Восстановление изображения отпечатка пальца с помощью U-NET

Введение

Дактилоскопия является одним из первых научных методов идентификации преступника. В значительной доле случаев наличие читаемых отпечатков пальцев существенно ускоряет процесс расследования преступления. Даже несмотря на то, что использование обычных перчаток позволяет правонарушителям не оставлять следов пальцев, это не уменьшает значимости дактилоскопического метода исследования в криминалистике.

XXI век принёс новые технологии во все теоретические и практические сферы деятельности, и криминалистика не стала исключением. Анализ снятых на месте преступления отпечатков пальцев, возможность их компьютерной обработки и сравнения с практически неограниченной по объёму цифровой дактилоскопической базой на основе технологий Big Data позволяет получать выводы гораздо быстрее, чем при обработке той же информации специалистом-криминалистом, не использующим высокие технологии.

Одной из ключевых технологий анализа дактилоскопических отпечатков является использование свёрточных нейронных сетей, в частности, нейросети для сегментации и восстановления биомедицинских изображений, таких как U-NET [4].

1. Проблемы, возникающие с анализом дактилоскопии в криминалистике

Отпечатки пальцев, снятые с предметов на месте преступления, не всегда отличаются высоким качеством. Это связано с рядом причин: попытка преступника уничтожить идентифицирующие его следы; уничтожение или повреждение отпечатков (намеренное или непреднамеренное) другими людьми, включая сотрудников правоохранительных органов; частичное или полное уничтожение дактилоскопических отпечатков под воздействием атмосферных явлений или иных факторов внешней среды (осадки, песок, вода, огонь, химические вещества и т. д.). В связи с этим криминалисты часто имеют дело с фрагментарными, однозначно не идентифицируемыми отпечатками пальцев, что затрудняет поиск преступника по имеющейся дактилоскопической базе. Отпечатки также могут быть частичными в благоприятных условиях для исследования, например, когда подозреваемый в преступлении коснулся предмета кончиком пальца (например, нажал на сенсорный экран) или сам контакт руки с предметом не обязательно включает полное прилегание подушечек пальцев (например, при использовании карандаша).

При этом однозначно идентифицированные отпечатки, чья принадлежность установлена, например, путём анализа записей с камер видеонаблюдения, также могут быть частичными. Однако их внесение в базу данных преступников и правонарушителей остаётся открытым вопросом, поскольку они не представляют собой полноценную информационную единицу для последующего сравнения с полученными на месте преступления образцами.

При отсутствии или недостаточности других улик и идентификаторов правонарушителя, криминалисты вынуждены работать с фрагментарной дактилоскопией. Следовательно, необходима разработка методов и внедрение инструментов, повышающих эффективность этой работы.

2. Возможности, преимущества и недостатки нейросети U-NET в сфере анализа отпечатков

Нейросети свёрточного типа позволяют сравнивать с ядром не всё анализируемое изображение в целом, а отдельные его фрагменты [2, с. 98]. Не вдаваясь в технические особенности данной технологии, перейдём к рассмотрению возможного диапазона их использования, а также преимуществ и недостатков.

Суть использования свёрточной нейросети в дактилоскопии сводится к восстановлению исходного биометрического изображения по его части или нескольким частям. Восстановленное изображение можно использовать для поиска по имеющейся базе данных с целью идентификации подозреваемого и проверки его на причастность к совершению конкретного преступления.

Сеть U-NET характеризуется высокой эффективностью при достраивании изначально фрагментарного изображения в условиях малого объёма обучающей базы. То есть достраивание частичного отпечатка пальца до полного возможно на основе всего нескольких образцов. Такие условия характерны для повседневной работы криминалистов.

Преимуществами использования данной сети являются также:

• низкая чувствительность к искажению изображения путём поворота или сдвига;
• высокая производительность за счёт распараллеливания аналитических процессов;
• использование в качестве базиса метода обобщения, а не попиксельного запоминания, что позволяет получить более точный результат.

Однако нейросети не являются идеальным инструментом анализа, они обладают рядом недостатков. В частности, неправильные выбор параметров сети, определение вычислительных мощностей и выставление настроек могут привести к получению искажённых результатов [7]. На этапе обучения искусственного интеллекта необходимо постоянное сравнение результатов с данными, полученными альтернативными, в том числе традиционными методами.

3. Перспективы использования U-NET в криминалистике

Нейросеть U-NET считается одной из ведущих разработок в области биометрического анализа. Однако в целом технология дактилоскопии на данном этапе не достигла своих потенциальных значений [8]. Помехами при анализе являются визуальные шумы, искажения и сдвиги, а также малый объём данных для анализа. Значительную часть этих помех позволяет нивелировать использование искусственного интеллекта: он анализирует изображение, разбив его на фрагменты, что уменьшает влияние шумов на результат в целом. Использование в сети U-NET не только технологии свёртывания, но и развёртывания (симметричность процессов отображена в её названии) позволяет ограничить количество признаков анализа изображения после их аналитического расширения – и получить визуализированный результат. Данная сеть имеет 23 свёрточных слоя, что позволяет проводить достаточно глубокий анализ информации.

Нейросети также позволяют существенно снизить неопределённость корреляции между отпечатками разных пальцев (например, мизинца и указательного) на предмет из принадлежности одному и тому же человеку. Точность определения личности по отпечаткам разных пальцев составляет на данный момент около 77% [3, с. 15]. Это позволяет криминалистам повысить полноту анализируемой информации и ускорить расследование преступления.

Однако при этом следует учитывать, что любая математическая модель, особенно если она полностью или частично основана на признаках самообучения, подразумевает определённый процент погрешностей измерения, ложных логических построений и даже ошибок. Среди факторов дополнительного риска, приводящих к их возникновению, можно назвать как изначально низкое качество дактилоскопического материала, так и его поддельность [1, с. 8].

Заключение

Внедрение технологий искусственного интеллекта в криминалистическую практику – несомненная реальность. Они стали неотъемлемой частью повседневной работы, и их внедрение со временем будет только углубляться. Однако необходимо учитывать объективно существующие ограничения на их использование.

Методика применения нейросети U-NET позволяет ускорить анализ дактилоскопических данных в случае их фрагментарности и определить круг подозреваемых с достаточно высокой точностью – на данный момент доля недостоверных результатов нейросетей в дактилоскопии составляет, в среднем, 3–6% [5]. Однако полученные таким образом данные требуют дополнительной проверки и верификации перед тем, как быть принятыми в качестве доказательной базы при вынесении обвинения. Дополнительная сложность состоит в том, что данные, полученные с использованием нейросетей, обладают непрозрачностью и многофакторностью работы.

Таким образом, на данном этапе нейросети являются хорошим помощником, расширяющим инструментальный и методологический аппарат криминалиста, но не способны заменить работу специалиста и делать за него окончательные выводы.