申请/专利权人：安徽金盾三维高科技有限公司;合肥市公安局刑事警察支队;中国刑事警察学院

申请日：2023-12-28

公开（公告）日：2024-04-05

公开（公告）号：CN117830651A

主分类号：G06V10/44

分类号：G06V10/44;G06V10/82;G06N3/09;G06N3/0464;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种膛线序列匹配分值计算及可解释性展示的方法和系统，涉及子弹痕迹识别技术领域，该膛线序列匹配分值计算及可解释性展示的方法和系统，通过深度学习模型进行特征提取，并将提取的特征转化为匹配分值矩阵，再通过转化后的矩阵制作成直观的热力图，以便于用户理解和判断，有效提高了子弹膛线识别的准确性，同时也增强了其可解释性；本发明使用了深度学习技术进行特征提取，能够充分利用枪弹痕迹的全局和局部信息，从而提取出更具区分性的特征，能够获得更高的识别准确率；本发明根据网络学习到的特征自动进行特征的选择和组合，使得本发明在处理不同种类的枪弹痕迹时都能保持较好的性能，具有较强的鲁棒性。

主权项：1.一种膛线序列匹配分值计算及可解释性展示的方法，其特征在于：具体包括以下步骤：步骤一、数据获取：计算机执行主体利用数据获取模块2部分从指定的数据源获取两颗用于比较膛线关系的子弹样本数据，获得数据后，计算机执行主体需要对数据进行初步清理和加工；步骤二、模型获取：计算机执行主体利用模型获取模块3提取用于特征提取的神经网络模型，使用枪弹分类数据训练或使用枪弹痕迹图片自监督训练或使用已知膛线对应关系的枪弹痕迹图片对来监督训练，训练完成后的模型具有自动从枪弹数据中提取有效的、用于分类或识别的特征；步骤三、数据预处理：数据预处理模块4将数据转化为可以输入深度学习模型的形式，预处理通常包括归一化，降噪，或者其他增强数据质量和保证数据一致性的操作；步骤四、特征提取过程：特征提取模块5通过步骤二获取的特征提取网络模型，处理经过步骤三预处理后的样本数据，计算出各个样本的特征表示；步骤五、特征处理：特征处理模块6经过步骤四得到的特征矩阵，需要进一步的处理用于匹配算法；步骤六、匹配相似度计算：计算机执行主体利用匹配相识度计算模块7利用步骤五中获得的规范特征向量，计算出子弹膛线之间的匹配相似度矩阵，每个元素的值表示两个特征之间的相似度，用于后续的匹配决策；步骤七、最终结果评估：结果评估模块8采用设定的评估标准或者方法来评价在步骤六中得到的匹配相似度矩阵的质量，评估结果用于优化特征提取网络和改进后续步骤的效果。

全文数据：

权利要求：

百度查询： 安徽金盾三维高科技有限公司 合肥市公安局刑事警察支队 中国刑事警察学院 一种膛线序列匹配分值计算及可解释性展示的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD