计方案等措施。

摘要：大数据背景下实战化教学改革是顺应大数据发展趋势、符合“互联网+教育”高等教育时代背景的新时期任务。当前公安院校面临非刑事科学技术专业学生不能高效掌握刑事科学技术专业课程的问题,故对该部分授课内容进行实战化教学改革势在必行。依托大数据背景,以实战化教学改革为目标,改革专业课程的教学大纲,构建理论与实践高度融合的授课内容体系,为在公安院校非刑事科学技术专业学生开展“刑事科学技术—物证”课程实战化教学改革提供建议和参考。

摘要：目的针对高光条件下导致的视频人像模糊、细节缺失的情况,研究高光条件下的视频人像的处理方法,改善视频中高光人像的视觉效果。方法详细分析了高光条件下视频人像存在的问题,给出了高光视频人像处理流程图,阐述了普通监控拍摄模式下和红外监控模式下高光人像处理方法。具体处理方法 :在人像视频中挑取成像质量较好、光照影响较小、尺寸较大的关键帧图像,将人像剪裁出合适的尺寸。在空域内用曲线调节、伽马校正,在频域内用高通滤波、同态滤波等方法分别对彩色高光人像和灰度高光人像进行增强处理,然后进行人像重建、合成。结果面对高光人像细节丢失这种普遍情况,在对人像重建、合成前,对原始高光人像进行增强处理是有必要的。相对于直接对原始高光人像,先对人像进行高光抑制,再进行重建、合成处理效果更好。在处理方法上,频域内的高通滤波锐化加强效果更好。相对于彩色视频人像,红外视频人像丢失了色彩,在高通滤波前进行曲线调节或伽马校正是有必要的。在某些情况下,灰度图像的处理效果比彩色图像处理效果更好,将彩色图像转换为灰度图像然后再进行重建处理也是可行的方法。结论正确处理高光人像能够为视频侦查提供更准确线索,文中所提方法能够改善高光人像视觉效果。

摘要："公安视听技术"是新兴的二级学科,基础差、底子薄,其课程教学需积极引入新的教学模式以提高教学质量。协作学习模式是教师在教学过程中为达到一定教学目的,依据学生群体特征或行为方式,通过设置不同小组组织学习所实施的一种策略,通过重构教学资源,构建可视化平台以及建立反馈评价机制等手段,初步实现了协作学习模式下的教学改革目标。实践证明具有较好的教学实效。

摘要：利用奥博8000笔迹量化检验仪,分析写字机器人笔迹的墨迹压痕深度曲线、墨迹宽度曲线以及笔迹3D深度图,进行写字机器人笔迹鉴别实验研究。通过实验发现,写字机器人笔迹在不同字的相同笔画起收笔墨迹宽度、墨压痕方面的数据基本一致,笔画深度随着书写角度变化,固定角度笔画的深度基本一致,单向笔画的深度均匀无变化,折笔的转折处笔画深度的变化呈现一致性,此类力度变化与四导轨三电机写字机器人电机操控有关。

摘要：人脸反欺诈(Face anti-spoofing,FAS)在防止人脸识别系统遭受欺诈攻击方面起着至关重要的作用,得益于深度学习网络强大的特征提取能力,基于深度学习的FAS算法取得比基于传统手工特征算法更好的性能,成为近期的研究热点。尽管大多数基于深度学习的FAS算法能在库内达到很好的检测效果,但是跨库检测性能欠佳,主要原因是库内和库外数据往往在不同条件下采集,例如拍摄设备、环境光照和攻击呈现设备不同,导致库内和库外数据的分布不同,两者之间存在域位移。当训练数据的多样性不足时,容易在库内学习过程中过拟合,跨库泛化性能不好。尽管我们可以判断起因,然而在真实世界的应用过程中解决上述问题并不容易。一方面,人脸反欺诈模型难以收集所有场景下的有标签训练样本;另一方面,不同应用场景使得同一因素产生不同的影响,例如,不同场景的光照导致域位移,影响了分类模型对本质性欺诈纹理的提取。为此,本文将元伪标签引入人脸反欺诈任务,提出一种基于元伪标签的人脸反欺诈方法。主要贡献包括:第一,提出一种基于图像块的“教师生成伪标签,学生反馈”半监督学习框架,挖掘局部图像的高区分度特征,解决有标签样本不足的问题;第二,基于局部重力模式(Pattern of local gravitational force,PLGF),设计一种带有注意力模块的光照不变特征分支,抑制应用场景中最容易影响特征提取的光照因素;第三,将元学习与半监督学习框架相结合,优化教师生成伪标签的过程,提高算法的跨库检测能力。与现有流行算法相比,在三个公开的测试数据集(包括CASIA、Replay-Attack和MSU)上,所提出方法在库内测试和跨库测试下均有突出的表现,尤其是泛化性能得到显著提高。在样本数量中等时,在不同库中的半总错误率保持最低。