JP2011524031A - 薬莢ベースの自動領域セグメンテーションと薬莢比較用のベスト痕跡領域の選択の方法 - Google Patents
薬莢ベースの自動領域セグメンテーションと薬莢比較用のベスト痕跡領域の選択の方法 Download PDFInfo
- Publication number
- JP2011524031A JP2011524031A JP2011505625A JP2011505625A JP2011524031A JP 2011524031 A JP2011524031 A JP 2011524031A JP 2011505625 A JP2011505625 A JP 2011505625A JP 2011505625 A JP2011505625 A JP 2011505625A JP 2011524031 A JP2011524031 A JP 2011524031A
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- value
- circle
- surface height
- case base
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000011218 segmentation Effects 0.000 title abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000010304 firing Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims 2
- 230000001131 transforming effect Effects 0.000 claims 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000010219 correlation analysis Methods 0.000 description 4
- 239000002184 metal Substances 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 241000270295 Serpentes Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- VJFLMYRRJUWADI-UHFFFAOYSA-N (3alpha,16beta)-12-Ursene-3,16-diol Natural products C1CC(O)C(C)(C)C2CCC3(C)C4(C)CC(O)C5(C)CCC(C)C(C)C5C4=CCC3C21C VJFLMYRRJUWADI-UHFFFAOYSA-N 0.000 description 1
- VJFLMYRRJUWADI-DBHRHCOISA-N (3s,4ar,6ar,6bs,8r,8as,11r,12s,12as,14ar,14br)-4,4,6a,6b,8a,11,12,14b-octamethyl-2,3,4a,5,6,7,8,9,10,11,12,12a,14,14a-tetradecahydro-1h-picene-3,8-diol Chemical compound C1C[C@H](O)C(C)(C)[C@@H]2CC[C@@]3(C)[C@]4(C)C[C@@H](O)[C@@]5(C)CC[C@@H](C)[C@H](C)[C@H]5C4=CC[C@@H]3[C@]21C VJFLMYRRJUWADI-DBHRHCOISA-N 0.000 description 1
- 235000017899 Spathodea campanulata Nutrition 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 244000022203 blackseeded proso millet Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F42—AMMUNITION; BLASTING
- F42B—EXPLOSIVE CHARGES, e.g. FOR BLASTING, FIREWORKS, AMMUNITION
- F42B35/00—Testing or checking of ammunition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/66—Trinkets, e.g. shirt buttons or jewellery items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
- Processing Or Creating Images (AREA)
Abstract
犯罪学でぶつかる重要な問題の一つが、実包が火器から発射された後で、発射された薬莢に残る痕跡に基づいて薬莢の自動マッチングをうまく行うことである。この問題の解決で予想される手段の一つが、薬莢上に形成されるある領域のセグメンテーションである。本発明は、表面高さ行列情報を用いることによって、薬莢ベースのセグメンテーションを行う方法に関する。
Description
犯罪学でぶつかる重要な問題の一つが、実包が火器から発射された後で、発射された薬莢に残る痕跡に基づいて薬莢の自動マッチングをうまく行うことである。この問題の解決で予想される手段の一つが、薬莢上に形成されるある領域のセグメンテーションである。本発明は、表面高さ行列情報を用いることによって、薬莢ベースのセグメンテーションを行う方法に関する。
火器は、発射した実包の薬莢と弾丸の両方に残す。異なる弾丸又は薬莢上の特定の痕跡を比較することにより、これらの弾丸又は薬莢が同じ火器から発射されたかどうか決定することができる。よって、火器がこれらの薬莢や弾丸を発射した事件の間の関係を知ることができる。
マッチング処理では、特にこの目的のために基本的に設計及び製作された比較顕微鏡と呼ばれる機器が使用される。分析すべき対の薬莢又は弾丸が、この顕微鏡の関連部分に置かれて、これらの目的のために開発されたズームイン及びズームアウト、回転、シフト、光度及び角度の調整等の顕微鏡の能力を用いることにより、意図する画像が得られる。画像を分析する専門家は、比較されるこれらの２個の薬莢又は弾丸が同じ火器から発射されたどうかを決定することができる。
この目視比較は、専門家にとってもかなり時間のかかる作業である。既に開発された製品が入手できるけれども、この時間のかかる作業において少なくともある予備的な排除をすることによって専門家を助ける自動システムの開発は、犯罪学文献における重要な問題である。犯罪学文献では、この問題は、自動火器識別と呼ばれる。
自動火器識別の問題の解決には、多くの手段がある。まず第一に、必要なデータを適当にデジタル化すべきである。薬莢と弾丸上の痕跡の正確な入手は、それ自体別の問題である。この問題の解決には、２次元（２Ｄ）又は３次元（３Ｄ）情報型システムが使用される。データ収集問題についての文献の概要が、非特許文献１に記載されている。得られた痕跡の起こり得るマッチングを見付けるためには、成功を確実にする正確な特徴を選択すべきであり、このデータを迅速に比較すべきである。その目的は、適当な時間内に高い識別成功率を確保することにより、専門家の仕事量をできるだけ軽減することである。
実包では、金属構造物が、爆薬と弾丸を収容する共に雷管２の助けで発射を引き起こし、金属構造物の周囲は薬莢と呼ばれる。火器の撃針と呼ばれる針状金属部品が、雷管２を叩いて、雷管を発火させ、この発火が、内側の爆薬を爆発させることにより、実包が発射される。その間に、莫大な圧力と温度下で、薬莢が、後ろ向きの圧力で火器のトレイに当接する。この当接時の莫大な圧力と温度が、関連する物理的現象に従って、火器トレイ上の痕跡を薬莢ベース１に対して押印する。
同じ火器から発射された薬莢は、姉妹薬莢と呼ばれる。薬莢ベース１上では、弾道画像分析によって姉妹関係を決定する目的のために、基本的に３個の領域が調査される。これらは、雷管２、イジェクタ痕３と撃針痕４である。これらの領域は図１に示されている。
イジェクタは、発火が引き起こされて弾丸が銃身を通過した後、空薬莢を火器から排出する機構である。薬莢を火器から排出する各種の機構があるけれども、最も普及している方法は、イジェクタピンが、薬莢壁を叩いて薬莢壁を火器から排出するものである。イジェクタピンによって薬莢に残されたイジェクタ痕３は、姉妹を決定するのに使用される痕跡の一つである。
弾道画像分析によって姉妹関係を決定する時、分析される第２の領域は、撃針痕４の領域である。雷管２に対する撃針の出入中に残される痕跡が、姉妹薬莢の決定に使用される。
最後に、発射中に生じる高圧の結果として薬莢ベース１に残される痕跡が、姉妹薬莢の決定に使用される。ここで、図１に示すように、薬莢ベース１の上には、雷管２の外側（円１と２の間の領域）上の文字と特殊マークの存在が、分析を幾分より困難にする。よって、銃尾面痕を見るために、雷管２上の撃針痕４の外の領域が、最初に分析される。薬莢ベース１上で、弾道痕以外の製造関連マーク（文字、印刷物等）の存在が、マッチング処理を幾分複雑にする。ある型式の薬莢は異なる形状を有するけれども、薬莢は、一般に、図１に示す構造を有する。雷管２は、薬莢ベース１の外側部分と明白に異なる。更に、薬莢ベース１の雷管２の領域の外側には、マークと文字がある。
従来技術では、薬莢が薬莢データ記録ユニットで記録されている間に、薬莢上のある領域が、ユーザによってセグメント化される。例えば、チュビタク・ウザイ（TUBITAK UZAY）によって開発されたバリスティカ（BALISTIKA）システムは、このように動作する。このセグメンテーション処理の自動化は、迅速なデータ入力のために特に重要なステップである。更に、現在の従来技術では、文字とマークが、薬莢ベース１の上の雷管２の外側の領域に存在するので、これらの領域は、一般に、自動マッチング処理に使用されない。これらの文字とマークの検出及び消去と、マッチング処理での残りの領域の使用とが、自動マッチングの成功に積極的に貢献するだろう。
２Ｄデータに基づく薬莢ベース１の自動セグメンテーションを行う方法が、開発されてきた。それらの内の一つが、ファイアボール（Fireball）と呼ばれるシステムで動作するシステムである（非特許文献２）。２Ｄ薬莢画像のエッジマップが、キャニーエッジ検出法を用いることによって得られる（非特許文献３）。このエッジマップ上では、薬莢ベース１上の円が、楕円形の直接最小二乗適合法を用いることによって得られる（非特許文献４）。
別の研究（非特許文献５）では、最初に、最も外方の円である薬莢ベース１が見付けられる。円検出に使用されるハフ変換法（非特許文献６）が、薬莢ベース１の検出に使用される。イジェクタ痕３が、外方円領域でされる局所周波数スペクトルによって見付けられる。動的スネーク法（非特許文献７）が、撃針痕４領域の推定に使用される。
薬莢ベース１上の円と文字を検出するための別の研究（非特許文献８）において、ブレイン（Brein）は、各種の照明条件下（点、リング、拡散）で画像シリーズを使用した。ランダム化ハフ変換法（非特許文献９）が、円検出のために使用された。
３Ｄ薬莢データの自動セグメンテーション法も開発された（非特許文献８）。３Ｄ薬莢データが、デプスフロムフォーカス法によって収集される。３Ｄデータ上で実行される前処理に続いて、ランダム化ハフ変換法（非特許文献９）が、円を検出するのに使用される。文字も、３Ｄデータを用いて検出される。
U. Sakarya, U.M. Leloglu, E. Tunali, "Three-dimensional surface reconstruction for cartridge cases using photometric stereo", Forensic Science International, vol. 175, no. 2-3, pp. 209-217, 5 March 2008
D.G. Li, "Image processing for the positive identification of forensic ballistics specimens", Proceedings of the Sixth International Conference of Information Fusion, vol. 2, pp. 1494-1498, 2003
J. Canny, "A Computational Approach to Edge Detection", IEEE Transactions on Pattern Analysis and Machine Intelligence, pp. 679-698, 1986
A.W. Fitzgibbon, M. Pilu and R.B. Fischer, "Direct least squares fitting of ellipses", Proceedings of the 13th International Conference on Pattern Recognition, vol. 1, pp. 253-257, 25-29 Aug. 1996
J. Zhou, L. Xin, G. Rong ve D. Zang, "Algorithm of automatic cartridge indentification", Optical Engineering, vol. 40, no. 12, pp. 2860-2865, 2001
L.G. Minor ve J. Sklansky, "Detection and segmentation of blobs in infrared images", IEEE trans. SMC, vol. 11, pp. 194-201, 1981
C. Xu and J.L. Prince, "Snakes, shapes, and gradient vector flow", IEEE Trans. Image Process, vol. 7, no. 3, pp. 359-369, 1998
C. Brein, "Segmentation of cartridge cases based on illumination and focus series", Proceedings of SPIE, vol. 5685, Image and Video Communications and Processing 2005, Amir Said, John G. Apostolopoulos, Editors, pp. 228-238, March 2005
L. Xu, E. Oja and P. Kultanen, "A new curve detection method: Randomized Hough Transform (RHT)", Pattern Recognition Letters, vol. 11, no. 5, pp. 331-338, 1990
