CN104484679A - 非制式枪射击弹头痕迹图像自动识别方法 - Google Patents

Abstract

本申请公开了一种非制式枪射击弹头痕迹图像自动识别方法，包括以下步骤：步骤1、将三维空间中的弹头痕迹转换成二维的弹头痕迹图像，作为待识别的图像；步骤2、对待识别的图像进行水平和垂直方向投影，分别生成特征feature1[y]、feature2[x]，其中，0≤y＜M，0≤x＜N，M和N分别为弹头痕迹图像的像素阵列的行数和列数；步骤3、将所述特征feature1[y]、feature2[x]与样本库中的K个样本的特征feature1[M_k]、feature2[N_k]，分别进行比对，其中k＝1、2、……K，生成对应于各个样本的K个相似度。

Description

非制式枪射击弹头痕迹图像自动识别方法

技术领域

本发明属于图像模式识别技术领域，涉及一种非制式枪射击弹头痕迹图像自动识别方法。

背景技术

非制式枪支是国内不法分子私自制造的枪支，国内目前对于非制式枪射击弹头痕迹的识别鉴定主要依靠专家人工比对，尚无规范的完整的计算机自动识别方法和系统。弹头痕迹的人工比对任务对专家的技术水平要求比较高，同时也会极大地耗费专家的精力；因此，研究基于图像模式识别技术的弹头痕迹图像计算机自动识别方法具有重要的实用价值。

非制式枪射击弹头痕迹图像自动识别，首先需要采集非制式枪射击弹头的痕迹图像，建立痕迹图像样本数据库，并提取描述图像痕迹的特征，构成样本特征数据库；每当有新的弹头痕迹图像需要识别鉴定时，自动识别系统将根据待查痕迹图像的特征，从样本数据库中识别检索出最匹配的少量嫌疑样本，供专家人工鉴定，极大地提高了识别鉴定速度和准确性，节省专家们宝贵时间和体力，加速涉枪案件的侦破。综上所述，研究开发非制式枪射击弹头痕迹识别技术对国内枪案的侦破是非常有意义的。

到目前为止，国际国内已经有比较成熟的制式枪射击弹痕图像自动识别技术和实用系统；非制式枪的制造过程不同于制式枪的制造过程，其射击出的弹头痕迹中，无明显的膛线标志，而膛线是制式枪射击弹头痕迹自动识别中非常重要的基准特征。国内目前尚无比较成熟的非制式枪射击弹头痕迹图像自动识别技术和系统，且由于“非制式枪”的制造是我们国内特有的情况，国际上并无与此相关(即解决非制式枪射击弹头痕迹图像识别)的研究成果发表。

发明内容

针对非制式枪射击弹头痕迹的特殊性和国内近年来涉枪案件不断增加的现实，本发明从技术上解决了非制式枪射击弹头痕迹图像计算机自动识别问题，设计了一种非制式枪射击弹头痕迹图像自动识别方法和系统，其基于弹头痕迹展平装置(参见我国著名痕迹专家崔道植教授的专利ZL200520021566.9，“弹头膛线痕迹展平装置”(下面称为专利文献1，并通过引用将其全部内容合并于此)，其能够制作出反映弹头痕迹的检测膜片)形成的痕迹膜片来采集痕迹图像，并进一步进行图像模式比对识别。

根据所采集的非制式枪射击弹头痕迹膜片图像的特点，本发明首先对痕迹膜片图像(待查询图像)进行预处理，消除膜片自身纹理对识别特征的影响；其次，提取描述图像痕迹的特征；最后，将待查询图像的痕迹特征与样本库图像的痕迹特征逐一进行比对，按照比对分数进行排序，得到匹配分数较高的前30幅图像，最后供专家进行人工鉴别。

