【技术实现步骤摘要】
本专利技术涉及枪弹痕迹识别，具体为一种基于三维形貌数据的枪弹痕迹自动识别系统及其装置。
技术介绍
1、枪弹痕迹三维数字化应用是防范和打击涉枪犯罪最重要的基础手段之一。开发研制新一代枪弹痕迹三维形貌测量设备，从提高枪弹痕迹3d形貌数据基础性采集测量的精度和速度入手，是进一步推进枪弹痕迹自动识别应用、推进我国法庭科学领域三维数字化应用水平、实现与国际接轨及涉外枪爆刑事案件跨国协查的前提和基础。
2、现有的细微痕迹三维形貌测量设备，尤其是法庭科学刑事技术应用领域尚没有实现枪弹弹头膛线痕迹全自动测量的技术和方法，或者是具备弹头膛线痕迹全自动测量但无法实现多测量靶面自动缝合、拼接的技术的问题，为此，本专利技术提供了一种基于三维形貌数据的枪弹痕迹自动识别系统及其装置。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于三维形貌数据的枪弹痕迹自动识别系统及其装置，解决了现有的细微痕迹三维形貌测量设备，尤其是法庭科学刑事技术应用领域尚没有实现枪弹弹头膛线痕迹全自动测量的技术和方法，或者是具备弹头膛线痕迹全自动测量但无法实现多测量靶面自动缝合、拼接的技术的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于三维形貌数据的枪弹痕迹自动识别系统，包括：
3、数据采集模块：用于对枪弹弹头痕迹的三维形貌数据和二维图像进行采集；
4、数据处理模块：用于对采集的数据进行去噪处理和滤波操作，并且增强其痕迹特征；
5、特征训
6、数据记录模块：用于对操作过程中的数据进行记录存储并引入至数据库中，用于后续测试操作进行数据的比对；
7、大数据平台：用于对数据进行存储、传输，并实现数据的管控操作，便于进行操作的对比测试。
8、优选的，所述数据采集模块的输出端与数据处理模块的输入端连接，所述数据处理模块的输出端与特征训练模块的输入端连接，所述特征训练模块的输出端与数据记录模块的输入端连接，所述数据采集模块、数据处理模块、特征训练模块和数据记录模块均与大数据平台间通过无线局域网实现数据的双向连接。
9、优选的，所述自动识别系统的具体实施步骤为：
10、s1、原始数据采集：采集枪弹弹头痕迹的三维形貌数据和二维图像；
11、s2、数据增强处理：对原始的三维形貌数据和二维图像进行预处理，包括三维形貌数据和二维图像的裁剪和配准、三维形貌数据去噪处理、滤波操作，增强其痕迹特征；
12、s3、转换数据集：对增强处理后的三维形貌数据进行“归一化”处理，对二维图像进行视觉增强处理，并对二者进行融合处理，以二进制方式存储，形成模型训练用的数据集，
13、s4、特征向量模型训练：在以gpu加速硬件资源为基础的深度学习模型框架下设计一种卷积神经网络算法，以具有一定数量的基于每一条膛线的数据集为输入数据，对特定分类的弹头类型进行迭代回归计算，计算结果为针对某一弹种类别的膛线痕迹特征向量提取器的模型；
14、s5、特征提取：依据该弹种分类的模型，计算出以单条膛线为单位的特征向量值；
15、s6、ai自动识别计算：设计一种基于gpu硬件资源加速的算法，以一枚弹头所含膛线特征参数作为检验集，与已知检验集的弹种分类特征向量模型和拟匹配弹种的弹头膛线特征参数记录进行迭代回归计算，最终得出测试集记录中与检验集匹配度从大到小的top1-top10记录。
16、优选的，所述s4中特定分类的弹头类型具体为膛线数量、膛线宽度和膛线斜率的一种或是多种的组合。
17、本专利技术还公开了一种基于三维形貌数据的枪弹痕迹自动识别系统的识别装置，包括承载基座，所述承载基座的顶部固定安装有立柱，且立柱的内部含有z轴方向进行升降操作的升降机构，所述承载基座的顶部安装有平移台用于实现进行x轴或是y轴方向的移动操作，所述平移台的顶部转动安装有旋转台，而旋转台的顶部固定安装有全自动弹头夹具，所述立柱的前侧安装有3d光学自动测量组件。
18、优选的，所述3d光学自动测量组件包括多物镜鼻轮组件和多个物镜，所述多物镜鼻轮组件安装在3d光学自动测量组件的底部，且物镜安装在多物镜鼻轮组件的底部，其中一个所述物镜的表面可安装辅助环形光源。
19、优选的，所述自动识别装置的具体操作方式为：
20、a1、将被测弹头样本安装到夹具；
21、a2、根据弹种类别和膛线痕迹测量面大小，设定测量靶面的拼接数量；
22、a3、选择其中的一条膛线作为起始膛线并标记为l1，使其痕迹面的投影面与x轴或y轴平面平行；
23、a4、调整测量仪的x/y轴平移台、调整弹头夹具的旋转轴，将l1的投影面设置在测量面视口的中间，调整z轴的上下移动，使得痕迹面聚焦清晰，调整辅助照明的亮度，使得痕迹面细微特征更加清晰；
24、a5、进行下一条膛线的视口设置，并标记为l2，旋转轴自动旋转至l2，重复a4的操作；全部的膛线视口设置完毕，保存各条膛线的设置参数，测量视口返回到l1，做好从l1开始测量的准备；
25、a6、启动测量，分别读取各条膛线的视口参数、拼接参数，自动进行分靶面的3d数据测量；全部靶面测量完成后，自动进行各靶面三维形貌数据缝合、二维图像拼接。
26、a7、一条膛线测量完毕后，旋转轴自动旋转至下一条膛线，重复a6的测量工作；
27、a8、全部的膛线测量完毕后，自动按命名规则保存三维形貌数据和二维图像。
28、有益效果
29、本专利技术提供了一种基于三维形貌数据的枪弹痕迹自动识别系统及其装置。与现有技术相比具备以下有益效果：
30、(1)、该基于三维形貌数据的枪弹痕迹自动识别系统及其装置，不仅使用了一种传统的二维显微成像数据，还创新地引入了三维形态测量数据，进一步搭建一个双模态卷积神经网络架构进行特征提取，这种网络的构建方式能够从更多维度和更深层次上捕获枪弹痕迹的特征，从而在识别过程中，显著提升了系统对枪弹痕迹的识别准确率，从提高枪弹痕迹3d形貌数据基础性采集测量的精度和速度入手，是进一步推进枪弹痕迹自动识别应用、推进我国法庭科学领域三维数字化应用水平、实现与国际接轨及涉外枪爆刑事案件跨国协查的前提和基础。
31、(2)、该基于三维形貌数据的枪弹痕迹自动识别系统及其装置，通过以深度学习技术的核心能力进行枪弹痕迹的自动识别，免除了耗时且耗精力的手动识别过程，从而显著提升了整体的识别效率，系统通过构建特征提取网络并利用该网络进行模型训练，通过复杂的计算和自我学习过程，使得系统能够从数据中独立地提取和识别出枪弹痕迹的有效特征，从而达到自动化识别枪弹痕迹的效果，大幅提高了数据处理效率。
32、(3)、该基于三维形貌数据的枪弹痕迹自动识别系统及其装置，通过在有效提高枪本文档来自技高网...
【技术保护点】
1.一种基于三维形貌数据的枪弹痕迹自动识别系统，其特征在于：包括：
2.根据权利要求1所述的一种基于三维形貌数据的枪弹痕迹自动识别系统，其特征在于：所述数据采集模块的输出端与数据处理模块的输入端连接，所述数据处理模块的输出端与特征训练模块的输入端连接，所述特征训练模块的输出端与数据记录模块的输入端连接，所述数据采集模块、数据处理模块、特征训练模块和数据记录模块均与大数据平台间通过无线局域网实现数据的双向连接。
3.根据权利要求1所述的一种基于三维形貌数据的枪弹痕迹自动识别系统，其特征在于：所述自动识别系统的具体实施步骤如下：
4.根据权利要求3所述的一种基于三维形貌数据的枪弹痕迹自动识别系统，其特征在于：所述S4中特定分类的弹头类型具体为膛线数量、膛线宽度和膛线斜率的一种或是多种的组合。
5.根据权利要求1-4任一项所述的一种基于三维形貌数据的枪弹痕迹自动识别系统的识别装置，其特征在于：包括承载基座(1)，所述承载基座(1)的顶部固定安装有立柱(2)，且立柱(2)的内部含有Z轴方向进行升降操作的升降机构，所述承载基座(1)的顶部安装
6.根据权利要求5所述的一种基于三维形貌数据的枪弹痕迹自动识别装置，其特征在于：所述3D光学自动测量组件(6)包括多物镜鼻轮组件(7)和多个物镜(8)，所述多物镜鼻轮组件(7)安装在3D光学自动测量组件(6)的底部，且物镜(8)安装在多物镜鼻轮组件(7)的底部，其中一个所述物镜(8)的表面可安装辅助环形光源(9)。
7.根据权利要求6所述的一种基于三维形貌数据的枪弹痕迹自动识别装置，其特征在于：所述自动识别装置的具体操作方式为：
...【技术特征摘要】
1.一种基于三维形貌数据的枪弹痕迹自动识别系统，其特征在于：包括：
2.根据权利要求1所述的一种基于三维形貌数据的枪弹痕迹自动识别系统，其特征在于：所述数据采集模块的输出端与数据处理模块的输入端连接，所述数据处理模块的输出端与特征训练模块的输入端连接，所述特征训练模块的输出端与数据记录模块的输入端连接，所述数据采集模块、数据处理模块、特征训练模块和数据记录模块均与大数据平台间通过无线局域网实现数据的双向连接。
3.根据权利要求1所述的一种基于三维形貌数据的枪弹痕迹自动识别系统，其特征在于：所述自动识别系统的具体实施步骤如下：
4.根据权利要求3所述的一种基于三维形貌数据的枪弹痕迹自动识别系统，其特征在于：所述s4中特定分类的弹头类型具体为膛线数量、膛线宽度和膛线斜率的一种或是多种的组合。
5.根据权利要求1-4任一项所述的一种基于三维形貌数据的枪弹痕迹自动识别系统的识别装置...
【专利技术属性】
技术研发人员：赵莉，王泽昊，仲志栋，翁同天，黄志永，李露，汪杨纯，汪军，
申请(专利权)人：安徽金盾三维高科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。