犯罪调查的潜在指纹质量评估:一个基准数据集和方法
概括
这项研究引入了一个新的数据集和深度学习模型,用于评估犯罪现场指纹质量. 开发的双分支指纹质量评估 (DB-FQA) 框架提高了法医生物识别中的识别准确性.
科学领域:
- 生物识别信息 生物识别信息
- 法医科学 法医科学 法医科学
- 计算机视觉 计算机视觉
背景情况:
- 自动指纹识别对于刑事调查至关重要,但受到低质量的犯罪现场指纹的阻碍.
- 有效的指纹质量评估 (FQA) 对于提高生物识别系统的可用性和准确性至关重要.
研究的目的:
- 引入犯罪现场指纹质量评估数据集 (CSFD-10k),这是用于法医指纹分析的最大数据集.
- 提出一种基于深度神经网络的双分支FQA (DB-FQA) 框架,用于增强指纹质量评估.
主要方法:
- 建立了CSFD-10k数据集,包含11,500张犯罪现场指纹图像,由警察标记.
- 开发了DB-FQA框架,集成图像级和边缘级功能,使用逻辑/线性运算符进行边缘图形转换.
- 使用多尺度自适应交叉功能融合 (MACF) 模块来融合功能并突出与质量相关的区域.
主要成果:
- 拟议的DB-FQA方法在广泛的实验中证明了其稳定性和优越性.
- 该框架有效地增强了的细节,并提高了低质量的指纹的识别准确性.
- CSFD-10k数据集和DB-FQA框架为法医指纹生物识别提供了重要的支持.
结论:
- 开发的DB-FQA框架为从具有挑战性的犯罪现场条件中评估指纹质量提供了重大进展.
- CSFD-10k数据集促进了法医指纹分析的进一步研究和开发.
- 这项工作提高了指纹生物识别在现实世界法医应用中的可靠性和准确性.
更多相关视频
07:22Standardized Method for Measuring Collection Efficiency from Wipe-sampling of Trace Explosives
Published on: April 10, 2017
10.0K
07:29HPLC Coupled with Chemical Fingerprinting for Multi-Pattern Recognition for Identifying the Authenticity of Clematidis Armandii Caulis
Published on: November 11, 2022
2.5K
