通过聚合深度神经网络嵌入,提高低质量的面部图像的证据价值

科学领域:

• 法医科学 法医科学 法医科学
• 计算机视觉 计算机视觉
• 生物识别信息 生物识别信息

背景情况:

• 法医面部比较通常使用质疑来源的图像,由于不受控制的环境,不均的照明和不合作的受试者,质量差.
• 低质量的图像可能会损害面部图像作为法庭诉讼中的证据的可靠性.
• 一个感兴趣的人的多个图像通常在法医案例工作中可用.

研究的目的:

• 通过从同一个人的多个图像中汇集深度神经网络嵌入来提高法医面部比较的性能.
• 调查来自不同图像的集成嵌入对面部比较准确性的影响,特别是在低质量的图像中.
• 开发和验证使用法医评估拟议的聚合方法的共同来源概率比率系统.

主要方法:

• 提出一种聚合技术,用于从同一人的多张面部图像中获得的深度神经网络嵌入.
• 实施质量加权聚合以进一步提高性能.
• 开发和验证基于聚合嵌入的共同源概率比率 (C_llr) 系统.

主要成果:

• 在法医面部比较中观察到显著的性能改善,特别是在低质量的图像中.
• 从更多的图像中聚合嵌入导致了进一步的性能提升.
• 质量加权聚合为比较准确性提供了额外的改进.
• 开发的C_llr系统在CCTV和社交媒体图像上都表现出更好的性能.

结论:

• 从多个图像中聚合深度神经网络嵌入是改善法医面部比较的有效策略.
• 拟议的方法大大提高了面部图像作为证据的价值,特别是在处理质量差或不受控制的源材料时.
• 该方法为法医评估提供了一个强大的解决方案,提高了概率比率系统的准确性和可靠性.