Вопросы идентификации личности всегда являлись одними из ключевых в судебной медицине. С целью установления личности существует необходимость идентификации по фотоизображению [1]. Одним из методов идентификации личности является краниофациальная диагностика, которая основывается на сравнении двух объектов: черепа и лица, изображенного на фотографии [2]. Поскольку в описываемом методе осуществляется сравнение двух неидентичных объектов, исследование проводят по реперным точкам и контурам, которые максимально анатомически схожи на лице и на черепе. Этот метод занимает достаточно большое количество времени, при его применении необходимы хорошее качество сравниваемых изображений и четкая визуализация объектов сравнения на них (соответствующий ракурс, хорошая резкость, контраст, видимость всех сравниваемых элементов и т.д.) [3, 4]. За последние 5–6 лет значительно изменились объемы проведения краниофациальных экспертиз в сторону увеличения [5]. В настоящее время, в век прогрессивных инновационных технологий, результат эффективности выражается одновременной оценкой качества, количества и временными затратами специалиста на выполнение работы, а также предоставление отчетности. Так, в разных организациях сформирована своя система отчетов в зависимости от сроков предоставления информации и от типа отчетов [6]. С целью достижения высоких показателей необходимо, прежде всего, уменьшить временные затраты на проведение экспертизы без потери качества. Для увеличения объема обрабатываемого материала в современных реалиях все больше и больше в различных отраслях используются ИНС. Требуется такая классификация задач, которые должны решать системы искусственного интеллекта [7]. В связи с возникающими потребностями и открывшимися возможностями была реализована возможность проектирования прикладных программ и использования искусственной нейронной сети (ИНС) и в судебно-медицинской идентификации, при краниофациальной диагностике, в рамках портретной экспертизы. ИНС учатся и познают новые данные путем обработки примеров, каждый из которых содержит в себе известные «входные данные» и «выходные данные» [8-12].
Цель исследования – создание полуавтоматической программы для ЭВМ на основе обученной ИНС для производства краниофациальных экспертиз (Свидетельство о регистрации № 2022667480 в базе регистрации Федеральной службы по интеллектуальной собственности).
Материалы и методы исследования. Для решения вопросов краниофациальной идентификации использовалась обученная ИНС, на основе которой разработана компьютерная программа со специализированным интернет-сервисом через web-интерфейс «Skull-face», осуществляющая краниофациальную идентификацию. Архитектура ИНС включает в себя две модели, предварительно обученные на наборе данных для распознавания лиц, одна из которых используется для изображений лиц, а вторая – для черепов. В качестве функции потерь используется «Триплет-лосс» – это функция потерь для алгоритмов машинного обучения, в которой опорный вход (называемый якорем) сравнивается с соответствующим входом (называемым положительным) и несоответствующим входом (называемым отрицательным). Якорем в данном случае является изображение черепа, положительным и отрицательным входом – верное и случайное неверное изображения лиц соответственно. Расстояние от якоря до положительного входа минимизируется, а расстояние от якоря до отрицательного входа максимизируется. Обученная ИНС принимает на вход изображения и возвращает их векторное представление. Далее происходит вычисление косинусного расстояния между вектором изображения-якоря и векторами всех переданных изображений, среди которых осуществляется поиск схожих объектов. Результатом работы программы является список изображений, отсортированный в порядке убывания схожести с изображением-якорем, вместе со значением расстояния, выраженного в процентном эквиваленте [13, 14].
Для оценки и сортировки по схожести сравниваемых объектов в разработанной программе используются 2 методики:
– программное ранжирование результатов с учетом сравнения по евклидовой метрике векторного представления лица и черепа, полученных в ходе обучения ИНС. Евклидова метрика – наименьшее возможное расстояние между двумя точками в евклидовом пространстве. В нашем случае за это расстояние между двумя точками был принят вектор расстояния между сравниваемым изображением лица и черепа, который условно был приравнен к 1; чем ближе получаемый при сравнении показатель к единице, тем более тожественны сравниваемые объекты. Евклидова метрика использовалась при обучении ИНС для уменьшения расстояния между одинаковыми объектами и увеличения между различными, и теперь данный параметр является оценочным в практической деятельности. Результатом данной методики стал показатель «скор» – одна из метрик производительности модели машинного обучения. С помощью «скор» оценивают точность классификации на основании отношения правильно прогнозируемых наблюдений к общему их количеству. Чем больше «скор» стремится к единице (идеальное представление вектора), тем будут более тождественны объекты;
– сортировка объектов, основанная на корреляции Пирсона. Корреляция осуществляется между наборами относительных расстояний между ключевыми (реперными) точками на лице и такими же наборами точек на черепе. Показателем данной методики стал коэффициент корреляции Пирсона. Словесное описание величины коэффициента корреляции представлено в таблице 1 [15].
Таблица 1
Выражение коэффициента корреляции Пирсона
|
Значение коэффициента корреляции r |
0 < г <= 0,2 |
0,2 < г <= 0,5 |
0,5 < г <= 0,7 |
0,7 < г <= 0,9 |
0,9 < г <= 1 |
|
Интерпретация |
Очень слабая корреляция |
Слабая корреляция |
Средняя корреляция |
Сильная корреляция |
Очень сильная корреляция |
Поисковой запрос в созданном интернет-сервисе «Skull-face» может быть реализован в двух режимах:
– режим поиска по имеющимся фотографиям лиц, без вести пропавших;
– сравнительное исследование по фотографиям [16], которые были представлены следствием для экспертных исследований.
Для повышения точности идентификации в программе имеются 2 модуля отдельно для мужских и женских черепов.
