基于图像识别的乳突纹线自动计数方法.pdf

刑侦技术基于图像识别的乳突纹线自动计数方法*赵恒旭姚力中国刑事警察学院摘要：近年来，国内外关于乳突纹线微观特征的研究不断深入，一系列研究证明乳突纹线的密度、纹线间距有潜力成为刻画留痕人年龄、性别、身高、肢体维度的有效手段。研究提出了一种基于图像识别的乳突纹线自动计数方法，以解决过往研究中人工计数方法耗费大量人力物力的缺点。通过二值化、倾斜校正、图像骨架化、清除干扰条纹、纹线计数、结果判别等流程，计算图像中乳突纹线的数量。应用结果表明，自动计数方法所得数据与人工计数结果显著相关，其能够将中、低密度的乳突纹线图像计数误差控制在1条左右，将单张图像的计数用时缩短至人工计数方法的1/5到1/10，扩大了图像识别技术在法庭科学领域的应用范围，为乳突纹线自动化研究提供了新的方法。关键词：乳突纹线自动计数图像识别纹线密度来，国内外学界对此特征的关注度经久不衰，不断有研究引言证明其与人类年龄、身高、肢体维度、性别、种族等因素乳突纹线是指在手指掌和足趾掌面上有规则排列、凸显著相关。起的线条状皮肤组织结构。其在世界法庭科学领域中的应1980年，Meier提出乳突纹线已被广泛应用于生物人类用历史悠久、影响深远。为构建符合时代要求的刑事科学、遗传学和进化研究中，以描述种群特征并分析人类变学技术体系，近年来，学界在已有理论基础上将乳突纹线异的性质和起源。197 7 年，Mavalwala的研究团队提出乳特征划分为三个等级进行系统性研究。乳突纹线在法庭突纹线的类型、数量应被引入人类鉴定领域。Cummins、科学领域中的应用不仅关注其花纹系统、形态、纹线流向Penrose、A c r e e、K a r m a k a r 等人分别于19 41年、19 6 7等宏观特征，也兼顾乳突纹线间的关系、内部构造等细微年、1999年、2 0 0 8 年提出了一系列测算乳突纹线的计量方特征。例如乳突纹线密度、纹线间距等特征，近五十年法以满足其研究需要。大量的研究结果表明，乳突纹线密*基金项目：辽宁省教育厅基本科研项目重点攻关项目“基于机器学习的足迹身高与性别分析关键技术研究”（编号：LJKZZ20220005）68警察技术2 0 2 3年第4期度、纹线间距兼具稳定性、特定性、遗传性，此领域的研究急需在理论与实践上寻求突破与创新。近五十年来关于乳突纹线密度的研究，均采用了人工计数的方法，此方法虽然简便，但在处理大规模实验样本时暴露了效率低、人力物力损耗大、过分依赖操作人主观认知等缺点。基于此研究现状，本文设计了乳突纹线自动计数的方法，其工作流程如图1所示，基于图像识别技术，对输入的乳突纹线图像依次进行：二值化处理、倾斜校正、图像骨架化、清除干扰条纹、纹线计数、结果判别等流程，计算图像中乳突纹线的数量。此算法的实现不仅解决了实际研究过程中计数工作耗费过多人力物力的问题，还统一了数据采集标准，推动了乳突纹线自动研究领域的规范化、科学化进程。输入样本图二值化处理输出计数结果结果判别图1本文计数方法工作流程一、图像处理流程（一）图像二值化标准RGB图像有三个颜色分量，因此需要用三维矩阵来表示。并且以8 位标准RGB图像为例，每个颜色分量所有像素位置的光强信息都可用0 2 55范围内的任意一个整数来表示，直接进行研究计算复杂度很大。因此，在正式研究开展之前，需要对其进行预处理，将其转化为二值图像。标准RGB图像的二值化分为两个步骤，一是将彩色图像转化为可用二维矩阵的灰度图像；二是寻找最佳的二值化方法，将灰度图像转化为二值化图像。首先是标准RGB图像灰度化处理，通常采用以下公式：Gray,=w,R,+w,G,+w,B,i=1,2,n式中，Gray,表示图像灰度化处理后每个像素位置的光强数值，R,G,B分别表示图像灰度化处理前红色、绿色和蓝色三个分量每个像素位置的光强数值，W,Wz,W,为每个颜色分量对应的权重，一般分别取0.2 99、0.58 7 和0.114。其次是灰度图像的二值化处理，采用OTSU法（最大类间法）进行阅值分割，并进行取反操作，将掌纹信息用白色像素表示。最优阈值计算公式为：k*=arg1kL-1“表示类间方差。式中，“L”表示图像的维度，（二）倾斜校正处理由于乳突纹线流向各异，不利于保证纹线计数精度，本方法拟在计数前先对图像中的乳突纹线进行倾斜校正处理，将乳突纹线调整至水平摆放，使图像内纹线整体流向为横向。本步骤处理流程依次为输入二值化处理后图像、基于Radon变换检测乳突纹线倾斜角度、基于所得角度对图像进行旋转。