期刊首页 在线期刊 专题

专题

人工智能+

人工智能(Artificial Intelligence,AI),是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能技术日趋成熟并在法庭科学领域中得到了广泛的应用。本专题收录了人工智能辅助法医基础科学、法医物证检验学、法医人类学、指纹学、足迹学、视频侦查学等的相关研究与应用。

Please wait a minute...
  • 全选
    |
  • 论著
    马文静, 刘凡, 刘华, 裴京哲, 张睿, 施维
    刑事技术. 2023, 48(6): 570-576. https://doi.org/10.16467/j.1008-3650.2022.0070

    椎体骨折鉴定是司法鉴定中常见的鉴定内容。目前,基于影像学的骨折诊断与鉴别诊断,是长期困扰司法鉴定的瓶颈问题,诊断偏差大、效率低、多次多头鉴定引发的重大群体性上访和缠访缠诉问题严重影响了社会和谐。本文旨在构建人体椎体骨折影像快速诊断AI方法,实现椎体骨折的自动化评估。采集1 151例腰椎椎体骨折的病例作为研究样本,分为训练集800例,验证集151例,测试集200例。应用训练集和验证集样本通过影像预处理、椎体定位模型构建、椎体定位及识别模型构建、椎体分割模型构建、椎体骨折诊断模型构建和模型评估共六个步骤进行椎体骨折评估模型构建,应用测试集对模型进行测试。结果显示,建立的智能评估模型识别椎体骨折精准率达到76%。该模型为椎体骨折自动化评估软件的研发提供了技术支撑。

  • 前沿探讨
    孟庆振, 王少峰, 温玄林, 张炜琛, 周红, 陈松
    刑事技术. 2023, 48(4): 331-339. https://doi.org/10.16467/j.1008-3650.2023.0025

    ChatGPT甫一问世即引发广泛关注。本文以ChatGPT为例,简述了大语言模型的用途、技术特点和优势,并对当前面临的争议、伦理困境和信息安全风险进行了梳理分析。本文重点分析了大语言模型在犯罪中的可能应用场景,从利用ChatGPT辅助犯罪技能获取、实施网络犯罪、网络钓鱼攻击、散布虚假信息等方面进行探讨。本文还对执法层面利用ChatGPT服务犯罪打击、犯罪预防、执法决策、执法能力建设等进行了探析。本文认为,执法部门应保持开放态度,密切关注以ChatGPT为代表的人工智能技术应用对犯罪的影响,加强研究跟进,从“积极”和“消极”两个方面做好应对,应用新技术助力执法、提升效能。

  • 综述
    魏斌, 郑志峰
    刑事技术. 2018, 43(6): 471-476. https://doi.org/10.16467/j.1008-3650.2018.06.010
    人工智能方法应用于辅助认定刑事案件事实在法庭科学中逐步兴起,刑事案件专家系统开启了人工智能方法应用的序幕,从早期的经典逻辑到非经典逻辑,认定案件事实的人工智能逻辑基础不断得到丰富,贝叶斯模型的衍化使得认定案件事实从定性研究走向定量研究,可计算论辩模型帮助厘清了刑事案件事实中证据论证的结构,大数据、算法和区块链技术的变革使得证据指向案件事实的过程更加准确、精细和科学。人工智能的应用不断克服自身的技术缺陷,也不断靠近法官和陪审员判定案件事实的思维和方法,它的作用在于辅助司法判决,提高案件事实认定的准确度,减少冤假错案的发生。
  • “十三五”专栏
    刘志勇, 张更谦, 严江伟
    刑事技术. 2019, 44(5): 383-387. https://doi.org/10.16467/j.1008-3650.2019.05.002
    目前,人工智能(artificial intelligence,AI)的理论不断创新与发展,尤其是在机器学习与神经网络方面,其成果在包括法医学在内的许多学科领域中得到了广泛的应用。人工智能辅助的法医学基础研究,涵盖了法医病理学、法医物证学、法医临床学、法医毒物分析学、法医人类学、法医昆虫学等领域,为解决传统法医学问题提供了新的思路与方法,极大地促进了各学科的进步,也为其将来法医学实践应用提供了巨大的发展空间。本文在简单介绍人工智能的概况后,着重综述了人工智能在法医物证DNA分型、死亡时间推断、个体特征刻画、年龄和性别推断、毒物目标化合物筛选与检测峰判读以及影像图像与病理学切片诊断应用中的研究成果,并讨论其在未来亟待解决的问题,以及发展中可能遇到的问题。
  • 论坛
    刘一文, 金益锋, 胡书良, 刘晋
    刑事技术. 2020, 45(1): 81-84. https://doi.org/10.16467/j.1008-3650.2020.01.016
    现场勘查中,足迹作为传统痕迹的关键物证,在案件侦破中发挥着无可替代的作用。近些年足迹检验技术的发展步入瓶颈期,如何使足迹检验技术得以持续发展是痕迹技术人员在工作中面临的重大挑战。人工智能因其具有传统方法所不具备的智能特性,受到众多行业的广泛关注,并在一些领域取得了相关研究成果,将人工智能引进足迹检验技术乃大势所趋。本文综述了人工智能发展现状,以及在各领域尤其是足迹检验方面的应用,并提出展望。
  • 研究与探讨
    徐杰, 刘哲元, 霍鑫, 蒋敬, 戴玉阳, 胡王燕
    刑事技术. 2021, 46(3): 299-304. https://doi.org/10.16467/j.1008-3650.2021.0065
    大数据时代,海量指纹数据的汇聚对指纹识别系统的比对精度和速度带来了挑战。能否实现对现场指纹图片在海量样本库中的“以图搜图”,即无需对指纹图片进行特征编辑即可快速比对(无特征比对),是一线部门提出的实战需求。本文以“云痕”智能指纹识别系统为例,介绍一种将人工智能引入指纹识别领域,采用自适应小波框架与主动式深度学习的比对技术和总线级协同计算的计算技术,建设指纹亿级数据库的技术创新,使得指纹的比对精度和速度得到提升。结合笔者单位警务工作,介绍了“云痕”系统应用于电脑端和移动端的指纹比对场景,对比分析了人工智能与传统指纹识别系统在指纹表述信息量及比对精度等方面的技术优势,并对人工智能在指纹识别方面的应用前景进行了展望。
  • 综述
    赵亮, 马文静, 赵旭舒, 刘力
    刑事技术. 2024, 49(2): 185-189. https://doi.org/10.16467/j.1008-3650.2023.0040

    人工智能(artificial intelligence, AI)是基于大数据、机器学习等技术的一种智能化解决方案,能够提升形态学识别能力、诊断效率及质量。随着科学技术的迅猛发展,AI技术突飞猛进,成果应用日益广泛,为解决各类现实问题提供了新的方案和参考。“AI+”被广泛用于各行各业,取得了优异的成绩,其中法医学领域近年来涌现出了一批优秀的研究成果。本文对近三年来国内外法医学者发表的有关论文进行综述,希望能够为全国法医同行在病理学、临床学、人类学、毒物学等方面的研究提供新的思路。

  • 论著
    吴憾, 赵蔺, 孟小平, 陶文兵
    刑事技术. 2023, 48(4): 405-412. https://doi.org/10.16467/j.1008-3650.2022.0069

    近年来,随着人工智能的快速发展,赤足足迹和穿袜足迹的自动识别均取得了不错的效果,但因为需要脱鞋,应用场景受到了很大的限制。单枚穿鞋足迹识别由于鞋底花纹的多样性、随机性给智能识别造成了很大的阻碍,识别准确率普遍较低,成为了一个具有挑战性的任务。本文聚焦于不同人穿同一种鞋的足迹识别,提出一种基于多尺度特征融合的穿鞋足迹识别网络。采集大量的足迹样本,通过旋转、平移、加噪声等方式模拟犯罪现场足迹图像可能产生的变化,制作了足迹数据集,然后以ResNet为骨干网络,利用双向金字塔特征融合模块充分融合足迹图像的深层特征和浅层特征,最后针对鞋底花纹变化造成网络识别准确率降低的问题,提出了用迁移学习解决的思路,让网络学习未知花纹与现有花纹之间的联系,快速拟合出模型。经过训练测试,本文提出的方法在自制足迹数据集上识别准确率达到了93.1%,CMC评价指标也明显优于其他网络。在新的足底花纹上,迁移学习对比从头开始训练,速度更快、准确率更高。大量的实验证明,本文提出的穿鞋足迹识别网络识别准确率更高,提出的迁移学习的方法在面对新的鞋底花纹时,能够实现更好的效果。