根据本发明的实施例，提供了一种非制式枪射击弹头痕迹图像自动识别方法，包括以下步骤：步骤1、将三维空间中的弹头痕迹转换成二维的弹头痕迹图像，作为待识别的图像；步骤2、对待识别的图像进行水平和垂直方向投影，分别生成特征feature1[M]、feature2[N]，M和N分别为弹头痕迹图像的像素阵列的行数和列数；步骤3、将所述特征feature1[M]、feature2[N]与样本库中的K个样本的特征feature1[M_k]、feature2[N_k]，分别进行比对，其中k＝1、2、……K，生成对应于各个样本的K个相似度。

本发明的有益效果主要在于以下几个方面：非制式枪射击弹头痕迹识别技术，从根本上改变了以往涉枪案件发生后，专业人员在显微镜下长时间艰辛的查找比对工作；在显微镜下的人工比对借助显微镜每次只观察子弹的局部痕迹只见局部不见整体，全凭办案专家的经验和极好的记忆力来完成比对工作。而使用弹痕图像计算机自动识别系统检索子弹痕迹，首先将弹头的整周期痕迹以一幅宏观图像的形式展现在系统的显示器上，观察显示器上的完整痕迹图像自然比观察显微镜下的局部图像更适合人类的视觉系统识别；再加上办案专家只需要核查经过计算机筛选的少量嫌疑样本，其工作量的减少、办案速度的提高是不言而喻的。而提高涉枪案件的侦破率，对维护社会秩序具有重要意义。

附图说明

图1是根据本发明的实施例的非制式枪射击弹头痕迹图像识别方法的流程示意图。

具体实施方式

下面，结合附图对技术方案的实施作进一步的详细描述。

本领域的技术人员能够理解，尽管以下的说明涉及到有关本发明的实施例的很多技术细节，但这仅为用来说明本发明的原理的示例、而不意味着任何限制。本发明能够适用于不同于以下例举的技术细节之外的场合，只要它们不背离本发明的原理和精神即可。

另外，为了避免使本说明书的描述限于冗繁，在本说明书中的描述中，可能对可在现有技术资料中获得的部分技术细节进行了省略、简化、变通等处理，这对于本领域的技术人员来说是可以理解的，并且这不会影响本说明书的公开充分性。

下面参照图1来描述根据本发明的实施例的非制式枪射击弹头痕迹图像自动识别方法的原理。

根据本发明的实施例的非制式枪射击弹头痕迹图像自动识别方法主要包括以下步骤。

(1)图像采集

基于专利文献1的展平装置制作的弹头痕迹膜片，采集得到待查询图像。具体地，该展平装置将三维空间中的弹头痕迹转换成膜片上的二维痕迹，然后将膜片放入高分辨率扫描仪中，通过扫描仪扫描得到痕迹的二维数字图像，以便进行计算机图像模式识别。

(2)图像切割

对于扫描获得的数字图像，为减少无关内容的干扰，并节约存储空间，需要进行图像切割(可通过人工、或者自动剪切方式)，只保留数字图像中有弹头痕迹的部分。具体地，可通过保留弹头痕迹的外接矩形部分、而去除其余部分，将原始的数字图像剪切成较小的图像。

(3)图像预处理

为消除膜片自身纹理及细小擦痕的对比对识别的干扰，更好地提取描述图像痕迹的特征，对图像进行预处理，包括以下步骤：

步骤3-1.对图像进行水平方向增强，以滤除噪声干扰。具体地，设灰度图像为I(x，y)，(x，y)∈M×N，M和N分别为图像点阵的行数和列数；所使用的滤波器为h(u，v)，(u，v)∈U×V，U和V分别为滤波器窗口的横向和纵向大小；水平增强后的图像为g(x，y)，(x，y)∈M×N，则

$g(x,y)=\frac{1}{U\×V}{\mathrm{\Σ}}_{v=-\frac{V}{2}+1}^{V/2}{\mathrm{\Σ}}_{u=-\frac{U}{2}+1}^{U/2}I(x,y)h(u-x,v-y)---\left(1\right)$