H.K. Yuen, J. Princen, J. Illingworth and J. Kittler, "Comparative study of Hough Transform methods for circle finding", Image and Vision Computing, vol. 8, no. 1, pp. 71-77, 1990
R.O. Duda and P.E. Hart, "Use of the Hough transformation to detect lines and curves in pictures", Communications of the ACM, vol. 15, no. 1, pp. 11-15, January 1972
D.H. Ballard, "Generalizing the Hough transform to detect arbitrary shapes", Pattern Recognition, vol. 13, no. 2, pp. 111-122, 1981
R.O. Duda, P.E. Hart, D.G. Stork, "Pattern Classification", 2nd ed., A Wiley-Interscience Publication, John Wiley & Sons, 2001
C.W. Therrien, "Discrete Random Signals and Statistical Signal Processing", Prentice Hall, 1992
上述したように、薬莢数の増加と共に、薬莢データの自動入力は、重大な問題になってきた。処理の自動化は、追加の要員の雇用の必要を無くすと共に、データ入力速度を増加する。更に、自動システムでは、オペレータがその処理に関わらないので、システムが、ユーザ独立性の特性を有する。このようなユーザ独立性システムの利点の一つは、これらのシステムが常に同じように動作するため、入力されたデータが、オペレータエラーを含まないことである。
更に、認識の成功の増加は、薬莢ベース１上の文字の十分なセグメンテーションと、自動比較処理において生じる悪影響の除去とを目指す。
本発明は、薬莢ベースの表面高さ行列に基づいてセグメンテーションを行うモデルベース法に関する。
方法は、以下のように要約される。先ず第１に、薬莢ベース１の中心が検出される。この中心により、表面高さ行列が極変換されて、極高さ行列が得られる。１次元信号が、極高さ行列に適用された半径軸上の平均値を計算することによって得られる。この信号は、半径に基づく平均高さ信号（ＡＨＳＢＲ）と呼ばれる。ＡＨＳＢＲ上で、円信号モデルに類似する領域が決定され、よって、円が検出される。最終的に、撃針痕４領域が、雷管２領域の表面高さ行列の閾値処理によって決定される。次に、薬莢ベース１上の文字が、傾斜行列を用いて検出される。
（中心検出モジュール１３）
薬莢ベース１の中心を見付けるために、薬莢ベース１の全体を含む表面高さ行列（ＳＨＭ）５が、最初に量子化６される。量子化されたデータに基づいて、ｘ方向とｙ方向において（（ｘ，ｙ，ｚ）は直交座標系であり、＋ｚ方向は高さを示す）、表面の偏導関数が取られる。これらの２個の導関数値の合力ベクトルが見付けられる。換言すれば、表面傾斜の大きさの値が得られる。行列上の各点に対して、ｘ方向とｙ方向に取られた偏導関数の結果の大きさ７が量子化８される。新しい行列が形成され、この行列上で、ＳＨＭ上の各点に対して計算された表面導関数の結果の大きさ値は、中心を見付けるために使用される行列の同じ座標要素に対応する。これらの重要な円、雷管円２８、雷管ポケットギャップ円２９と薬莢ベース円２７は、この行列上に明白に現れると予想される。換言すれば、これらの円の行列要素の値は、大いに高いと予想される。得られた行列はスムージングを受けて、円検出に備える。非特許文献１０に記載される２段階ハフ変換（２１ＨＴ）法１０と呼ばれる方法が、円検出に使用される。
薬莢ベース１の中心を見付けるために、薬莢ベース１の全体を含む表面高さ行列（ＳＨＭ）５が、最初に量子化６される。量子化されたデータに基づいて、ｘ方向とｙ方向において（（ｘ，ｙ，ｚ）は直交座標系であり、＋ｚ方向は高さを示す）、表面の偏導関数が取られる。これらの２個の導関数値の合力ベクトルが見付けられる。換言すれば、表面傾斜の大きさの値が得られる。行列上の各点に対して、ｘ方向とｙ方向に取られた偏導関数の結果の大きさ７が量子化８される。新しい行列が形成され、この行列上で、ＳＨＭ上の各点に対して計算された表面導関数の結果の大きさ値は、中心を見付けるために使用される行列の同じ座標要素に対応する。これらの重要な円、雷管円２８、雷管ポケットギャップ円２９と薬莢ベース円２７は、この行列上に明白に現れると予想される。換言すれば、これらの円の行列要素の値は、大いに高いと予想される。得られた行列はスムージングを受けて、円検出に備える。非特許文献１０に記載される２段階ハフ変換（２１ＨＴ）法１０と呼ばれる方法が、円検出に使用される。
ハフ変換法は、特許文献１に記載されている。円検出のためのパラメータ空間が、非特許文献１１に提案されている。非特許文献１２には、グレースケール画のある分析図形のハフ変換による検出が記載されている。これらの分析図形の一つが、円である。円検出にハフ変換を使用するいくつかの方法が、非特許文献１０に記載されている。２１ＨＴ法の実現についてのパラメータ情報が、オンライン上のオープンＣＶ（オープンソースコンピュータビジョン）ソフトウェアライブラリ（オンライン）の「ＣＶ参考マニュアル」内でタイトル「ハフ円」の下に記載されている。
ハフ変換を用いて実行される円検出処理は、次の通りである（非特許文献１０）。
中心（ａ，ｂ）と半径ｒを有する円の方程式は次の通りである。
（ｘ−ａ）２＋（ｙ−ｂ）２＝ｒ２
（ｘ−ａ）２＋（ｙ−ｂ）２＝ｒ２
画像内で、どのエッジ点（ｘ，ｙ）も円上に配置されている。点が円上に配置されているかどうかを理解するために、最初に、操作がハフ空間で行われる。ハフ空間は、円のための３個のパラメータａ、ｂとｒより成る。これらの３個のパラメータのあり得る量子化値が決定される。これらの値は、画像上のエッジ点から投票を受ける。円は、最大投票数を有する円パラメータから検出される。
操作メモリー空間と処理時間を減らすために、２１ＨＴ法は、問題を２段階に分割する。第１に、円中心（ａ，ｂ）が、２次元パラメータ空間で推定される。この中心によれば、円は、１次元パラメータ空間（ｒ）で推定される。
本発明では、２１ＨＴ法（１０）が、薬莢ベース１の中心の選択に使用される。これは、薬莢ベース１上に明白に配置された雷管円２８、雷管ポケットギャップ円２９と薬莢ベース円２７の３個の円が、近似的に同心であるからである。よって、２次元パラメータ空間（ａ，ｂ）において、これらの円の中心は、最大投票数を受けると期待される。その結果、最大投票数を受ける円中心を、薬莢ベース１の中心１１として受入れることができる。中心を見付けるのに使用される別の方策は、次の通りである。最大投票数を受ける円中心の選択に続いて、この円中心からある距離に配置されていない円中心は、それらのパラメータが大投票数を受けても、円中心として受入れられない。口径は既知であるので、薬莢ベース１が、画像（行列）をできるだけ覆うことを確実するように注意すべきである。換言すれば、薬莢ベース１は、殆ど全画像を占める。よって、検出された円中心において、画像中心に最も近い円中心が、薬莢ベース１の中心として受入れられる。いくつかの円が、２１ＨＴ法１０によって検出される。これらの検出された円の中心が、画像の中心に対するそれらの距離に応じてランク付けされる。画像中心に最も近い円中心が、薬莢ベース１の中心１１として受入れられる。
（円検出モジュール１９）