Radon变换应用于图像倾斜角度检测，其原理是沿某一特定的直线求函数的积分，将所得到的最佳积分值投影至Radon变换平面上，而积分值在Radon变换平面上的具倾斜校正图像骨架化纹线计数清除干扰条纹max体位置取决于直线与原平面原点的距离及倾斜角度。Radon变换平面与原平面的关系如下：+8+8g(s,0)=f(x,y)(xcose+ysine-s)dxdyJ-8 J-80式中“f(x,y)”为原始图像平面上的点“(x,y)”的灰度值；“g(s,0)”是“f(x,y)”在角度上的一维投影。为提高计算速度，在旋转步骤中可以通过估计图像倾斜角度范围来限定的范围，以减少计算量。倾斜校正处理结果如图2 所示。(a)（三）基于bwskel函数的图像骨架化处理图像骨架化处理是本文方法实现的关键一步，经过对比实际测试效果，本文选择使用MATLAB中的bwskel函数完成对乳突纹线骨架化处理。bwskel函数是基于Zhang-Suen细化算法实现的骨架处理工具，相比于传统细化算法，bwskel函数的可控性更强，其提供了多个可控制参数，如“thinbranch”“minbranchlength”“bridge”等，可以根据实际需求对骨架提取结果进行控制；bwskel函数效率更高且支持并行运算，可以利用多核CPU或GPU进行加速，提高了骨架提取的效率。本文方法在bwskel函数中，使用“minbranchlength”参数控制细化后骨架图中支路的最小长度。具体来说，若0(k)倾斜校正一(b)图2 倾斜校正效果PoliceTechnology2023年第4期 6 9刑侦技术细化后的骨架图中存在长度小于“minbranchlength”的支路，那么这些支路将会被删除。本文中此参数的具体表示如下：len(b)minbranchlength其中“b”表示骨架图中的一个支路，“len(b)”表示该支路的长度。(e)end if(f)end for(g)end for清除竖向干扰条纹一(a)图像骨架化一（五）结果判别(a)(b)图3图像骨架化效果（四）清除干扰条纹与纹线计数1.纹线计数全永志、于奎栋、刘珞晰等人在2 0 2 2 年提出了一种纹线全图采集方法，在图像中每隔十个像素画一条竖线并计算交点数，最后计算所有竖线所得交点数的平均数。本文为适应乳突纹线流向多变且曲折多的特点，在对样本进行“倾斜校正处理”后，采取每隔十个像素画一条竖线，最后取所得竖线交点的最大值作为计数结果，计算公式如下：n=iomN=maxf(i)i=1,2,n式中“n”表示样本内部纵向计数线条数，“m”表示样本像素宽度，“f(i)”表示纵向计数线所得计数结果，“N”表示所有纵向计数线所得计数结果的最大值。2.清除干扰条纹为满足乳突纹线计数工作，进一步清除大量干扰条纹，本文在计数工作前根据实际情况分别引入“清除竖向干扰条纹”、“清除横向干扰条纹”两步工作。以去除竖向条纹为例，若某像素点同时满足以下公式中四个条件，则其会被认定为竖直方向上的干扰点，予以消除，去除竖向干扰条纹效果如图4所示。清除干扰纹线的伪代码如下，其中r、j 分别代表图像中像素点的行坐标与列坐标。(a)fori=2 to r-1 do l/遍历所有像素点的行坐标(b)for k=2 to j-1 do/遍历所有像素点的列坐标(c)if tmpBw(i,k)=1 and tmpBw(i,k-1)=0 and tmpBw(i,k+1)=0 and tmpBw(i+1,k)=1 then/对处理后图像矩阵tmpBw进行判定(d)tmpBw(i,k)=0/处理像素点(b)图4清除竖向干扰条纹效果根据Radon变换原理可知，对于倾斜乳突纹线，Radon变换检测其倾斜角度而后旋转使其置于水平状态，此过程处理效果理想，但在实际应用过程中，当乳突纹线整体流向为大致竖直方向时，Radon变换将其旋转调整至水平的效果欠佳，此时若清除竖向条纹，则会直接消除纹线骨架，进而导致输出的计数结果为0，如图5所示。清除竖向干扰条纹(a)图5清除竖向干扰条纹错误情况演示为解决上述极个别情况，本方法在输出结果前加入判别分析步骤：若输出结果低于某一固定值（该固定值为一定计数区域面积内应当出现的最少纹线数目），则判定该计数区域乳突纹线整体流向大概率为竖直方向，此时应对细化后的图像进行“清除横向干扰条纹”处理，而后在水平方向上每隔十个像素画一条横线，取所有横线交点的最大值作为计数结果。二、应用效果分析本文方法实验环境为：Intel Core i5-7300HQ(8G),MATLABR2021b。