步骤3-2.计算滤波后的图像g(x，y)的均值μ；

步骤3-3.计算差值平方图像f(x，y)，其大小为M×N，其中只计算大于均值μ的像素与均值μ的差值平方：

步骤3-4.将差值平方图像f(x，y)二值化为B(x，y)，其大小为M×N，

式中，th为二值化阈值。

(4)特征提取

根据非制式枪射击弹头痕迹的特点一痕迹明显且无膛线用于参考，本发明提取图像中痕迹的投影曲线作为各枚弹头痕迹的特征进行比对识别。为消除膜片自身纹理及细小擦痕的对比对识别的干扰，首先对痕迹图像进行了上述预处理，得到只包含重要痕迹的二值图像B。将二值图像B(x，y)，(x，y)∈M×N分别进行水平和垂直方向的投影，得到特征feature1[M]、feature2[N]，存储为痕迹图像的特征文件。此特征不仅包含了重要痕迹而且反映了痕迹之间的位置关系，这对于正确识别匹配图像起着关键的作用。feature1[M]、feature2[N]的计算如下式所示：

$\mathrm{feature}1\left[y\right]={\mathrm{\&Sigma;}}_{x=0}^{N-1}B(x,y)/\mathrm{255,0}\&le;y<M---\left(4\right)$

$\mathrm{feature}2\left[x\right]={\mathrm{\&Sigma;}}_{y=0}^{M-1}B(x,y)/\mathrm{255,0}\&le;x<N---\left(5\right)$

以上处理图像采集、预处理和特征提取步骤同样适用于样本库图像和查询图像，用于样本库图像，则构建了样本特征库，以便于进行痕迹图像查询比对。

(5)图像比对

对于样本库的图像，按照上述步骤(1)～(4)进行特征提取(需要在建库时进行)，存储特征文件，并在数据库中存储相关信息。

这样，可将待查询图像的特征与样本库中的样本特征进行比对。作为示例，下面说明图像比对的具体实现方法。

设查询图像的水平和垂直方向的投影特征分别为feature1_q[M]、feature2_q[N]，样本库中的k个样本对应特征为feature1_c[k][M_k]、feature2_c[k][N_k]，k＝1、2、……K，将对应特征分别进行比较，找出对应特征最匹配的位置，计算特征曲线在最匹配位置的相关系数(即，通过循环移位并计算相关系数，得到最大相关系数)，用相关系数(两个曲线的最大相关系数)评价特征的相似程度(两类特征的相关系数之和为比对痕迹的匹配分数)，表征了两枚痕迹的匹配度。特征曲线相关系数计算公式如下：

$\mathrm{\&gamma;}1=\frac{{\mathrm{\&Sigma;}}_{l=1}^L[{\mathrm{feature}1}_q\left(l\right)-{\mathrm{\&mu;}1}_q][{\mathrm{feature}1}_{\mathrm{ck}}\left(l\right)-{\mathrm{\&mu;}1}_{\mathrm{ck}}]}{\sqrt{{\mathrm{\&Sigma;}}_{l=1}^L{[{\mathrm{feature}1}_q\left(l\right)-{\mathrm{\&mu;}1}_q]}^2{\mathrm{\&Sigma;}}_{l=1}^L{[{\mathrm{feature}1}_{\mathrm{ck}}\left(l\right)-{\mathrm{\&mu;}1}_{\mathrm{ck}}]}^2}}---\left(6\right)$

$\mathrm{\&gamma;}2=\frac{{\mathrm{\&Sigma;}}_{l=1}^L[{\mathrm{feature}2}_q\left(l\right)-{\mathrm{\&mu;}2}_q][{\mathrm{feature}2}_{\mathrm{ck}}\left(l\right)-{\mathrm{\&mu;}2}_{\mathrm{ck}}]}{\sqrt{{\mathrm{\&Sigma;}}_{l=1}^L{[{\mathrm{feature}2}_q\left(l\right)-{\mathrm{\&mu;}2}_q]}^2{\mathrm{\&Sigma;}}_{l=1}^L{[{\mathrm{feature}2}_{\mathrm{ck}}\left(l\right)-{\mathrm{\&mu;}2}_{\mathrm{ck}}]}^2}}---\left(7\right)$

式中，γ1表示待查询图像的水平投影特征feature1_q与样本库第k个痕迹的水平投影特征feature1_ck的相关系数，γ2表示待查询图像的垂直投影特征feature2_q与样本库第k个痕迹的垂直投影特征feature2_ck的相关系数，μ1_q和μ1_ck分别是待查询图像和样本的水平投影特征曲线的均值，μ2_q和μ2_ck分别是待查询图像和样本的垂直投影特征曲线的均值，参与计算相关系数的点数为L个(L为可变参数)。在计算痕迹相似度时，分别以水平和垂直投影曲线代入式(6)、(7)即可。详细过程如下程序1所示(用伪码表示)。

输入：查询图像特征feature1_q[M]、feature2_q[N]及对应均值μ1_q和μ2_q、特征曲线长度len1_q、len2_q，样本库图像特征feature1_c[k][M_k]、feature2_c[k][N_k]及对应均值μ1[k]_c和μ2[k]_c、特征曲线长度len1[k]_c、len2[k]_c，k＝1，…，K，K为样本库中参与比较的样本数目，K＞＞30。

输出：相似度分数排序数组scoreArray[30]及匹配库样本idArray[30]。

(6)专家鉴定

根据在步骤(5)中得到的相似度，将样本库中的样本按照匹配分数由高到低排序，将匹配分数最高的前几个样本(例如，前30个样本)作为候选结果提供给专家，以进行与待查询的弹痕图像的人工比对，从而鉴定出最匹配的弹痕图像。

本发明的方法是目前国内对于非制式枪射击弹头痕迹最为系统和有效的计算机自动识别技术，已经在相关鉴定机构的测试中取得了良好的结果。

综上所述，本领域的技术人员能够理解，对本发明的上述实施例能够做出各种修改、变型、以及替换，其均落入如所附权利要求限定的本发明的保护范围。

Claims (8)

1.一种非制式枪射击弹头痕迹图像自动识别方法，包括以下步骤：

步骤1、将三维空间中的弹头痕迹转换成二维的弹头痕迹图像，作为待识别图像；

步骤2、对待识别图像进行水平和垂直方向投影，分别生成水平和垂直投影特征；

步骤3、将所述水平和垂直投影特征与样本库中的多个样本的水平和垂直投影分别进行比对，生成对应于各个样本的多个相似度。

2.根据权利要求1所述的非制式枪射击弹头痕迹图像自动识别方法，其中，所述步骤1包括：

通过弹痕展平装置，将三维空间中的弹头痕迹转换成膜片上的二维痕迹，对膜片上的二维痕迹进行扫描，得到所述二维的弹头痕迹图像。

3.根据权利要求2所述的非制式枪射击弹头痕迹图像自动识别方法，其中，所述步骤1还包括：

对所述二维的弹头痕迹图像进行剪切，只保留弹头痕迹的外接矩形部分、而去除其余部分，作为所述待识别图像。

4.根据权利要求1所述的非制式枪射击弹头痕迹图像自动识别方法，其中，在所述步骤1之后还包括以下图像预处理过程：

步骤12、设所述弹头痕迹图像I(x，y)，(x，y)∈M×N，使用滤波器h(u，v)，(u，v)∈U×V，根据以下公式对I(x，y)进行滤波，其中U和V分别为滤波器窗口的水平和垂直方向大小，滤波后得到图像为g(x，y)，(x，y)∈M×N，

$g(x,y)=\frac{1}{U\&times;V}{\mathrm{\&Sigma;}}_{v=-\frac{V}{2}+1}^{V/2}{\mathrm{\&Sigma;}}_{u=-\frac{U}{2}+1}^{U/2}I(x,y)h(u-x,v-y)---\left(1\right)$

步骤13、计算图像g(x，y)的均值μ；

步骤14、根据以下公式，计算g(x，y)的差值平方图像f(x，y)，其大小为M×N：

步骤15、根据以下公式，将差值平方图像f(x，y)二值化为二值图像B(x，y)，其大小为M×N，

式中，th为二值化阈值，所述二值图像B(x，y)用作所述步骤2中的待识别图像。

5.根据权利要求4所述的非制式枪射击弹头痕迹图像自动识别方法，在所述步骤3中，所述多个相似度分别为待识别图像的水平和垂直投影特征与各个所述样本的水平和垂直投影特征的相关系数之和。

6.根据权利要求5所述的非制式枪射击弹头痕迹图像自动识别方法，其中，所述步骤2包括：

步骤21、对二值图像B(x，y)，(x，y)∈M×N分别进行水平和垂直方向的投影，得到的水平和垂直投影特征feature1_q、feature2_q，其分别由以下公式中的feature1[y]、feature1[x]表示：

$\mathrm{feature}1\left[y\right]={\mathrm{\&Sigma;}}_{x=0}^{N-1}B(x,y)/\mathrm{255,0}\&le;y<M---\left(4\right)$

$\mathrm{feature}2\left[x\right]={\mathrm{\&Sigma;}}_{y=0}^{M-1}B(x,y)/\mathrm{255,0}\&le;x<N---\left(5\right)$

其中，所述样本库中的多个样本的水平和垂直投影特征feature1_ck、feature2_ck也是根据所述步骤1和2对多个样本进行处理而得到的。

7.根据权利要求6所述的非制式枪射击弹头痕迹图像自动识别方法，其中，通过以下公式计算所述相关系数：

$\mathrm{\&gamma;}1=\frac{{\mathrm{\&Sigma;}}_{l=1}^L[{\mathrm{feature}1}_q\left(l\right)-{\mathrm{\&mu;}1}_q][{\mathrm{feature}1}_{\mathrm{ck}}\left(l\right)-{\mathrm{\&mu;}1}_{\mathrm{ck}}]}{\sqrt{{\mathrm{\&Sigma;}}_{l=1}^L{[{\mathrm{feature}1}_q\left(l\right)-{\mathrm{\&mu;}1}_q]}^2{\mathrm{\&Sigma;}}_{l=1}^L{[{\mathrm{feature}1}_{\mathrm{ck}}\left(l\right)-{\mathrm{\&mu;}1}_{\mathrm{ck}}]}^2}}---\left(6\right)$

$\mathrm{\&gamma;}2=\frac{{\mathrm{\&Sigma;}}_{l=1}^L[{\mathrm{feature}2}_q\left(l\right)-{\mathrm{\&mu;}2}_q][{\mathrm{feature}2}_{\mathrm{ck}}\left(l\right)-{\mathrm{\&mu;}2}_{\mathrm{ck}}]}{\sqrt{{\mathrm{\&Sigma;}}_{l=1}^L{[{\mathrm{feature}2}_q\left(l\right)-{\mathrm{\&mu;}2}_q]}^2{\mathrm{\&Sigma;}}_{l=1}^L{[{\mathrm{feature}2}_{\mathrm{ck}}\left(l\right)-{\mathrm{\&mu;}2}_{\mathrm{ck}}]}^2}}---\left(7\right)$

式中，γ1表示待识别图像的水平投影特征feature1_q与样本库第k个痕迹的水平投影特征feature1_ck的相关系数，γ2表示待识别图像的垂直投影特征feature2_q与样本库第k个痕迹的垂直投影特征feature2_ck的相关系数，μ1_q和μ1_ck分别是待识别图像和样本的水平投影特征曲线的均值，μ2_q和μ2_ck分别是待识别图像和样本的垂直投影特征曲线的均值，参与计算相关系数的点数为L个。

8.根据权利要求1至7中的一个所述的非制式枪射击弹头痕迹图像自动识别方法，还包括：

步骤4、将K个样本之中的与待识别图像的相似度最高的前30个样本作为候选结果，进一步进行人工比对，从而鉴定出最匹配的弹痕图像。