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 > 12.3智能串并案的实现策略与方案 > 12.3智能串并案的实现策略与方案
同学们大家好
今天我们继续讲授
刑侦案件的智能串并
这节课是人工智能串并的第三节课
上一节课
我们已经看到了人工智能技术
在刑侦领域当中的成功应用
也分析到了
实现案件智能串并
存在的一些主要问题
这节课
我们将分析
实际数据的具体的特点
并根据这些特点
提出实现案件串并的策略和方案
案件之间
是存在着千丝万缕的联系的
这些重要的线索呢
都是我们实现案件串并的
条件和前提
如前面跟大家提到过的
比如说图1的关系人的分析图
它是可以分析犯罪嫌疑人的关系
社会地位
它自然就构成了这样的串并关系
图2所示的
人 案 地 物和组织间的相互关系
也称之为一种串并条件
那图3所示的盗窃案的分布图
也构成了我们串并的关系
大家可以从这三张图当中
发现什么呢
看到的是
它们都称之为串并条件
但是形式多样
标准不一
那么如何的选择
处理和存储
这些多模态条件
多模态数据
如何用计算机来计算
这些多模态数据的亲疏关系
这就将是我们解决这一问题的
首要问题
再来看第二个数据特点
我们研究了
公共安全领域当中的技术
绝大多数都是基于标签对比的
如图所示
这是一张案件的信息表
现有的技术
需要录入现场勘验信息
采集到的各类信息
如时间 地点 人物 过程等等
在后期的分析阶段
需要对比填写的标签
依赖这些后加工的辅助信息
才能完成信息的检索
但是
这些信息
是办案人员在短时间录入的
它的输入
会融入过多的人为因素
而且
标签的目类是非常有限的
这是一张有限的表格
那案件的表示方式 格式
就是一致的
那么对于异常信息
在这个数据表中的录入阶段
其实就丢失了
传统的方法
对于案件的档案管理是有效的
但是对于发现线索
用于破案的作用
就是非常有限的
所以我们要解决
案件的智能串并
就要考虑
如何的使得送入计算机的数据
能够很好的描述案件
这是我们要解决的
第二个关键问题
再来看第三个问题
我们也分析了
现有的现勘图像的自动分析技术
它们往往是基于宏观特征的
例如
现在数据库中检索一把匕首
那检索的结果往往返回的
是数据库当中所有匕首
例如图1所示
它们似乎都有非常类似的形状
但是这样的关联结果
对于数据的管理
是有意义的
发现新线索了吗
其实并没有
现勘图像中
最有价值的破案线索
往往是局部的异常信息
例如
这把匕首的特殊形状和残缺
类似的有
指纹图像的脊线
和交通工具的碰撞痕迹等
细节信息
那这些细节信息
在描述的过程当中
往往会被淹没
其次
实际场景当中的异常检测
是非常容易受到
这些外部的环境因素的影响的
更重要的是
每一个案件都千差万别
对象形形色色
被检测的目标
通常处于变化无常的背景当中
所以在这些
各色的异常当中
上述的这些异常信息
往往会被淹没
所以
我们第三个非常重要的关键技术
就是要解决
异常信息淹没的问题
细节信息丢失
对于我们案件的串并
将会起到致命性的作用
所以
以上几个问题
都是我们要亟待解决的关键问题
为了解决
现有串并案存在的一些方法
如上面的分析
我们根据这些方法的一些缺点
我们提出了这样一个研究方案
它分为以下四个模块
首先第一个模块
自然是要完成案件的串并
案件的串并其实是信息的关联
那么我们要完成的
自然就是案件到信息
信息到案件
关联的一个计算框架
那么第二个问题就是
那么关联什么呢
这就是项目实施的一个
关键性的元素
利用计算机的方法
实现信息化破案
首先就需要
将案件数据
数据化
那第三点
原始的现勘数据的处理
原始数据的多种模态
包括标签信息 自然光图像
视频 X光安检图像
如何的融合这些信息
度量这些多模态信息的相似度
这就是算法实现的核心问题
四
基于以上案件的表征方法
利用深度学习的网络
来学习案件的关联程度
最后实现的信息关联
实现案件的智能串并
每一个模块
都包含了很多的子问题
有一些
是模式识别领域当中的传统问题
但有一些却是新问题
为此
我们基于了深度学习介绍四种算法
来实现案件的智能串并
这四个方法
就如这里所示的四个模块
那这四个模块
分别具有以下这四种关系
它们的关系大家一起来看一下
关联图层的生成呢
它提供了案件之间的关联关系
是实现算法的一个基本框架
那这个基本框架要实施
首先要对数据进行各色的处理
因为我们获得的数据的动态范围
存储格式的模态
都存在着非常大的差别
然后
再将这些数据处理后的结果
进行数据化
也就是生成一个衍生层
它的目的
就是构成一个
各类信息同等相似度
同等特征空间下的一个表征
实现的即是案件的数据化
利用这些信息的对比
度量相似度
度量关系
然后实现呢
案件的关联
最后这些关联关系
可以实现从信息到案件的关联
最终就实现了我们串并
这就是我们
实现串并案的一个实施策略
那具体这些算法的细节
包含哪几个方面
下节课当中
我们将为大家详细展开
-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