После разработки программы «Skull-face» проводились ее апробация и последующая модернизация с учетом выявленных ошибок и неточностей. В настоящее время программа работает достаточно адекватно, получено свидетельство о государственной регистрации программы для ЭВМ № 2022667480 [17]. Все это позволило использовать программу в реальных медико-криминалистических экспертизах идентификации личности.
Результаты исследования и их обсуждение
В рамках экспертизы на исследование представлен череп неизвестного трупа, обнаруженного в лесу в стадии резко выраженных гнилостных изменений. Для сравнительного исследования представлены фотографии пропавшего мужчины, поставлен вопрос о принадлежности указанного черепа лицу, изображенному на фотографиях. На исследование представлены фотографии различной давности: незадолго до пропажи мужчины (несколько дней) и в период за 10–15 лет до этого. Все фотографии анфас и фотография черепа анфас с разметкой константных реперных точек были помещены в интернет-сервис «Skull-face» во втором режиме сравнительного исследования представленных фотографий. В дальнейшем производилась обработка загруженных объектов в течение нескольких секунд, и был получен результат о высокой степени корреляции сравниваемых объектов. Коэффициент корреляции Пирсона составил от 0,93 до 0,98, «скор» модели составил 1,21–1,24. Причем достаточно хорошие результаты получены как с фотографиями, выполненными незадолго до пропажи, так и с фотографиями более ранних сроков жизни (рис 1, а – г).
а
б
в
г
Рис. 1. Результат компьютерного программного фотосовмещения в программе «Skull-face»: а – фотоизображение представленного черепа с разметкой реперных точек; б – результат сравнения № 1 с коэффициентом корреляции 0,98, «скор» модели 1,21; в – результат сравнения № 2 с коэффициентом корреляции 0,98, «скор» модели 1,23; г – результат сравнения № 2 с коэффициентом корреляции 0,93, «скор» модели 1,24
Для подтверждения полученных результатов и проверки работы программы в нее были произвольно загружены фотографии других лиц, не относящихся к объекту исследования. При этом максимальный коэффициент корреляции и оптимальный «скор» все равно сохранились. В рамках идентификационной экспертизы, помимо метода программной краниофациальной идентификации, использованы также метод словесного портрета, оценка метрических и описательных признаков внешности, которые также подтвердили сходство сравниваемых объектов. Все это в совокупности позволило сделать вывод о том, что представленный на экспертизу череп неизвестного трупа принадлежит мужчине, фотографии которого представлены на исследование.
В другом случае программа «Skull-face» была использована нами непосредственно на месте обнаружения секретированных останков с применением ноутбука, без какой-либо предварительной обработки черепа и разметки на нем реперных точек. В лесном массиве обнаружены секретированные останки, вместе с которыми находился пакет с документами. Среди документов был обнаружен военный билет с прижизненной фотографией и указанием даты рождения погибшего. Давность фотографии в военном билете составляла около 12–15 лет.
Для сравнительного анализа фотография с военного билета была оцифрована с использованием цифрового фотоаппарата и загружена в программу «Skull-face», туда же были помещены фотографии черепа в прямой проекции в нативном виде, выполненные на месте происшествия. Сравнительное исследование проводилось во втором режиме компьютерной программы. В течение короткого промежутка времени получен результат с коэффициентом корреляции Пирсона 0,96 и «скор» со значением 1,17, что соответствует высокой степени совпадения сравниваемых фотоизображений лица и черепа (рис. 2а, 2б).
а
б
Рис. 2. Результат компьютерного программного фотосовмещения в программе «Skull-face»: а – фотоизображение представленного черепа с разметкой реперных точек; б – результат сравнения № 1 с коэффициентом корреляции 0,96, «скор» модели 1,17
Для проверки и подтверждения достоверности полученного результата во втором режиме программы были загружены на сервер программного комплекса «Skull-face» прижизненные фотографии произвольно выбранных лиц анфас. При сравнении разброс коэффициента корреляции Пирсона составил от 0,94 до 0,95, «скор» находился в пределах от 1,18 до 1,27, что говорило о более низкой степени тождественности сравниваемых объектов (рис. 3, а–в).
а
б
в
Рис. 3. Результат ранжирования компьютерным программным комплексом «Skull-face» прижизненных фото: а – результат сравнения № 1 с коэффициентом корреляции 0,96, «скор» модели 1,17; б – результат сравнения № 2 с коэффициентом корреляции 0,94, «скор» модели 1,18; в – результат сравнения № 2 с коэффициентом корреляции 0,95, «скор» модели 1,27
Проведенное исследование позволило непосредственно на месте обнаружения скелетированных останков с большой степенью достоверности сказать, что череп и скелетированные останки принадлежат человеку, военный билет которого был обнаружен вместе с останками.
Заключение
Краниофациальная экспертиза – это длительный, трудоемкий процесс, отнимающий много времени и сил эксперта. В случае применения программы «Skull-face» исследователю при поступлении объектов в отделение требуется произвести разметку точек на черепе (для проверки их расстановки программой), выполнить фотосъемку черепа и загрузить все фотографии в программу. Четко подбирать соответствие ракурса лиц, изображенных на фото, и соответствующего ракурса черепа не потребуется, поскольку для обучения нейронных сетей использовали модели лиц и черепов анфас и с отклонением в 10 градусов влево, вправо, вверх и вниз от основной проекции. Также применение программы «Skull-face» позволяет дать предварительный ответ и непосредственно на месте обнаружения черепа или секретированных останков, в случае наличия объектов для сравнительного исследования. Программа «Skull-face» позволяет сократить экспертное время. Вместе с тем оценка окончательного результата остается в ведении эксперта, выполняющего экспертизу. В программе «Skull-face» эксперт может осуществить проверку результатов путем контроля разметки реперных точек, которую выполнила программа на фотоизображениях лица и черепа.