  • 专题:视频侦查技术
    李燕, 何敏
    刑事技术. 2022, 47(5): 448-457. https://doi.org/10.16467/j.1008-3650.2022.0044
    随着平安城市项目的不断推进,我国大部分城市已经实现监控全覆盖,并且每天产生海量的监控视频,利用人工智能的方式实现监控视频的自动化处理是目前待解决的问题。针对上述问题,本文提出一种基于C3D和CBAM-ConvLSTM(convolutional block attention module-convolutional long short-term memory network)的视频场景分类算法,对监控中的犯罪事件进行有效分类。首先,使用C3D网络和注意力机制提取监控视频的局部空间特征和局部时间特征;然后,将提取的视频特征序列输入到CBAM-ConvLSTM中提取视频的全局空间特征及全局时间特征;最后,根据全局特征使用分类器对输入视频进行犯罪事件分类。实验在自建的犯罪事件数据集Crimes-mini和公开的暴力行为数据集Hockey两个数据集上进行验证,犯罪事件分类的准确率可达92.19%、F1值可达90.40%;暴力行为分类的准确率可达99.5%、F1值可达99.5%。测试结果表明,论文提出的方法能够较有效地对监控视频中的犯罪事件、暴力行为进行分类。
  • 论著
    黄威, 李志刚, 侯欣雨, 刘光尧, 汪磊, 蓝杨惠, 刘津宏, 王义
    刑事技术. 2022, 47(5): 483-489. https://doi.org/10.16467/j.1008-3650.2022.0008
    本文研究采用新型卷积神经网络HF-Net的深度学习技术将光谱数据在三维重建稠密点云上进行重定位的可行性。首先基于HF-Net多任务学习的光谱重定位方法,是一种异构的定位方法,使用MobileNet和NetVLAD层提取光谱图像的全局描述子,在三维重建彩色点云的数据集进行全局检索,得到此光谱照片对应的三维点云的大致位置。使用光谱图像的局部描述子和关键点得分,进行局部特征匹配,找到光谱图像中的光谱信息,对应三维模型点云中的匹配点,从而完成光谱信息和三维模型的映射。结果表明,通过HF-Net实现光谱特征点匹配后,可以将光谱信息完整地映射到三维重建模型上。本文提出的方法,可以实现立体物证的三维空间信息和光谱特征的精细定位,是人工智能在物证全维度影像数据融合技术中的新应用。
  • 研究与探讨
    吴春生, 李孝君, 吴浩
    刑事技术. 2022, 47(1): 88-95. https://doi.org/10.16467/j.1008-3650.2021.0121
    本文从学科领域入手,对指纹自动识别技术在发展过程中受人工智能技术影响所产生的新变化进行简述。指纹识别技术作为一种计算机应用技术,其发展与计算机科学的新技术密切相关。人工智能技术,特别是基于深度学习的图像技术的发展使指纹识别算法开启了全新的模式。本文将人工智能在指纹领域的发展分成三个阶段,并对当前所处的第二阶段的发展趋势进行了分析。基于深度学习的指纹识别技术使用图像特征而不是传统细节点特征的方式,改变了法庭科学领域对指纹识别的认知。本文重点对深度学习技术在指纹识别方面的应用模式和典型的技术方法进行了论述,给出了基于深度学习的指纹识别技术方案图,对技术方案中的网络模型设计等重要步骤逐一进行了说明,提出了图像处理、降维等几个需要重点攻坚的技术环节。对现有的可为指纹识别借鉴使用的深度网络模型进行了介绍,如:卷积神经网络、自编码器网络。最后对人工智能指纹识别算法与传统算法的性能进行了对比。
  • 论著
    白司悦, 蔡侃臣, 周兰, 陈颖, 万大良, 周盛斌
    刑事技术. 2021, 46(5): 502-506. https://doi.org/10.16467/j.1008-3650.2021.0031
    目的 尸体角膜随死后时间延长发生的形态学变化是规律性较好的指标,常用来判断死亡时间(postmortem interval, PMI)。本文尝试用机器视觉代替人的肉眼主观判断,收集尸体样本以建立通过人体角膜图像推断PMI的模型。方法 收集实际案例建立包含505例人体死后角膜图像的数据库,PMI范围为0.24h(约死后14min)至492h(约死后20.5d),大致分为三类(依次为:0~<6h、6~<20h、20h及以上)或二类(0~<15h、15h及以上);使用由华盛顿大学陈天奇博士提出的Xgboost模型分别进行二分类与三分类分析;使用多种卷积神经网络模型分别进行分类和回归学习,并通过比较最终选择了由微软研究院提出的ResNet模型进行分析。结果 Xgboost在三分类时预测准确率依次为71.8%、40.7%、65.7%,二分类时为90%、48.5%。ResNet分类模型中,精准率、召回率在三分类时分别依次为:81%、75%,30%、50%,61%、71%,二分类时为:70%、92%,76%、38%。ResNet回归模型中,比较整个模型的预测结果,0~6h内的预测值与真实值较为接近,均值误差为0.5616,均方误差为0.5873,6h之后开始出现较大误差。结论 分类和回归模型都在0~6h之内得到了很好的结果,说明在此时间段内,角膜图像噪声较低,可预测性强。
  • 论著
    杨超朋, 赵俊彦, 何光龙, 王坚, 刘力, 刘华, 刘凡, 张磊磊
    刑事技术. 2021, 46(2): 134-139. https://doi.org/10.16467/j.1008-3650.2020.0002
    目的 将人工智能中的深度学习技术应用到人体肋骨骨折识别,实现人体肋骨骨折智能检测,提高法医肋骨骨折诊断效率。方法 采集3143例人体胸部X线数字影像(2602例用于训练,541例用于测试),标注肋骨骨折特征点,通过多层网络堆叠,分层、分级主动学习原始数据高度抽象的特征表述,并将此特征反馈至检测器进行骨折检测,输出骨折位置及相应置信度。结果 基于深度学习的人体肋骨骨折检测准确率在90%以上。结论 基于深度学习的人体肋骨骨折检测准确率较高,可用于辅助法医进行肋骨骨折识别诊断、检验鉴定等,本研究可为人体其他部位骨骼损伤智能检测提供参考。