人工智能应用的刑事技术课程改革

摘要：人工智能在视频检验、足迹检验、笔迹鉴定、生物物证鉴定等领域已经有所应用，大数据分析、数据挖掘技术使得人工智能在刑事科学技术中的应用将会越来越广泛。因此，公安院校在“刑事技术”课程中应该充分体现出智能科学与其他多学科之间的交叉、融合，探索理论与实践教学内容新变化，以提高学生利用多学科知识综合分析、解决问题的技能。

关键词：人工智能；刑事技术；课程改革

0引言

“刑事技术”课程是公安院校面向侦查学等专业开设的专业基础课，与“侦查学”“现场勘查”等课程紧密联系。该课程主要包括刑事图像技术、痕迹检验技术、文件检验技术、法医检验技术、微量物证检验技术、毒物检验技术、电子物证检验技术和生物物证检验技术等［1］。现有“刑事技术”课程内容划分比较传统，相对孤立，虽有提到物证检验对象和使用仪器方法互有交叉，但都是一带而过，没有深入展开，更没有专门的综合各学科新技术的实验教学，没有充分体现各个学科之间联系与技术交叉融合，因此，学生的综合操作技能往往不高，跨学科跨领域的应用能力也不强［2］。刑事科学技术领域的智能化应用都离不开机器学习，面对大数据时代的到来，指纹样本库、足迹样本库、DNA样本库不断扩容，检验鉴定工作中急需快速、高效地比对结果，因此，非常需要专门研究计算机模拟人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，研究特定的算法来处理大量的数据，提炼出规则，为未来面临同类型的任务不断积累经验。这意味着“刑事技术”课程内容上，无论理论课还是实验课，都应该增设人工智能在该学科的应用状况与发展趋势，以便使学生掌握学科交叉应用的新动态，增强运用多学科知识综合解决问题的能力［3］。

1指纹自动识别系统中的智能化应用

指纹系统中的模式识别算法是基于指纹图像来识别纹线上细节特征点的一种算法，在人工智能的算法下，指纹可以变换成代码［4］。陈帅［5］引入了新型ZKFigner算法，通过自适应的、适合匹配的滤镜和恰当的阀值，减弱噪音，增强脊线和犁沟的对比度，甚至能够从质量很差的指纹中获取适当的全局和局部特征点。同时，通过分类算法预先使用全局特征排序，从而大大地加速指纹匹配过程。为指纹自动识别技术走向智能化提供了进一步的研究条件。在实际的工作中，指纹自动识别系统比对结果的优劣对于提交给系统的指纹细节特征的人工编辑依赖很大，这与无须人工进行特征编辑，直接将指纹图像提交比对相比而言，无疑是背道而驰的，但是目前多数公司的产品，虽然都集成了多算法，尽量减少人工编辑，提高效率，但是从比对结果看，指纹专家对细节特征的肉眼识别，仍是一项不可或缺的、至关重要的环节。

2足迹步法识别与鉴定的智能化应用

马瑞羚等［7］采用PODOTEKHD足底应力仪的传感系统采集不同人行走留下的足迹信息以及通过配套软件FREESTEP进行足迹特征的数据识别、提取与分析，提高了步幅、步态特征的利用价值。实验表明在足迹检验中，PODOTEKHD足底应力仪的传感系统的应用将会为从主观经验判断的传统模式向科学表达、准确分析模式的跨越提供一种新的方法与思路，如图2所示。这意味着传统足迹检验凭借专家视觉经验来判断特征的过程，将逐步被生物识别设备和图像软件分析技术所解读，再通过计算机深度学习，让机器学习专家经验，智能分析检验、鉴定犯罪现场的各类足迹将是一种发展方向。同时，不断扩充PODOTEKHD足底应力仪人群的样本数据量，机器学习的结果将有可能胜任足迹的检验工作。

3笔迹识别与鉴定的智能化应用

梁曦璐［8］将训练数据（样本笔迹）输入Paddle，训练深度神经网络模型，通过迭代训练降低鉴别错误率，再用检验数据（检材笔迹）进行检验预测，实现离线笔迹鉴别目的，并尝试进行模仿签名笔迹的识别，一定程度上提升了机器自动鉴别原理的严谨性和科学性。实际工作中，笔迹鉴定仍主要凭借专家人工检验，标画特征位置，因为专家个人的经验包含了丰富的信息，以图3中笔迹鉴定为例（左边为案件中的需鉴定的检材笔迹，右边为提取的正常书写样本笔迹）专家认为：检材与样本笔迹在“同、意”两字的连笔位置、连笔写法、收笔动作，“列”字“歹”部连笔形态和位置特征虽然是差异点，但是与“同”字竖钩收笔动作、“口”部收笔方向，“意”字“心”部起笔、连笔、行笔形态，“列”字立刀旁竖钩与“歹”部搭配比例，“支”字连笔位置、形态，笔画交叉搭配特征的符合点相比而言，后者占据明显质量上的优势，因此，综合评断的结果是本质上符合，即认定同一的结论，而机器学习的结果，在笔迹特征价值高低的综合评判和取舍选用上，往往会与专家经验有区别。把专家系统和神经网络结合起来，优势互补，神经网络的学习功能，在一定程度上解决了专家系统建造中知识与规则获取的困难；而专家系统的解释功能，可以弥补神经网络解释功能的不足。当一个智能算法充分与具体问题的内在属性相联系的时候，都有可能得到很不错的效果。改进的LeNet多层感知器方法，比普通的SVM方法效果好，神经网络方法，从基本MLP到针对手写笔迹识别问MLP到针对手写笔迹识别问题开发的改进型LeNet，实验效果的提高非常明显，因此，算法应用的优劣，关键在于与具体问题的内在性质相适合的程度［9］。

4监控视频的图像识别与鉴定的智能化应用

兰玉文等［10］利用计算机视觉技术，从面目不清的监控视频序列图像中识别、跟踪个体动态特征，采取视频单帧连续拟合法，通过对人体各关节标志点运行轨迹跟踪获取不同角度个体动态特征曲线进行个体识别检验判定同一。解决了监控录像中的犯罪嫌疑人蒙面和图像不清的个体识别技术难题。图像数量会增加数据集的复杂度，以高维数据处理大量图像需要很高的计算能力和大量的内存空间，应用降维技术将这些图像投影到较低维的空间，使用较少的变量用数据集中识别某一图像。因子分析是解决统计降维问题的重要工具。

5声纹识别与鉴定

黄天芸［11］提出语音识别系统收集的大量训练数据有助于训练鲁棒性更强、泛化能力更强的深度网络，同时更好更强的深度网络更能有效语音识别系统的识别精度，降低语音识别系统受噪音的影响。

6“刑事技术”课程改革的切入点

在课程的传统章节内容基础上，应适量增加关于人工智能应用的成果，尤其以监控视频的图像识别、指纹自动识别系统、足迹步法特征识别、笔迹鉴定等应用领域为切入点，整编教材，使学生既能够学习基础知识理论和前人经验，又能及时掌握、利用好计算机智能化技术［12］。培养一名物证鉴定专家，有时需要十余年的经验积累，若将机器学习应用于种属鉴定、同一认定，就能够以超人类学习千百倍速度的高效率来实现物证鉴定工作。把专家们的经验结论信息存储到计算机中，再进行深入推理和判断、整合，构建完善的知识系统，随着数据量增加，可以发挥计算机自主学习功能，机器逐步学会模拟人类专家的判断决策过程，处理其他相类似的问题。因此，在教学中应充分体现出刑事科学技术学科应用的交叉性，加快各领域知识向本领域的融合速度。“刑事技术”课程及时融入新的应用，向学生们源源不断地传递大数据背景下人工智能技术的发展状况，把握时代脉搏，紧跟潮流，为培养具有跨学科、跨专业的综合分析、解决问题能力的刑侦和技术人才打好基础。

参考文献

［1］裘炯良，周力沛，郑剑宁，等.机器学习技术与病媒生物种属鉴定［J］.中华卫生杀虫药械，2017（5）：436-439.

［2］彭军.基于计算机网络技术对人工智能的应用分析［J］.建材与装饰，2017（4）：293-294.

［3］王洪艳，郭云峰.大数据技术在人工智能中的应用研究［J］.数字技术与应用，2015（12）：109-110.

［4］顾泽苍.人工智能技术深度剖析［J］.机器人技术与应用，2017（1）：23-28.

［5］陈帅.手机操作系统中智能化技术运用研究［J］.自动化与仪器仪表，2016（4）：27-28.

［6］安睿.人工智能的应用领域及其未来展望［J］.科技经济导刊，2017（29）：15.

［7］马瑞羚，李浩.利用PODOTEKHD足底应力仪系统分析足迹步法特征的初步探索［J］.江苏科技信息，2017（1）：64-67.

［8］梁曦璐.基于改进神经网络的离线签名笔迹识别［D］.北京：中国政法大学，2017.

［9］姚军.机器学习、大数据分析和可视化［M］.北京：人民邮电出版社，2017.

［10］兰玉文，李跃威，喻松春，等.基于监控视频的人体动态特征应用识别技术研究［J］.警察技术，2013（6）：11-16.

［11］黄天芸.基于人工智能深度学习的语音识别方法［J］.信息记录材料，2017（9）：20-21.

［12］许晔.下一代人工智能：引领世界发展的新兴驱动力［J］.学术前沿，2017（10）：12-23.

作者:李浩 单位:南京森林警察学院侦查学院