最初に、表面高さ行列５が、区間［０，１］において線形に正規化（１４）される。上記の方法によって検出された中心１２に基づいて、この正規化表面高さ行列が、極変換１５を受ける。直交座標系上に配置された点Ｐの値が、ｘ軸とｙ軸上で、夫々、ａとｂであるとする。中心Ｃ（ｘｃ，ｙｃ）により計算された極座標のｒ（半径）軸とｑ（角度）軸上の点Ｐの夫々の位置である値ｃとｄは、次のように見付けられる。
最初に、表面高さ行列５が、区間［０，１］において線形に正規化（１４）される。上記の方法によって検出された中心１２に基づいて、この正規化表面高さ行列が、極変換１５を受ける。直交座標系上に配置された点Ｐの値が、ｘ軸とｙ軸上で、夫々、ａとｂであるとする。中心Ｃ（ｘｃ，ｙｃ）により計算された極座標のｒ（半径）軸とｑ（角度）軸上の点Ｐの夫々の位置である値ｃとｄは、次のように見付けられる。
各半径値に対する極高さ行列上で、その単一半径値に対応する全てのデータが加えられて、その平均値が計算される。よって、平均高さ値が、半径に基づいて得られる。１次元符号１６が、各半径値に基づいて得られるこれらの平均値で確定される。この１次元符号は、「半径に基づく平均高さ信号（ＡＨＳＢＲ）」と呼ばれる。ＡＨＳＢＲ上で実行されるモデルベース信号類似性分析により、雷管円２８、雷管ポケットギャップ円２９と薬莢ベース円２７の円１８が、検出される。ステップ関数がモデルとして使用される。１次元符号上で、ステップ関数に最も適した領域が、類似性分析により検出される。凹部領域は、１次元符号上でより低い値を有する。これは、薬莢ベース１と雷管ポケットギャップの以外の領域が、より低い値を与えることを意味する。再び、同様に、雷管２の領域上で、撃針痕４と薬莢ベース１以外の領域の領域が、高い値を与える。
代表的なＡＨＳＢＲ図の一般的な外形が図４に示されている。第１に、雷管境界３０を検出することができる。その目的のために、信号類似性分析を実行するように、第１ステップモデル３３が、ある半径値Ｒ１より高いと共にある半径値Ｒ２より低い区間で使用される。換言すれば、ＡＨＳＢＲを固定保持したまま、第１ステップモデル３３を、ＡＨＳＢＲと重ね合わせてこの区間内を動き回して、最高類似度の位置が見付けられる。この区間内で、最高類似度の位置は雷管境界３０である。次に、雷管ポケットギャップ境界３１を検出することができる。その目的のために、ＡＨＳＢＲ上で、信号類似度分析が、雷管境界３０の半径値より高いと共にある半径値Ｒ３より低い区間で使用される第２ステップモデル３４で実行される。この区間内で、最高類似度の位置は雷管ポケットギャップ境界３１である。最後に、薬莢ベース境界３２を検出することができる。その目的のために、ＡＨＳＢＲ上で、信号類似度分析が、雷管ポケットギャップの半径値より高いと共に最大半径値Ｒ３より低い区間で使用される第３ステップモデル３５で実行される。この区間内で、最高類似度の位置は薬莢ベース境界３２である。上記したやり方で円を検出することは絶対に必要ということではないが、ある点から出発して、一つずつ円を検出することは、類似度計算を実行すべき区間を狭くするので、処理が迅速になる。類似度計算を実行すべき区間は、薬莢の半径に応じて決定される。
信号類似度分析のために、基準は下記のものに制限されないけれども、下記の基準のいずれを使用してもよい。それらの内の一つが相関分析である。相関分析についての更に詳しい基本情報は、非特許文献１３と非特許文献１４に記載されている。
変数ｔを有する２個の別個の１次元信号Ｓ１（ｔ）とＳ２（ｔ）に対して、相関分析を次のように実行してもよい。符号の長さをＵとし、相関分析を実行すべき領域の長さをＷとする。Ｓ１（ｔ）とＳ２（ｔ）の平均値を、夫々、Ｏｓ１とＯｓ２とする。信号Ｓ１を固定保持したまま、信号Ｓ２が、平面ｔ上をＴの量だけ移動させられる。
（クロス相関（ＣＩ））
これは、２個の符号のクロス相関関数である。２個の信号が互いに最も類似している点Ｔにおいて、ＣＩ値が最高である。これは、以下の式で表される。
これは、２個の符号のクロス相関関数である。２個の信号が互いに最も類似している点Ｔにおいて、ＣＩ値が最高である。これは、以下の式で表される。
（正規化クロス相関係数（ＤＩＫ））
これは、２個の画像の正規化クロス相関係数である。２個の信号が互いに最も類似している値Ｔにおいて、ＤＩＫ値が最高である。これは、以下の式で表される。
これは、２個の画像の正規化クロス相関係数である。２個の信号が互いに最も類似している値Ｔにおいて、ＤＩＫ値が最高である。これは、以下の式で表される。
信号類似度分析のために、下記の方程式を使用してもよい。
（平均二乗差（ＦＫＯ））
これは、２個の信号の差の二乗の平均である。２個の信号が互いに最も類似している値Ｔにおいて、ＦＫＯ値が最低である。これは、以下の式で表される。
これは、２個の信号の差の二乗の平均である。２個の信号が互いに最も類似している値Ｔにおいて、ＦＫＯ値が最低である。これは、以下の式で表される。
（平均絶対差（ＭＦＯ））
これは、２個の信号の絶対差の平均である。２個の信号が互いに最も類似している値Ｔにおいて、ＭＦＯ値が最低である。これは、以下の式で表される。
これは、２個の信号の絶対差の平均である。２個の信号が互いに最も類似している値Ｔにおいて、ＭＦＯ値が最低である。これは、以下の式で表される。
ステップモデルが図５に図示されている。第１ステップモデル３３、第２ステップモデル３４と第３ステップモデル３５の信号の数学的定義は、以下の通りである。
（第１ステップモデル３３信号（ＢＭ１））
Ｌ１＜０、Ｌ２＞０、Ｖ１ｍａｘ≦１でＶ１ｍｉｎ≧０であるとする。それは、次のように定義される。関数は、区間［Ｌ１，Ｌ２］で定義される。
Ｌ１＜０、Ｌ２＞０、Ｖ１ｍａｘ≦１でＶ１ｍｉｎ≧０であるとする。それは、次のように定義される。関数は、区間［Ｌ１，Ｌ２］で定義される。
（第２ステップモデル３４信号（ＢＭ２））
Ｌ３＜０、Ｌ４＞０、Ｖ２ｍａｘ≦１でＶ２ｍｉｎ≧０であるとする。それは、次のように定義される。関数は、区間［Ｌ３，Ｌ４］で定義される。
Ｌ３＜０、Ｌ４＞０、Ｖ２ｍａｘ≦１でＶ２ｍｉｎ≧０であるとする。それは、次のように定義される。関数は、区間［Ｌ３，Ｌ４］で定義される。
（第３ステップモデル３５信号（ＢＭ３））
Ｌ５＜０、Ｌ６＞０、Ｖ３ｍａｘ≦１でＶ３ｍｉｎ≧０であるとする。それは、次のように定義される。関数は、区間［Ｌ５，Ｌ６］で定義される。
Ｌ５＜０、Ｌ６＞０、Ｖ３ｍａｘ≦１でＶ３ｍｉｎ≧０であるとする。それは、次のように定義される。関数は、区間［Ｌ５，Ｌ６］で定義される。
値Ｖ１ｍａｘ、Ｖ２ｍａｘとＶ３ｍａｘは、１であるか、又は１に非常に近い。値Ｖ１ｍｉｎ、Ｖ２ｍｉｎとＶ３ｍｉｎは、０であるか、又は０に非常に近い。これらの値は、区間［０，１］内の表面高さ行列５の線形正規化により決定される。表面高さ行列が別の区間内で値を得る場合、これらの値は変化するかも知れない。
薬莢ベース１の中心の検出には誤差があるかも知れない。画素座標において、円中心は、正確には検出されずに、ある数の画素の近傍内で検出される。よって、検出される中心を改善することができる。その目的のために、コスト関数が、円検出モジュール内で方法により得られる信号類似性値、即ち、ＡＨＳＢＲとの第１ステップモデル３３、第２ステップモデル３４と第３ステップモデル３５の関連類似性値を用いて定義される。このコストをある値より上に増加又はある値より下に減少させる努力がなされる。コストを増加させるか又は減少させるかという問題は、コストがどのように定義されるかに依存する。例えば、もしクロス相関関数がコスト関数として定義されると、コスト値をある値より上に増加させる努力がなされる。中心が薬莢ベース１の中心である近傍内を動き回って、より正確な円中心を見付けることが可能であるかも知れない。しかしながら、この処理は、計算の負担を増大させる。
