人工智能應(yīng)用的刑事技術(shù)課程改革
前言：想要寫(xiě)出一篇引人入勝的文章？我們特意為您整理了人工智能應(yīng)用的刑事技術(shù)課程改革范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。
摘要：人工智能在視頻檢驗(yàn)、足跡檢驗(yàn)、筆跡鑒定、生物物證鑒定等領(lǐng)域已經(jīng)有所應(yīng)用，大數(shù)據(jù)分析、數(shù)據(jù)挖掘技術(shù)使得人工智能在刑事科學(xué)技術(shù)中的應(yīng)用將會(huì)越來(lái)越廣泛。因此，公安院校在“刑事技術(shù)”課程中應(yīng)該充分體現(xiàn)出智能科學(xué)與其他多學(xué)科之間的交叉、融合，探索理論與實(shí)踐教學(xué)內(nèi)容新變化，以提高學(xué)生利用多學(xué)科知識(shí)綜合分析、解決問(wèn)題的技能。
關(guān)鍵詞：人工智能；刑事技術(shù)；課程改革
0引言
“刑事技術(shù)”課程是公安院校面向偵查學(xué)等專(zhuān)業(yè)開(kāi)設(shè)的專(zhuān)業(yè)基礎(chǔ)課，與“偵查學(xué)”“現(xiàn)場(chǎng)勘查”等課程緊密聯(lián)系。該課程主要包括刑事圖像技術(shù)、痕跡檢驗(yàn)技術(shù)、文件檢驗(yàn)技術(shù)、法醫(yī)檢驗(yàn)技術(shù)、微量物證檢驗(yàn)技術(shù)、毒物檢驗(yàn)技術(shù)、電子物證檢驗(yàn)技術(shù)和生物物證檢驗(yàn)技術(shù)等［1］?，F(xiàn)有“刑事技術(shù)”課程內(nèi)容劃分比較傳統(tǒng)，相對(duì)孤立，雖有提到物證檢驗(yàn)對(duì)象和使用儀器方法互有交叉，但都是一帶而過(guò)，沒(méi)有深入展開(kāi)，更沒(méi)有專(zhuān)門(mén)的綜合各學(xué)科新技術(shù)的實(shí)驗(yàn)教學(xué)，沒(méi)有充分體現(xiàn)各個(gè)學(xué)科之間聯(lián)系與技術(shù)交叉融合，因此，學(xué)生的綜合操作技能往往不高，跨學(xué)科跨領(lǐng)域的應(yīng)用能力也不強(qiáng)［2］。刑事科學(xué)技術(shù)領(lǐng)域的智能化應(yīng)用都離不開(kāi)機(jī)器學(xué)習(xí)，面對(duì)大數(shù)據(jù)時(shí)代的到來(lái)，指紋樣本庫(kù)、足跡樣本庫(kù)、DNA樣本庫(kù)不斷擴(kuò)容，檢驗(yàn)鑒定工作中急需快速、高效地比對(duì)結(jié)果，因此，非常需要專(zhuān)門(mén)研究計(jì)算機(jī)模擬人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)，研究特定的算法來(lái)處理大量的數(shù)據(jù)，提煉出規(guī)則，為未來(lái)面臨同類(lèi)型的任務(wù)不斷積累經(jīng)驗(yàn)。這意味著“刑事技術(shù)”課程內(nèi)容上，無(wú)論理論課還是實(shí)驗(yàn)課，都應(yīng)該增設(shè)人工智能在該學(xué)科的應(yīng)用狀況與發(fā)展趨勢(shì)，以便使學(xué)生掌握學(xué)科交叉應(yīng)用的新動(dòng)態(tài)，增強(qiáng)運(yùn)用多學(xué)科知識(shí)綜合解決問(wèn)題的能力［3］。
1指紋自動(dòng)識(shí)別系統(tǒng)中的智能化應(yīng)用
指紋系統(tǒng)中的模式識(shí)別算法是基于指紋圖像來(lái)識(shí)別紋線(xiàn)上細(xì)節(jié)特征點(diǎn)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(guò)自適應(yīng)的、適合匹配的濾鏡和恰當(dāng)?shù)拈y值，減弱噪音，增強(qiáng)脊線(xiàn)和犁溝的對(duì)比度，甚至能夠從質(zhì)量很差的指紋中獲取適當(dāng)?shù)娜趾途植刻卣鼽c(diǎn)。同時(shí)，通過(guò)分類(lèi)算法預(yù)先使用全局特征排序，從而大大地加速指紋匹配過(guò)程。為指紋自動(dòng)識(shí)別技術(shù)走向智能化提供了進(jìn)一步的研究條件。在實(shí)際的工作中，指紋自動(dòng)識(shí)別系統(tǒng)比對(duì)結(jié)果的優(yōu)劣對(duì)于提交給系統(tǒng)的指紋細(xì)節(jié)特征的人工編輯依賴(lài)很大，這與無(wú)須人工進(jìn)行特征編輯，直接將指紋圖像提交比對(duì)相比而言，無(wú)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(duì)結(jié)果看，指紋專(zhuān)家對(duì)細(xì)節(jié)特征的肉眼識(shí)別，仍是一項(xiàng)不可或缺的、至關(guān)重要的環(huán)節(jié)。
2足跡步法識(shí)別與鑒定的智能化應(yīng)用
