人工智能應用的刑事技術課程改革
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能應用的刑事技術課程改革范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：人工智能在視頻檢驗、足跡檢驗、筆跡鑒定、生物物證鑒定等領域已經(jīng)有所應用，大數(shù)據(jù)分析、數(shù)據(jù)挖掘技術使得人工智能在刑事科學技術中的應用將會越來越廣泛。因此，公安院校在“刑事技術”課程中應該充分體現(xiàn)出智能科學與其他多學科之間的交叉、融合，探索理論與實踐教學內(nèi)容新變化，以提高學生利用多學科知識綜合分析、解決問題的技能。
關鍵詞：人工智能；刑事技術；課程改革
0引言
“刑事技術”課程是公安院校面向偵查學等專業(yè)開設的專業(yè)基礎課，與“偵查學”“現(xiàn)場勘查”等課程緊密聯(lián)系。該課程主要包括刑事圖像技術、痕跡檢驗技術、文件檢驗技術、法醫(yī)檢驗技術、微量物證檢驗技術、毒物檢驗技術、電子物證檢驗技術和生物物證檢驗技術等［1］?，F(xiàn)有“刑事技術”課程內(nèi)容劃分比較傳統(tǒng)，相對孤立，雖有提到物證檢驗對象和使用儀器方法互有交叉，但都是一帶而過，沒有深入展開，更沒有專門的綜合各學科新技術的實驗教學，沒有充分體現(xiàn)各個學科之間聯(lián)系與技術交叉融合，因此，學生的綜合操作技能往往不高，跨學科跨領域的應用能力也不強［2］。刑事科學技術領域的智能化應用都離不開機器學習，面對大數(shù)據(jù)時代的到來，指紋樣本庫、足跡樣本庫、DNA樣本庫不斷擴容，檢驗鑒定工作中急需快速、高效地比對結果，因此，非常需要專門研究計算機模擬人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構，研究特定的算法來處理大量的數(shù)據(jù)，提煉出規(guī)則，為未來面臨同類型的任務不斷積累經(jīng)驗。這意味著“刑事技術”課程內(nèi)容上，無論理論課還是實驗課，都應該增設人工智能在該學科的應用狀況與發(fā)展趨勢，以便使學生掌握學科交叉應用的新動態(tài)，增強運用多學科知識綜合解決問題的能力［3］。
1指紋自動識別系統(tǒng)中的智能化應用
指紋系統(tǒng)中的模式識別算法是基于指紋圖像來識別紋線上細節(jié)特征點的一種算法，在人工智能的算法下，指紋可以變換成代碼［4］。陳帥［5］引入了新型ZKFigner算法，通過自適應的、適合匹配的濾鏡和恰當?shù)拈y值，減弱噪音，增強脊線和犁溝的對比度，甚至能夠從質(zhì)量很差的指紋中獲取適當?shù)娜趾途植刻卣鼽c。同時，通過分類算法預先使用全局特征排序，從而大大地加速指紋匹配過程。為指紋自動識別技術走向智能化提供了進一步的研究條件。在實際的工作中，指紋自動識別系統(tǒng)比對結果的優(yōu)劣對于提交給系統(tǒng)的指紋細節(jié)特征的人工編輯依賴很大，這與無須人工進行特征編輯，直接將指紋圖像提交比對相比而言，無疑是背道而馳的，但是目前多數(shù)公司的產(chǎn)品，雖然都集成了多算法，盡量減少人工編輯，提高效率，但是從比對結果看，指紋專家對細節(jié)特征的肉眼識別，仍是一項不可或缺的、至關重要的環(huán)節(jié)。
2足跡步法識別與鑒定的智能化應用
馬瑞羚等［7］采用PODOTEKHD足底應力儀的傳感系統(tǒng)采集不同人行走留下的足跡信息以及通過配套軟件FREESTEP進行足跡特征的數(shù)據(jù)識別、提取與分析，提高了步幅、步態(tài)特征的利用價值。實驗表明在足跡檢驗中，PODOTEKHD足底應力儀的傳感系統(tǒng)的應用將會為從主觀經(jīng)驗判斷的傳統(tǒng)模式向科學表達、準確分析模式的跨越提供一種新的方法與思路，如圖2所示。這意味著傳統(tǒng)足跡檢驗憑借專家視覺經(jīng)驗來判斷特征的過程，將逐步被生物識別設備和圖像軟件分析技術所解讀，再通過計算機深度學習，讓機器學習專家經(jīng)驗，智能分析檢驗、鑒定犯罪現(xiàn)場的各類足跡將是一種發(fā)展方向。同時，不斷擴充PODOTEKHD足底應力儀人群的樣本數(shù)據(jù)量，機器學習的結果將有可能勝任足跡的檢驗工作。
3筆跡識別與鑒定的智能化應用
梁曦璐［8］將訓練數(shù)據(jù)（樣本筆跡）輸入Paddle，訓練深度神經(jīng)網(wǎng)絡模型，通過迭代訓練降低鑒別錯誤率，再用檢驗數(shù)據(jù)（檢材筆跡）進行檢驗預測，實現(xiàn)離線筆跡鑒別目的，并嘗試進行模仿簽名筆跡的識別，一定程度上提升了機器自動鑒別原理的嚴謹性和科學性。實際工作中，筆跡鑒定仍主要憑借專家人工檢驗，標畫特征位置，因為專家個人的經(jīng)驗包含了豐富的信息，以圖3中筆跡鑒定為例（左邊為案件中的需鑒定的檢材筆跡，右邊為提取的正常書寫樣本筆跡）專家認為：檢材與樣本筆跡在“同、意”兩字的連筆位置、連筆寫法、收筆動作，“列”字“歹”部連筆形態(tài)和位置特征雖然是差異點，但是與“同”字豎鉤收筆動作、“口”部收筆方向，“意”字“心”部起筆、連筆、行筆形態(tài)，“列”字立刀旁豎鉤與“歹”部搭配比例，“支”字連筆位置、形態(tài)，筆畫交叉搭配特征的符合點相比而言，后者占據(jù)明顯質(zhì)量上的優(yōu)勢，因此，綜合評斷的結果是本質(zhì)上符合，即認定同一的結論，而機器學習的結果，在筆跡特征價值高低的綜合評判和取舍選用上，往往會與專家經(jīng)驗有區(qū)別。把專家系統(tǒng)和神經(jīng)網(wǎng)絡結合起來，優(yōu)勢互補，神經(jīng)網(wǎng)絡的學習功能，在一定程度上解決了專家系統(tǒng)建造中知識與規(guī)則獲取的困難；而專家系統(tǒng)的解釋功能，可以彌補神經(jīng)網(wǎng)絡解釋功能的不足。當一個智能算法充分與具體問題的內(nèi)在屬性相聯(lián)系的時候，都有可能得到很不錯的效果。改進的LeNet多層感知器方法，比普通的SVM方法效果好，神經(jīng)網(wǎng)絡方法，從基本MLP到針對手寫筆跡識別問MLP到針對手寫筆跡識別問題開發(fā)的改進型LeNet，實驗效果的提高非常明顯，因此，算法應用的優(yōu)劣，關鍵在于與具體問題的內(nèi)在性質(zhì)相適合的程度［9］。
4監(jiān)控視頻的圖像識別與鑒定的智能化應用
蘭玉文等［10］利用計算機視覺技術，從面目不清的監(jiān)控視頻序列圖像中識別、跟蹤個體動態(tài)特征，采取視頻單幀連續(xù)擬合法，通過對人體各關節(jié)標志點運行軌跡跟蹤獲取不同角度個體動態(tài)特征曲線進行個體識別檢驗判定同一。解決了監(jiān)控錄像中的犯罪嫌疑人蒙面和圖像不清的個體識別技術難題。圖像數(shù)量會增加數(shù)據(jù)集的復雜度，以高維數(shù)據(jù)處理大量圖像需要很高的計算能力和大量的內(nèi)存空間，應用降維技術將這些圖像投影到較低維的空間，使用較少的變量用數(shù)據(jù)集中識別某一圖像。因子分析是解決統(tǒng)計降維問題的重要工具。
5聲紋識別與鑒定
黃天蕓［11］提出語音識別系統(tǒng)收集的大量訓練數(shù)據(jù)有助于訓練魯棒性更強、泛化能力更強的深度網(wǎng)絡，同時更好更強的深度網(wǎng)絡更能有效語音識別系統(tǒng)的識別精度，降低語音識別系統(tǒng)受噪音的影響。
在課程的傳統(tǒng)章節(jié)內(nèi)容基礎上，應適量增加關于人工智能應用的成果，尤其以監(jiān)控視頻的圖像識別、指紋自動識別系統(tǒng)、足跡步法特征識別、筆跡鑒定等應用領域為切入點，整編教材，使學生既能夠學習基礎知識理論和前人經(jīng)驗，又能及時掌握、利用好計算機智能化技術［12］。培養(yǎng)一名物證鑒定專家，有時需要十余年的經(jīng)驗積累，若將機器學習應用于種屬鑒定、同一認定，就能夠以超人類學習千百倍速度的高效率來實現(xiàn)物證鑒定工作。把專家們的經(jīng)驗結論信息存儲到計算機中，再進行深入推理和判斷、整合，構建完善的知識系統(tǒng)，隨著數(shù)據(jù)量增加，可以發(fā)揮計算機自主學習功能，機器逐步學會模擬人類專家的判斷決策過程，處理其他相類似的問題。因此，在教學中應充分體現(xiàn)出刑事科學技術學科應用的交叉性，加快各領域知識向本領域的融合速度。“刑事技術”課程及時融入新的應用，向學生們源源不斷地傳遞大數(shù)據(jù)背景下人工智能技術的發(fā)展狀況，把握時代脈搏，緊跟潮流，為培養(yǎng)具有跨學科、跨專業(yè)的綜合分析、解決問題能力的刑偵和技術人才打好基礎。
參考文獻
［1］裘炯良，周力沛，鄭劍寧，等.機器學習技術與病媒生物種屬鑒定［J］.中華衛(wèi)生殺蟲藥械，2017（5）：436-439.
［2］彭軍.基于計算機網(wǎng)絡技術對人工智能的應用分析［J］.建材與裝飾，2017（4）：293-294.
［3］王洪艷，郭云峰.大數(shù)據(jù)技術在人工智能中的應用研究［J］.數(shù)字技術與應用，2015（12）：109-110.
［4］顧澤蒼.人工智能技術深度剖析［J］.機器人技術與應用，2017（1）：23-28.
［5］陳帥.手機操作系統(tǒng)中智能化技術運用研究［J］.自動化與儀器儀表，2016（4）：27-28.
［6］安睿.人工智能的應用領域及其未來展望［J］.科技經(jīng)濟導刊，2017（29）：15.
［7］馬瑞羚，李浩.利用PODOTEKHD足底應力儀系統(tǒng)分析足跡步法特征的初步探索［J］.江蘇科技信息，2017（1）：64-67.
［8］梁曦璐.基于改進神經(jīng)網(wǎng)絡的離線簽名筆跡識別［D］.北京：中國政法大學，2017.
［9］姚軍.機器學習、大數(shù)據(jù)分析和可視化［M］.北京：人民郵電出版社，2017.
［10］蘭玉文，李躍威，喻松春，等.基于監(jiān)控視頻的人體動態(tài)特征應用識別技術研究［J］.警察技術，2013（6）：11-16.
［11］黃天蕓.基于人工智能深度學習的語音識別方法［J］.信息記錄材料，2017（9）：20-21.
［12］許曄.下一代人工智能：引領世界發(fā)展的新興驅動力［J］.學術前沿，2017（10）：12-23.
作者:李浩 單位:南京森林警察學院偵查學院
