车辆视频传感器的数字法医分析:仪表盘摄像头作为一个案例
Yousef-Awwad Daraghmi1, Ibrahim Shawahna2
1Computer Systems Engineering Department, Palestine Technical University-Kadoorie, Tulkarem P305, Palestine.
Sensors (Basel, Switzerland)
|September 9, 2023
概括
这项研究引入了一个新的Dashcam取证框架,该框架使用光学字符识别 (OCR) 和语音到文本来提取时间,速度和GPS数据等关键证据. 该框架通过沿着车辆路线绘制证据来帮助调查.
科学领域:
- 数字法医学数字法医学
- 计算机视觉 计算机视觉
- 自然语言处理自然语言处理.
背景情况:
- 仪表盘越来越多地被用作车辆中的视频传感器.
- 现有的Dashcam播放器和数字法医工具与元数据提取和法庭可接受性作斗争.
- 需要专门的工具来有效地分析Dashcam视频证据.
研究的目的:
- 提出一个新的Dashcam取证框架,用于提取证据数据.
- 通过精确的文本和语音识别来增强Dashcam视频的分析.
- 将空间和时间证据与全面调查的映射相结合.
主要方法:
- 开发了一个使用精确光学字符识别 (OCR) 来提取文本 (时间,日期,速度,GPS) 的框架.
- 集成的语音到文本转换用于分析听觉证据 (车道偏离,碰撞警告).
- 评估了Tesseract OCR和谷歌语音到文本API,以及Mozilla DeepSpeech的准确性和离线功能.
主要成果:
- 确定了Tesseract作为最准确的OCR方法用于Dashcam视频文本.
- 确定谷歌语音到文本API非常准确,Mozilla DeepSpeech作为一个可行的离线替代方案.
- 与Belkasoft等工具相比,拟议的框架显示出更高的有效性,允许自动分析和与地图相关的报告.
结论:
- 开发的Dashcam取证框架显著改善了视频和音频证据的提取和分析.
- 该框架在空间和时间上绘制证据的能力提供了一个更有效的调查工具.
- 这项研究为在法律和法医背景下处理Dashcam证据提供了强大的解决方案.