馬瑞羚等［7］采用PODOTEKHD足底應(yīng)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(guò)配套軟件FREESTEP進(jìn)行足跡特征的數(shù)據(jù)識(shí)別、提取與分析，提高了步幅、步態(tài)特征的利用價(jià)值。實(shí)驗(yàn)表明在足跡檢驗(yàn)中，PODOTEKHD足底應(yīng)力儀的傳感系統(tǒng)的應(yīng)用將會(huì)為從主觀經(jīng)驗(yàn)判斷的傳統(tǒng)模式向科學(xué)表達(dá)、準(zhǔn)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(yàn)憑借專(zhuān)家視覺(jué)經(jīng)驗(yàn)來(lái)判斷特征的過(guò)程，將逐步被生物識(shí)別設(shè)備和圖像軟件分析技術(shù)所解讀，再通過(guò)計(jì)算機(jī)深度學(xué)習(xí)，讓機(jī)器學(xué)習(xí)專(zhuān)家經(jīng)驗(yàn)，智能分析檢驗(yàn)、鑒定犯罪現(xiàn)場(chǎng)的各類(lèi)足跡將是一種發(fā)展方向。同時(shí)，不斷擴(kuò)充PODOTEKHD足底應(yīng)力儀人群的樣本數(shù)據(jù)量，機(jī)器學(xué)習(xí)的結(jié)果將有可能勝任足跡的檢驗(yàn)工作。
3筆跡識(shí)別與鑒定的智能化應(yīng)用
梁曦璐［8］將訓(xùn)練數(shù)據(jù)（樣本筆跡）輸入Paddle，訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型，通過(guò)迭代訓(xùn)練降低鑒別錯(cuò)誤率，再用檢驗(yàn)數(shù)據(jù)（檢材筆跡）進(jìn)行檢驗(yàn)預(yù)測(cè)，實(shí)現(xiàn)離線(xiàn)筆跡鑒別目的，并嘗試進(jìn)行模仿簽名筆跡的識(shí)別，一定程度上提升了機(jī)器自動(dòng)鑒別原理的嚴(yán)謹(jǐn)性和科學(xué)性。實(shí)際工作中，筆跡鑒定仍主要憑借專(zhuān)家人工檢驗(yàn)，標(biāo)畫(huà)特征位置，因?yàn)閷?zhuān)家個(gè)人的經(jīng)驗(yàn)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(shū)寫(xiě)樣本筆跡）專(zhuān)家認(rèn)為：檢材與樣本筆跡在“同、意”兩字的連筆位置、連筆寫(xiě)法、收筆動(dòng)作，“列”字“歹”部連筆形態(tài)和位置特征雖然是差異點(diǎn)，但是與“同”字豎鉤收筆動(dòng)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(huà)交叉搭配特征的符合點(diǎn)相比而言，后者占據(jù)明顯質(zhì)量上的優(yōu)勢(shì)，因此，綜合評(píng)斷的結(jié)果是本質(zhì)上符合，即認(rèn)定同一的結(jié)論，而機(jī)器學(xué)習(xí)的結(jié)果，在筆跡特征價(jià)值高低的綜合評(píng)判和取舍選用上，往往會(huì)與專(zhuān)家經(jīng)驗(yàn)有區(qū)別。把專(zhuān)家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，優(yōu)勢(shì)互補(bǔ)，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能，在一定程度上解決了專(zhuān)家系統(tǒng)建造中知識(shí)與規(guī)則獲取的困難；而專(zhuān)家系統(tǒng)的解釋功能，可以彌補(bǔ)神經(jīng)網(wǎng)絡(luò)解釋功能的不足。當(dāng)一個(gè)智能算法充分與具體問(wèn)題的內(nèi)在屬性相聯(lián)系的時(shí)候，都有可能得到很不錯(cuò)的效果。改進(jìn)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(luò)方法，從基本MLP到針對(duì)手寫(xiě)筆跡識(shí)別問(wèn)MLP到針對(duì)手寫(xiě)筆跡識(shí)別問(wèn)題開(kāi)發(fā)的改進(jìn)型LeNet，實(shí)驗(yàn)效果的提高非常明顯，因此，算法應(yīng)用的優(yōu)劣，關(guān)鍵在于與具體問(wèn)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(shí)別與鑒定的智能化應(yīng)用
蘭玉文等［10］利用計(jì)算機(jī)視覺(jué)技術(shù)，從面目不清的監(jiān)控視頻序列圖像中識(shí)別、跟蹤個(gè)體動(dòng)態(tài)特征，采取視頻單幀連續(xù)擬合法，通過(guò)對(duì)人體各關(guān)節(jié)標(biāo)志點(diǎn)運(yùn)行軌跡跟蹤獲取不同角度個(gè)體動(dòng)態(tài)特征曲線(xiàn)進(jìn)行個(gè)體識(shí)別檢驗(yàn)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(gè)體識(shí)別技術(shù)難題。圖像數(shù)量會(huì)增加數(shù)據(jù)集的復(fù)雜度，以高維數(shù)據(jù)處理大量圖像需要很高的計(jì)算能力和大量的內(nèi)存空間，應(yīng)用降維技術(shù)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(shí)別某一圖像。因子分析是解決統(tǒng)計(jì)降維問(wèn)題的重要工具。
5聲紋識(shí)別與鑒定
黃天蕓［11］提出語(yǔ)音識(shí)別系統(tǒng)收集的大量訓(xùn)練數(shù)據(jù)有助于訓(xùn)練魯棒性更強(qiáng)、泛化能力更強(qiáng)的深度網(wǎng)絡(luò)，同時(shí)更好更強(qiáng)的深度網(wǎng)絡(luò)更能有效語(yǔ)音識(shí)別系統(tǒng)的識(shí)別精度，降低語(yǔ)音識(shí)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(chǔ)上，應(yīng)適量增加關(guān)于人工智能應(yīng)用的成果，尤其以監(jiān)控視頻的圖像識(shí)別、指紋自動(dòng)識(shí)別系統(tǒng)、足跡步法特征識(shí)別、筆跡鑒定等應(yīng)用領(lǐng)域?yàn)榍腥朦c(diǎn)，整編教材，使學(xué)生既能夠?qū)W習(xí)基礎(chǔ)知識(shí)理論和前人經(jīng)驗(yàn)，又能及時(shí)掌握、利用好計(jì)算機(jī)智能化技術(shù)［12］。培養(yǎng)一名物證鑒定專(zhuān)家，有時(shí)需要十余年的經(jīng)驗(yàn)積累，若將機(jī)器學(xué)習(xí)應(yīng)用于種屬鑒定、同一認(rèn)定，就能夠以超人類(lèi)學(xué)習(xí)千百倍速度的高效率來(lái)實(shí)現(xiàn)物證鑒定工作。把專(zhuān)家們的經(jīng)驗(yàn)結(jié)論信息存儲(chǔ)到計(jì)算機(jī)中，再進(jìn)行深入推理和判斷、整合，構(gòu)建完善的知識(shí)系統(tǒng)，隨著數(shù)據(jù)量增加，可以發(fā)揮計(jì)算機(jī)自主學(xué)習(xí)功能，機(jī)器逐步學(xué)會(huì)模擬人類(lèi)專(zhuān)家的判斷決策過(guò)程，處理其他相類(lèi)似的問(wèn)題。因此，在教學(xué)中應(yīng)充分體現(xiàn)出刑事科學(xué)技術(shù)學(xué)科應(yīng)用的交叉性，加快各領(lǐng)域知識(shí)向本領(lǐng)域的融合速度。“刑事技術(shù)”課程及時(shí)融入新的應(yīng)用，向?qū)W生們?cè)丛床粩嗟貍鬟f大數(shù)據(jù)背景下人工智能技術(shù)的發(fā)展?fàn)顩r，把握時(shí)代脈搏，緊跟潮流，為培養(yǎng)具有跨學(xué)科、跨專(zhuān)業(yè)的綜合分析、解決問(wèn)題能力的刑偵和技術(shù)人才打好基礎(chǔ)。
參考文獻(xiàn)
［1］裘炯良，周力沛，鄭劍寧，等.機(jī)器學(xué)習(xí)技術(shù)與病媒生物種屬鑒定［J］.中華衛(wèi)生殺蟲(chóng)藥械，2017（5）：436-439.
［2］彭軍.基于計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)對(duì)人工智能的應(yīng)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(shù)在人工智能中的應(yīng)用研究［J］.數(shù)字技術(shù)與應(yīng)用，2015（12）：109-110.
［4］顧澤蒼.人工智能技術(shù)深度剖析［J］.機(jī)器人技術(shù)與應(yīng)用，2017（1）：23-28.
［5］陳帥.手機(jī)操作系統(tǒng)中智能化技術(shù)運(yùn)用研究［J］.自動(dòng)化與儀器儀表，2016（4）：27-28.
［6］安睿.人工智能的應(yīng)用領(lǐng)域及其未來(lái)展望［J］.科技經(jīng)濟(jì)導(dǎo)刊，2017（29）：15.
［7］馬瑞羚，李浩.利用PODOTEKHD足底應(yīng)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(jìn)神經(jīng)網(wǎng)絡(luò)的離線(xiàn)簽名筆跡識(shí)別［D］.北京：中國(guó)政法大學(xué)，2017.
［9］姚軍.機(jī)器學(xué)習(xí)、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(dòng)態(tài)特征應(yīng)用識(shí)別技術(shù)研究［J］.警察技術(shù)，2013（6）：11-16.
［11］黃天蕓.基于人工智能深度學(xué)習(xí)的語(yǔ)音識(shí)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(lǐng)世界發(fā)展的新興驅(qū)動(dòng)力［J］.學(xué)術(shù)前沿，2017（10）：12-23.
作者:李浩 單位:南京森林警察學(xué)院偵查學(xué)院