实验样本为提取自人体手掌脚掌面的500张图片大小为“8 0 8 0”的乳突纹线观测区域，每个正方形观测区域在真实空间是面积为2 5mm正方形。（一）图像形态学处理效果分析本文在10 0 张测试样本中选取了五张代表性较强的样本，处理过程如图6 所示。样本1代表了观测区内乳突纹线流向基本水平的情况，其纹线间距较大，纹线宽度较大，纹线间黏连较少，观测区域内纹线密度较小。故图像形态学处理效果理想，(b)70警察技术2 0 2 3年第4期符合实验预期。样本2 代表了观测区内乳突纹线倾斜的一类情况，经统计，在测试过程中，50 0 张测试样本中有超过8 0%的样本内乳突纹线具有一定的倾斜角度，可见乳突纹线倾斜情况普遍且角度不一。此类样本在倾斜校正处理后，均表现出了良好的实验效果（即调整乳突纹线流向保持大致水平），满足了后续的实验要求。样本3、4代表了观测区内乳突纹线弯曲的一类情况，在测试过程中，50 0 张测试样本中有超过50%的样本内乳突纹线发生弯曲，可见乳突纹线弯曲情况普遍且弯曲弧度、方向不一。此类样本经过倾斜校正处理后，达到了较好的实验效果（即调整乳突纹线的切线方向保持水平），满足了后续的实验要求。样本5代表了观测区内乳突纹线密度较高的一类情况。在测试过程中，50 0 张测试样本中有约8%的样本内部含有超过15条乳突纹线，可见乳突纹线密度较大的情况并不普遍。此类纹线往往形态复杂、相互黏连、细节特征较多，导致图像形态学处理效果不够理想。原图像二值化处理倾斜校正bwskel细化清除干扰条纹样本1样本2样本3样木4样本5（二）计数效果分析本文计数使用全图采集的方法，每隔十个像素画一条竖线，计算每条竖线与乳突纹线骨架的交点数，取最大值作为最终输出结果。以上述五张图片为例，采用本文自动计数方法统计的乳突纹线数量分别为：8 条、11条、106190.1010条、13条、14条，使用的计数时间分别为0.7 9s、0.7 7 s、0.86s、0.7 8 s、0.7 9s。为有效对比本文方法的计算精度与效率，本文选择了一名具有一定刑事科学技术理论基础的志愿者，将他的计数结果作为参照与本文方法进行比较。该名志愿者对于上述五张图片的计数结果分别为：7 条、11条、10 条、14条、18 条，使用计数时间分别为4.11s、5.36 s、5.2 1s、7.86S、9.57 S。两组数据对比见表1。表1计数结果对比样本序号自动计数结果8条11条10条13条14条计数结果对比人工计数结果7条11条10条14条18条误差条数1条0条0条1条4条自动计数时间0.79s0.77s0.86s 0.78s0.79s计数时间对比人工计数时间4.11s5.36s 5.21s7.86s9.57s计数结果对比情况表明，乳突纹线的计数精度与其密度具有显著相关性，当观测区内乳突纹线数量低于15条时，计数较为准确；当纹线数量高于15条时计数则存在一定误差；结合50 0 张测试样本计数结果分析，计数的准确性主要受观测区内以下几个方面因素影响：（1）乳突纹线擦印清晰程度；（2）乳突纹线擦印色泽深浅；（3）乳突纹线密度大小；（4）乳突纹线细节特征复杂程度。图6 形态学处理结果比较在实际应用过程中，当调整观测区面积为2 5mm时，500张测试样本中只有约8%的样本内乳突纹线超过15条。自动计数方法在观测区域内乳突纹线数量小于15条的情况下较为准确，且不受操作者主观状态影响。计数时间对比情况表明，本文所提方法大幅度提高了计数工作的效率，相比于有一定实操经验的志愿者，自动10.1.01010101001010图1图2 图3图4图510元PoliceTechnology2023年第4期7 1刑侦技术计数方法将单张乳突纹线计数用时缩短至人工计数方法的1/5到1/10，而此方法省时的优势在进行样本批量处理时将更为明显。在实际应用过程中，实验涉及的样本数目巨大，因此在计数工作中随着工作时间的延长，操作者难免会产生疲倦感，造成效率降低、计数结果不准确等情况。本文计数方法可以有效避免此类因素对于实验数据准确性的影响，保持数据采集工作在同一标准下完成。为进一步验证自动计数方法的科学性，本文从50 0 张测试样本中选取了40 张样本，分别采用人工计数、自动计数的方法对样本内乳突纹线进行计数，所得对比结果如图7所示。