（撃針痕検出モジュール２６）
撃針痕４領域は、雷管２領域内で次第にへこんだ領域であると受入れられている。撃針痕４を推定するために、撃針痕４が配置された雷管２領域の表面高さ行列が、雷管取出し２０によって全体表面高さ行列５から求められる。この処理において、薬莢２の半径より少し小さい円領域が選択される。これは、雷管２の外方境界の歪みと雷管２円の検出で起こり得る誤差が、撃針痕４の選択の誤差に帰着するからである。選択された雷管２領域が量子化２１されて、この量子化データのヒストグラム２２が得られる。もし雷管２領域で、撃針痕４の外側の区域がかなり平面であると受入れられると、そのヒストグラムはピーク値を有するべきである。ピーク値より小さい閾値が選択２３され、閾値関数２４が適用される。適応選択された閾値より下方の領域が、検出された撃針痕２５として受入れられる。この検出された撃針痕２５領域において、もしこの領域に含まれない空の区域があると、これらの区域は、検出された撃針痕２５領域に含まれるべきである。
撃針痕４領域は、雷管２領域内で次第にへこんだ領域であると受入れられている。撃針痕４を推定するために、撃針痕４が配置された雷管２領域の表面高さ行列が、雷管取出し２０によって全体表面高さ行列５から求められる。この処理において、薬莢２の半径より少し小さい円領域が選択される。これは、雷管２の外方境界の歪みと雷管２円の検出で起こり得る誤差が、撃針痕４の選択の誤差に帰着するからである。選択された雷管２領域が量子化２１されて、この量子化データのヒストグラム２２が得られる。もし雷管２領域で、撃針痕４の外側の区域がかなり平面であると受入れられると、そのヒストグラムはピーク値を有するべきである。ピーク値より小さい閾値が選択２３され、閾値関数２４が適用される。適応選択された閾値より下方の領域が、検出された撃針痕２５として受入れられる。この検出された撃針痕２５領域において、もしこの領域に含まれない空の区域があると、これらの区域は、検出された撃針痕２５領域に含まれるべきである。
（文字と符号検出）
ある文字と符号が、薬莢ベース１上で雷管２の外側にある。これらの符号は、比較処理において使用されるべきでない領域である。よって、これらの符号と文字を、まず第１に検出するべきであり、これらの領域の比較を行うべきである。表面高さ行列上のこれらの領域の検出のために、ある手がかりが使用される。これらの文字と符号の境界線の表面傾斜値は、非常に高い。これは、その表面が殆ど９０度の鋭い傾向を有することを意味する。よって、ｘ方向とｙ方向に取られた表面の偏導関数は、これらの領域の検出に使用することができる。これらの２個の導関数値の合力ベクトルが見付けられる。換言すれば、表面傾斜の大きさが得られる。行列上の各点に対して、表面導関数の結果の大きさ７が量子化８される。新しい行列が形成され、この行列上で、各点に対する傾斜大きさ値は、符号と文字検出に使用される行列の同じ座標要素に対応する。この行列上で、ある閾値より上である領域が選択される。これらの選択された領域から雑音を消去するために、ある値より大きくない区域が選択される。次に、これらの残りの区域の極めて近傍までの部分もそれらに追加される。よって、文字と符号の領域が検出される。
ある文字と符号が、薬莢ベース１上で雷管２の外側にある。これらの符号は、比較処理において使用されるべきでない領域である。よって、これらの符号と文字を、まず第１に検出するべきであり、これらの領域の比較を行うべきである。表面高さ行列上のこれらの領域の検出のために、ある手がかりが使用される。これらの文字と符号の境界線の表面傾斜値は、非常に高い。これは、その表面が殆ど９０度の鋭い傾向を有することを意味する。よって、ｘ方向とｙ方向に取られた表面の偏導関数は、これらの領域の検出に使用することができる。これらの２個の導関数値の合力ベクトルが見付けられる。換言すれば、表面傾斜の大きさが得られる。行列上の各点に対して、表面導関数の結果の大きさ７が量子化８される。新しい行列が形成され、この行列上で、各点に対する傾斜大きさ値は、符号と文字検出に使用される行列の同じ座標要素に対応する。この行列上で、ある閾値より上である領域が選択される。これらの選択された領域から雑音を消去するために、ある値より大きくない区域が選択される。次に、これらの残りの区域の極めて近傍までの部分もそれらに追加される。よって、文字と符号の領域が検出される。
この作業で使用される別の方策は、次の通りである。傾斜大きさ行列（ＧＭＭ）が、上述した方法で得られる各点における表面傾斜の大きさで形成される。再び、傾斜がこの行列に適用される。行列は、この傾斜の大きさ値で形成される。新しい行列が形成され、この行列上で、各点に対する傾斜大きさ値は、符号と文字検出に使用される行列の同じ座標要素に対応する。これらの選択された領域から雑音を消去するために、ある値より大きくない区域が消去される。次に、これらの残りの区域の極めて近傍までの部分もそれらに追加される。よって、文字と符号の領域が検出される。
以下の方法を、表面の傾斜行列を計算するのに使用することができる。
数学的に、ＳＨＭをｈ（ｊ，ｉ）と表すことができる。ｈ（ｊ，ｉ）において、ｊは、直交座標系上でｘ方向の値を示し、ｉは、ｙ方向の値を示す。点（ｊ，ｉ）の高さ値、即ち、その点における行列の値は、ｈ（ｊ，ｉ）である。ｈ（ｊ，ｉ）は、等間隔でサンプリングした高さ関数である。第１に、各画素に対して、その画素と周囲の画素を覆う以下の２次多項式が適合される。
この多項式を適用すると、画素の回りで、ＷＲの幅を有する正方形区域が考慮される。ウィンドウ内の点ｎ＝ＷＲ＊ＷＲに対して、方程式を行列形式に次のように書くことができる。
上記方程式において、６個の変数に対してｎ個の方程式がある。方程式のシステムは、最小二乗法で解決することができる。期待される高さ値と表面における値の差は、最小化すべき誤差を与える。この誤差を最小化する解は、次の通りである。
括弧内の部分は、ｙの疑似逆である。よって、表面パラメータが見付けられる。
（傾斜の計算）
傾斜は、表面パラメータから次のように計算することができる（アクセス先：Bryan S. Morse, Brigham Young University, "Lecture 11: Differential Geometry", 2000）。
傾斜は、表面パラメータから次のように計算することができる（アクセス先：Bryan S. Morse, Brigham Young University, "Lecture 11: Differential Geometry", 2000）。
傾斜は、つぎのように定義される。
ここで、ＬｊとＬｉは以下の通りである。
傾斜の方向は、以下のベクトルの方向である。
傾斜の方向は次のように計算することができる。
一方、傾斜の大きさは、次のように求められる。
１ 薬莢ベース
２ 雷管
３ イジェクタ痕
４ 撃針痕
５ 表面高さ行列
２７ 薬莢ベース円
２８ 雷管円
２９ 雷管ポケットギャップ円
３０ 雷管境界
３１ 雷管ポケットギャップ境界
３２ 薬莢ベース境界
３３ 第１ステップモデル
３４ 第２ステップモデル
３５ 第３ステップモデル
２ 雷管
３ イジェクタ痕
４ 撃針痕
５ 表面高さ行列
２７ 薬莢ベース円
２８ 雷管円
２９ 雷管ポケットギャップ円
３０ 雷管境界
３１ 雷管ポケットギャップ境界
３２ 薬莢ベース境界
３３ 第１ステップモデル
３４ 第２ステップモデル
３５ 第３ステップモデル
Claims (6)
- 火器から発射された薬莢を比較して類似性値を計算する比較方法のためのデータを用意して、類似性計算に使用するのに適当なベスト痕跡領域を選択するために表面高さ行列を使用することにより、薬莢ベースをセグメント化する方法において、
