当前课程知识点：刑侦视频图像处理 > 第12章 刑侦案件智能串并 > 12.2实现智能串并案的机遇与挑战 > 12.2实现智能串并案的机遇与挑战
同学们
大家好
今天我们继续讲授
刑侦案件智能串并的内容
承接上一节课的内容呢
我们认识了什么是案件的智能串并
这节课我们来学习
案件智能串并的机遇和挑战
上节课我们看到了一个真实案例
时隔23年的女杀人犯劳某
在商场被抓
是谁识别出来了
这个犯罪嫌疑人的位置地点
以及身份信息呢
据报道
厦门警方是通过大数据研判
发现了嫌疑人的位置
最后得以实施抓捕
无独有偶
某逃犯
在某明星的演唱会上被识别出
这两个案例
都是大数据
和人工智能技术的成功应用
可以说
正是人工智能技术
发挥了它们的作用
也就是说
人工智能技术
已经成功的应用到了公共安全领域
我们反思
是否可以在案件的智能串并上
发挥作用
最为重要的就是人脸识别技术
这里所示的两个应用
密集人流中的人脸
与信息库当中的信息
进行对比和联系
在商场和机场上
都得到了非常成功的应用
大家可以看到
在人流非常密集的时候
我们成功地检测到了人脸的位置
并且能够进行信息的识别
特别是在人流密集的时候
依旧能够达到
识别率91%以上的高识别率
所以我们大家可以看到
在实例中
现有的人工智能技术
得到了非常成功的应用
成功之处我们认为有两点
第一就是在复杂背景下
人脸的目标提取
以及身份识别
那么对于我们的任务
案件的串并有哪些是可以借鉴的
案件的串并实质上
是信息的分类和检索问题
其核心是串并条件的确定
它类似于模式识别的特征提取问题
但又非常的不同
所以案件的智能串并
存在以下实际问题
首先第一条
现有的技术是基于标签对比的
如这里所示的一张
案件的卷宗信息表
现有的技术
是需要在
录入现场勘验采集到的
犯罪现场信息
后期进行分析
对对比的这些标签
依赖这些后加的辅助信息
才完成了信息的检索
但是这些信息是人工录入的
会融入过多的人为因素
而且
标签的分类是有限的
基于有限信息
发现新线索的能力
当然是有限的
所以选取的串并条件未经筛选
有的是确定性的条件
比如说DNA信息
有的却是不确定条件
比如说犯罪的一个地点范围
那么
我们就需要对串并结果的权值
进行分析
那么以前的研究
并没对这个信息进行强调处理
那么再来看第二个实际问题
多数基于现勘图像的自动分析技术
都是基于宏观特征的
比如说
现在数据库中存在着一把匕首
那么检索的结果
是将数据库中
所有的匕首都检索出来
如图1这里所示
那么我们可以看到的是
它们这些匕首
是具有相似的类似的形状的
这样的关联结果
对于数据的管理
它其实是具有非常重要的意义
但是对于
挖掘新线索没有任何意义
现勘图像当中
最有价值的破案线索
往往是一些局部的异常信息
例如匕首的特殊形状
以及残缺
或者是指纹图像当中的脊线
或者是交通工具碰撞痕迹等
细节信息
那这些呢
在我们现有的技术当中
都是没有办法实现的
再来看第三点问题
在实际场景当中的异常检测
非常容易受到环境因素的影响
重要的是
每一个案件的情况千差万别
所要检测的对象也形形色色
被检测的目标
通常处于一个变化无常的背景中
在所有影响异常检测的因素当中呢
主要有以下几个原因
首先最重要的就是
摄像头的这样一个设置的角度
它会影响
图像的拍摄角度和尺度的变化
另外就是因为光照的变化
那被检测的图像
会具有平移旋转等不同的差异
这些因素
都很有可能会影响异常的判别
最典型的例子
就是监控的鱼眼的镜头
以及残缺的指纹信息等等
都会非常的
在我们异常的判断过程当中忽略掉
也就是失去了异常信息的关键因素
这是我们讲到的第三点关键因素
第四点
随着犯罪
职业化 团伙化 流窜化的趋势
日益的显著
案件的时间跨度
和空间跨度都是非常大的
这就造成了案件数据
异常的庞大复杂
这些信息规模会从GB开始
不断向TB PB级别发展
这其中对于破案的有用的
异常事件的发生的频率
同大量的正常事件相比
仅仅是非常少的一部分
这些都是成功的人工智能技术
应用在串并当中的实际问题
如何一一解决
我们将在下一节课当中
提出一些解决方案
这节课就到这里
谢谢同学们
-1.1 绪论（上）
--1.1绪论（上）
-1.2 绪论（下）
-第1章测试
-2.1 光照不良图像增强处理（上）
-2.2 光照不良图像增强处理（下）
-第2章习题
-3.1图像超分辨率重建技术概述
-3.2基于插值的图像超分辨率重建
-3.3基于深度学习的图像超分辨率重建之神经网络
-3.4基于深度学习的图像超分辨率重建
-3.5基础知识介绍
-3.6压缩感知与超分辨率重建
-3.7基于压缩感知字典学习的超分方法
-第3章测试一
-第3章测试二
-4.1引言-什么是HDR图像
-4.2 概述-HDR图像处理的研究内容
-4.3HDR图像获取—多曝光融合
-4.4色调映射基础
-第4章测试题
-5.1图像水印技术概述
-5.2图像单水印技术
-5.3图像双水印技术
-第5章测试题
-6.1图像检索概述
-6.2词袋(BOW)特征描述
-6.3VLAD特征编码
-6.4PCA降维
--6.4PCA降维
-7.1 监控视频编码的作用
-7.2 监控视频编码的标准
-7.3 监控视频编码标准
-第7章测试
-8.1运动目标检测
-8.2运动目标跟踪
-第8章测试题
-9.1高光谱图像基础知识
-9.2高光谱图像的应用
-9.3高光谱图像处理
-第9章测试题
-10.1现勘足迹的基本知识
-10.2现勘足迹提取方法
-10.3结构光测量技术概况
-10.4结构光提取原理
-10.5现勘三维现场重建技术
-10.6基于二维图像的三维现场重建
-10.7基于深度信息的三维现场重建
-10.8应用案例
--10.8应用案例
-第10章测试题
-11.1研究背景与意义
-11.2图像预处理技术
-11.3基于LBP纹理的鞋印检索
-11.4基于SIFT特征的鞋印检索
-第11章测试题
-12.1什么是案件的智能串并？
-12.2实现智能串并案的机遇与挑战
-12.3智能串并案的实现策略与方案
-12.4真实案件智能串并的实现
-第12章测试题
-13.1刑侦模拟画像概述
-13.2 刑侦模拟画像计算机辅助系统
-13.3刑侦模拟画像计算机辅助系统：两维三维画像辅助
-第13章测试题