自动计数结果一人工计数结果201510为比较两组数据的相关性，本文利用SPSS（St a t i s t i c a l Pr o g r a m Fo r So c i a l Sc i e n c e）统计分析软件，采用配对样本T检验来对两组数据的相关性进行分析，所得分析结果见表2、表3。由配对样本T检验的相关关系检验结果可知，自动计数结果与人工计数结果相关系数的检验P值为0.0 0 0，表明两组数据间存在显著的关联性；由配对样本T检验的最终结果可知，双尾检验概率P值为0.377，表明自动计数结果与人工计数结果两组数据间无显著差异，本文计数方法科学可靠。表2 配对样本统计平均值自动计数结果11.88人工计数结果11.65表3配对样本相关性检验自动计数结果&人工计数结果表4配对样本T检验结果成对差分均值标准差均值的95%置信区间t自由度（双尾）Sig.标准误差下限上限自动计数-结果人工0.225 1.5930.252-0.2840.7340.893390.377计数结果三、结语指纹素有“证据之王”的美誉，一个世纪以来有关乳突纹线的研究经历了从宏观到微观的过程，目前学界已将研究的重点聚焦到了“三级特征”的合法、准确应用中。一系列研究数据表明乳突纹线的密度、纹线间距有潜力成为刻画留痕人年龄、性别的有效手段10-1。本文乳突纹线计数方法的设计目的是为了适用当前法庭科学研究的前沿内容与发展方向，姚力、赵恒旭等人将此方法不断调整优化，将其应用于乳突纹线的系统性研究工作中。已有成果表明，此方法能够在计数工作中有效应对乳突纹线流向不一、形态曲折多变的特点，并规避了操作人员主观因素对于实验数据采集的影响，在大规模处理样本的工作中有效节约了人力物力，保证了数据采集的客观性与科学性，促进了研究的进展，扩大了图像识别技术在法庭科学领域的应用范围，为乳突纹线自动化研究提供51415161718192021222324252627282930313样本序号图7 计数结果对比样本数标准差均值的标准误差401.682401.929N相关系数400.6188.73.839400.2660.305Sig.0.000了新的思路。匠参考文献陈景良，古代的指纹鉴定与侦查破案人民论坛，2022(01):126-128.胡懿夫.司法鉴定中指纹三级特征的应用研究 D甘肃政法大学,2 0 2 1.3 Loesch D Z,Lafianchi M.Relationships of Epidemal RidgePattems with Body Measurements and Their Possible EvolutionarySignificanceJ.American Jounal of Physical Anthropology,1990,82(2):183-189.Guti rrez-Redomero E,Alonso M C,Dipieri J E.SexDiferences in Fingerprint Ridge Density in the Mataco-MataguayoPopulationll,Homo,2011,62(6):487-499.冉文静,王加胜,饶珣,等.基于OTSU和轮廊追踪的地图线条识别方法。电脑与电信，2 0 2 1,2 99(11):1-4.郭克冰,仇伟涛,时萌悦,范家铭.基于Radon变换的非纯文本图像倾斜校正福建电脑，2 0 15,31(10):10 2-10 3.7 Bao M,Guo S,Tang Q,et al.Optimization of the bwmorphFunction in the MATLAB Image Processing Toolbox for BinarySkeleton ComputationC/2009 Intemational Conference onComputational Intelligence and Natural Computing.IEEE,2009,2:273-276.8全永志，于奎栋,刘珞晰。基于图像识别的橡胶鞋底Schalamach波自动计数方法/OL.刑事技术,2 0 2 3(0 4),13.9 贺晨鸽.指纹三级特征在指印鉴定中的应用研究 D华东政法大学,2 0 18.10田润之,赵雅彬.基于指纹形态特征的人群年龄刻画研究I.中国人民公安大学学报(自然科学版),2 0 2 3,2 9(0 1):11-2 0.11宋焕庭,唐玮,张丽梅,张忠良,张嘉宇,陈世韬。指纹与年龄相关性的量化分析.人类学学报，2 0 2 2,41(0 6):10 47-10 57.72警察技术2 0 2 3年第4期