雷管円（２８）、雷管ポケットギャップ円（２９）と薬莢ベース円（２７）を検出することを目指して、
ａ）薬莢ベース（１）の全ての領域をカバーする表面高さ行列（５）の各要素に対して、傾斜大きさ値を見付けると共に、これらの傾斜大きさ値が表面高さ行列（５）の各要素の座標に対応するように、傾斜大きさ値を配置することによって、新たな行列を形成するステップと、
ｂ）ステップａ）で形成された行列に対してハフ変換、好ましくは、２段階ハフ変換（２１ＨＴ）法を使用することにより、薬莢ベースの中心の座標を検出するステップと、
ｃ）検出された薬莢ベースの中心の座標に従って、薬莢ベースの表面高さ行列を極座標に変換すると共に、極高さ行列を得るステップと、
ｄ）極高さ行列上で、各半径値に対して、半径値に対応する全てのデータを選択すると共に、そのデータの平均値を計算するステップと、
ｅ）計算された平均値を半径の関数として、「半径に基づく平均高さ信号（ＡＨＳＢＲ）」と呼ばれる１次元信号を形成するステップと、
ｆ）第１ステップモデル（３３）及び／又は第２ステップモデル（３４）及び／又は第３ステップモデル（３５）に基づいてこのＡＨＳＢＲ上で行われた信号類似性分析を用いることによって、雷管円（２８）、雷管ポケットギャップ円（２９）と薬莢ベース円（２７）を検出ステップと
を備え、ステップｅ）において、１次元信号のｘ軸は半径値を示し、１次元信号のｙ軸は半径の平均高さ値を示す方法。 - 撃針痕領域を検出するために、請求項１のステップｆ）の後に、
ａ）撃針痕が配置された雷管円（２８）の表面高さ行列を全体表面高さ行列と区別するステップと、
ｂ）表面高さ行列値に従って、区別された領域のヒストグラムを得るステップと、
ｃ）ヒストグラムのピーク値を選択するステップと、
ｄ）このピーク値より小さい閾値を選択するステップと、
ｅ）この閾値より下の領域を、撃針痕領域として受入れるステップと
を備える請求項１に記載の方法。 - 薬莢を比較するために、請求項１のステップｆ）の後に、薬莢ベース円（２７）と雷管ポケットギャップ円（２９）の間での適当なベスト痕跡領域の選択において表面傾斜情報を使用する請求項１に記載の方法。
- ａ）文字と符号が配置された領域を薬莢ベースと区別するために、薬莢ベース円（２７）と雷管ポケットギャップ円（２９）の間の領域を選択するステップと、
ｂ）選択された領域の表面高さ行列の各要素に対して、傾斜大きさ値を見付けると共に、これらの傾斜大きさ値が表面高さ行列の各要素の座標に対応するように、傾斜大きさ値を配置することによって、新たな行列を形成するステップと、
ｃ）形成された新たな行列上で、所定の閾値より上の領域を選択するステップと、
ｄ）これらの選択された領域において、所定の大きさより大きくない区域を消去するステップと、
ｅ）残りの領域の所定近傍内の部分を残りの領域に追加して、文字と符号の領域を検出するステップと、
ｆ）これらの文字と符号の領域が薬莢の類似性計算において確実に考慮されないように、文字と符号の領域をマーキングするステップと
を備える請求項３に記載の方法。 - ａ）文字と符号が配置された領域を薬莢ベースと区別するために、薬莢ベース円（２７）と雷管ポケットギャップ円（２９）の間の領域を選択するステップと、
ｂ）選択された領域の表面高さ行列の各要素に対して、傾斜大きさ値を見付けると共に、これらの傾斜大きさ値が表面高さ行列の各要素の座標に対応するように、傾斜大きさ値を配置することによって、新たな行列（傾斜大きさ行列）を形成するステップと、
ｃ）傾斜大きさ行列の各要素に対して、傾斜大きさ値を見付けると共に、これらの傾斜大きさ値が傾斜大きさ行列の各要素の座標に対応するように、傾斜大きさ値を配置することによって、新たな行列を形成するステップと、
ｄ）形成された新たな行列上で、所定の閾値より上の領域を選択するステップと、
ｅ）これらの選択された領域において、所定の大きさより大きくない区域を消去するステップと、
ｆ）残りの領域の所定近傍内の部分を残りの領域に追加して、文字と符号の領域を検出するステップと、
ｇ）これらの文字と符号の領域が薬莢の類似性計算において確実に考慮されないように、文字と符号の領域をマーキングするステップと
を備える請求項３に記載の方法。 - 火器から発射された薬莢を比較して類似性値を計算する比較方法のためのデータを用意して、類似性計算に使用するのに適当なベスト痕跡領域を選択するために表面高さ行列を使用することにより、薬莢ベースをセグメント化する方法において、
薬莢ベースの中心を検出するために、
ａ）薬莢ベース（１）の全ての領域をカバーする表面高さ行列（５）の各要素に対して、傾斜大きさ値を見付けると共に、これらの傾斜大きさ値が表面高さ行列（５）の各要素の座標に対応するように、傾斜大きさ値を配置することによって、新たな行列を形成するステップと、
ｂ）ステップａ）で形成された行列に対してハフ変換、好ましくは、２段階ハフ変換（２１ＨＴ）法を使用することにより、薬莢ベースの中心の座標を検出するステップと、
ｃ）検出された薬莢ベースの中心の座標に従って、薬莢ベースの表面高さ行列を極座標に変換すると共に、極高さ行列を得るステップと、
ｄ）極高さ行列上で、各半径値に対して、半径値に対応する全てのデータを選択すると共に、その平均値を計算するステップと、
ｅ）計算された平均値を半径の関数として、「半径に基づく平均高さ信号（ＡＨＳＢＲ）」と呼ばれる１次元信号を形成するステップと、
ｆ）第１ステップモデル（３３）及び／又は第２ステップモデル（３４）及び／又は第３ステップモデル（３５）に基づいてこのＡＨＳＢＲ上で行われた信号類似性分析値を、コスト関数として定義するステップと、
ｇ）このコスト関数を点検して、コスト関数が所定値より上又は下であれば、処理を終結するステップと
を備え、ステップｅ）において、１次元信号のｘ軸は半径値を示し、１次元信号のｙ軸は半径の平均高さ値を示し、
ステップｇ）において、選択された類似性関数では、所定値より上又は下という２個の場合のいずれかのみが使用され、更に、もし意図する基準が満足されないと、ステップｂ）の薬莢ベースの中心の所定近傍内の別の点を、薬莢ベースの中心として受入れると共に、ステップｃ）、ｄ）、ｅ）、ｆ）とｇ）を繰り返す方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TR2008/02780 | 2008-04-22 | ||
| TR2008/02780A TR200802780A2 (tr) | 2008-04-22 | 2008-04-22 | Kovan dip tablası üzerinde otomatik bölge bölütleme yöntemi ve kovan karşılaştırma için en uygun iz bölgesi seçimi. |
| PCT/IB2009/051609 WO2009130651A1 (en) | 2008-04-22 | 2009-04-17 | Method for automatic region segmentation on cartridge case base and selection of the best mark region for cartridge case comparison |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011524031A true JP2011524031A (ja) | 2011-08-25 |
| JP5023238B2 JP5023238B2 (ja) | 2012-09-12 |
Family
ID=40852275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011505625A Expired - Fee Related JP5023238B2 (ja) | 2008-04-22 | 2009-04-17 | 薬莢ベースの自動領域セグメンテーションと薬莢比較用のベスト痕跡領域の選択の方法 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US8755588B2 (ja) |
| EP (1) | EP2289024B1 (ja) |
| JP (1) | JP5023238B2 (ja) |
| BR (1) | BRPI0907349B1 (ja) |
| CA (1) | CA2722172C (ja) |
| TR (1) | TR200802780A2 (ja) |
| WO (1) | WO2009130651A1 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10782110B1 (en) * | 2018-03-22 | 2020-09-22 | Vaas International Holdings, Inc. | Methods and systems for ballistics imaging and comparison |
| US20200320334A1 (en) * | 2019-04-05 | 2020-10-08 | Ent. Services Development Corporation Lp | Systems and methods for digital image-based object authentication |
| CN110737785B (zh) * | 2019-09-10 | 2022-11-08 | 华为技术有限公司 | 一种图片标注的方法及装置 |
| JP2021096652A (ja) * | 2019-12-17 | 2021-06-24 | 富士通株式会社 | 画像識別装置、方法、及びプログラム |
| CN113486891A (zh) * | 2021-06-22 | 2021-10-08 | 深圳无境创新科技有限公司 | 螺钉图像处理方法、装置、电子设备和存储介质 |
| WO2023230713A1 (en) * | 2022-05-30 | 2023-12-07 | Ultra Electronics Forensic Technology Inc. | Method and system for ballistic specimen clustering |
| DE102022118586A1 (de) * | 2022-07-25 | 2024-01-25 | Carl Zeiss Industrielle Messtechnik Gmbh | Computerimplementiertes Verfahren, Verfahren, Messgerät und Computerprogrammprodukt |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3069654A (en) | 1960-03-25 | 1962-12-18 | Paul V C Hough | Method and means for recognizing complex patterns |
| US5390108A (en) * | 1991-05-24 | 1995-02-14 | Forensic Technology Wai Inc. | Computer automated bullet analysis apparatus |
| US5581632A (en) * | 1994-05-02 | 1996-12-03 | Cognex Corporation | Method and apparatus for ball bond inspection system |
| CA2164369C (en) * | 1995-12-04 | 2006-01-24 | Roman Baldur | Portable fired cartridge imaging apparatus |
| US6327032B1 (en) * | 1997-09-16 | 2001-12-04 | Forensic Technology (Wai) Inc. | Method and apparatus for imaging a cartridge case ejector markings |
| GB9720864D0 (en) * | 1997-10-01 | 1997-12-03 | Univ Nottingham Trent | Line-scan imaging in 3-d |
| US7068808B1 (en) * | 1998-06-10 | 2006-06-27 | Prokoski Francine J | Method and apparatus for alignment, comparison and identification of characteristic tool marks, including ballistic signatures |
| US7204419B2 (en) * | 2003-05-01 | 2007-04-17 | Identifcation Dynamics, Llc | Method and apparatus for reading firearm microstamping |
| US7796810B2 (en) | 2004-05-03 | 2010-09-14 | Forensic Technology Wai, Inc. | 3D bullet and cartridge case analysis |
| US7583823B2 (en) | 2006-01-11 | 2009-09-01 | Mitsubishi Electric Research Laboratories, Inc. | Method for localizing irises in images using gradients and textures |
| WO2008102205A2 (en) * | 2006-08-09 | 2008-08-28 | Fotonation Vision Limited | Detection of airborne flash artifacts using preflash image |
-
2008
- 2008-04-22 TR TR2008/02780A patent/TR200802780A2/xx unknown
-
2009
- 2009-04-17 JP JP2011505625A patent/JP5023238B2/ja not_active Expired - Fee Related
- 2009-04-17 WO PCT/IB2009/051609 patent/WO2009130651A1/en active Application Filing
- 2009-04-17 CA CA2722172A patent/CA2722172C/en not_active Expired - Fee Related
- 2009-04-17 US US12/989,393 patent/US8755588B2/en not_active Expired - Fee Related
- 2009-04-17 EP EP09734071A patent/EP2289024B1/en active Active
- 2009-04-17 BR BRPI0907349-3A patent/BRPI0907349B1/pt active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| CA2722172C (en) | 2015-07-07 |
| WO2009130651A1 (en) | 2009-10-29 |
| US20110188754A1 (en) | 2011-08-04 |
| BRPI0907349A2 (pt) | 2019-09-17 |
| EP2289024A1 (en) | 2011-03-02 |
| EP2289024B1 (en) | 2012-08-29 |
| US8755588B2 (en) | 2014-06-17 |
| BRPI0907349B1 (pt) | 2020-02-18 |
| CA2722172A1 (en) | 2009-10-29 |
| JP5023238B2 (ja) | 2012-09-12 |
| TR200802780A2 (tr) | 2009-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5023238B2 (ja) | 薬莢ベースの自動領域セグメンテーションと薬莢比較用のベスト痕跡領域の選択の方法 | |
| Gerules et al. | A survey of image processing techniques and statistics for ballistic specimens in forensic science | |
| Dibeklioglu et al. | 3D facial landmarking under expression, pose, and occlusion variations | |
| Li | Ballistics projectile image analysis for firearm identification | |
| JP5367244B2 (ja) | 目標検出装置および目標検出方法 | |
| Chu et al. | Selecting valid correlation areas for automated bullet identification system based on striation detection | |
| EP2382585B1 (en) | Surface analysis apparatus and method | |
| Chu et al. | Striation density for predicting the identifiability of fired bullets with automated inspection systems | |
| US7565014B2 (en) | Method for automatically defining regions of interest for matching and visualizing forensic images | |
| Sakarya et al. | Automated region segmentation on cartridge case base | |
| Roth et al. | Learning-based ballistic breech face impression image matching | |
| CN111473944B (zh) | 观测流场中存在复杂壁面的piv数据修正方法、装置 | |
| Li | Image processing for the positive identification of forensic ballistics specimens | |
| Makrushin et al. | 3D imaging for ballistics analysis using chromatic white light sensor | |
| Li | Firearm identification system based on ballistics image processing | |
| Fischer et al. | Digital crime scene analysis: automatic matching of firing pin impressions on cartridge bottoms using 2d and 3d spatial features | |
| RU2595181C2 (ru) | Способ выбора изображений для идентификации оружия по следу бойка | |
| Li | Ballistics image processing and analysis for firearm identification | |
| CN110119761B (zh) | 一种弹痕比对方法 | |
| KR101179401B1 (ko) | 정합쌍 분류장치 및 방법 | |
| Valentim et al. | Gun model classification based on fired cartridge case head images with siamese networks | |
| Leloglu | Characterisation of tool marks on cartridge cases by combining multiple images | |
| Fischer et al. | Automated firearm identification: on using a novel multiple-slice-shape (MSS) approach for comparison and matching of firing pin impression topography | |
| WO2013182871A1 (en) | Shape index and polynomial coefficient based pattern analysis and comparison method for cartridge cases and bullets in forensic science | |
| CN117635874A (zh) | 基于图像多特征提取与融合算法的破片场三维快速反演系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110511 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110511 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120524 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120605 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120618 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5023238 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150622 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |