运用Evofinder®枪弹自动识别系统对建档手枪弹头数字化建档的研究

李岳松，罗亚平

（1.中国人民公安大学刑事科学技术学院，100038；2.中国人民公安大学研究生院，100038）

在涉枪案件侦破过程中，需对弹头、弹壳的发射痕迹进行检验和鉴别。自20世纪70年代起，随着计算机处理能力的提升和图像数字识别技术的发展，国外法庭科学工作者开始尝试利用计算机算法探究枪弹痕迹的自动识别技术[1-2]。90年代初，随着科学技术的不断进步与突破，枪弹痕迹自动比对系统得以推广应用。枪弹痕迹检验由传统的比对显微镜检验逐步向定量化、数字化方向发展，有关枪弹痕迹自动识别的研究也不断开展[3-6]。枪弹痕迹自动识别技术是将计算机图像处理应用于枪弹检验的一项新技术，即基于枪弹自动识别系统的自动扫描与检索功能，客观地将射击后弹头与弹壳上遗留的痕迹特征录入并检索比较，通过痕迹特征数字化，利用图像处理技术及相应算法以达到推断射击弹头、弹壳与样本弹头、弹壳是否由同一支枪发射的目的[7]。随着枪弹痕迹图像处理技术的逐步提高，有学者提出能否构建枪弹痕迹数据库，便于快速比对检索[8-13]。2002年比利时专家de Kinder[8]提出“Ballistic Fingerprinting Databases（枪弹痕迹数据库）”概念。尽管欧洲国家及美国各州当时期望建立该数据库以提高破案效率，但由于受各国枪支管控政策不同及犯罪用枪在数据库中占比过低等条件限制，该数据库在实战中难以发挥效用。因此，de Kinder认为枪弹痕迹数据库若想发挥出应有的作用需要从立法、司法、行政管理等角度得到进一步发展。2003年de Kinder等[9]借助IBISTM枪弹自动识别系统，通过实验收集6种品牌共4200枚9 mm P226手枪射击弹壳，并对其中600枚弹壳组成的“Reference Ballistic Imaging Database（样本枪弹痕迹图像数据库）”进行了测试评估，其结论为限于检索准确率的低下，该数据库无法成为高效的执法工具。同时de Kinder指出枪弹自动识别系统及相应检索比对算法是日后能否取得突破的关键。2012年德国专家Rahm等[10]基于对枪弹痕迹数据库的研究，提出了借助数学模型，客观量化衡量枪弹自动识别系统准确性的标准。2013年土耳其专家Ogunc等[11]检测了由RALISTIKA 2010枪弹自动识别系统构建，包含9 mm×19 mm和7.65 mm×17 mm共2000枚弹壳的痕迹图像数据库，认为其准确性可以满足土耳其警方工作需求。2015年比利时专家de Ceuster等[12]借助检索表现更出色的Evo finder®枪弹自动识别系统对十多年前de Kinder有关“Reference Ballistic Imaging Database（样本枪弹痕迹图像数据库）”的测试进行了再探究。探究结果表明，相比于十年前IBISTM系统，Evo finder®系统的检索能力有显著提升，较于之前的研究可以得出该数据库的检索准确度明显提高，但de Ceuster认为基于此项实验所得数据结果，将此类数据库应用于实战破案仍需考虑。

我国实行严格的枪支管控政策，对公务用枪进行登记建档管理。由于公务用枪数量庞大，如何建立公务用枪痕迹档案数据库，即数字化建档，成为公安机关的关注重点[6,13]。本文以1000支QSZ92式9 mm建档手枪射击的2996枚弹头为研究对象，借助Evo finder®枪弹自动识别系统建立建档弹头痕迹数据库，经过大量检索后，综合分析检索结果，并结合公安实战需求，为实现公务用枪数字化建档提供详实实验参考。

1 材料和方法

1.1 Evo finder® 枪弹自动识别系统及处理器的配置

Evo finder®枪弹自动识别系统由德国ScannBI Technology公司研发，具备快速、完整采集弹头与弹壳痕迹图像、分类存储管理图像信息、自动检索与比对样本痕迹图像、数据结果互联共享等功能。本文使用的系统版本为6.3.3.9。本文实验所用处理器参数如下 ：DELL®Inspiron 14-7447笔记本电脑 ；Windows®10版本；Intel®core i7-4720HQ CPU 2.60GHz处理器；8.00GB内存；64位操作系统。

1.2 建档弹头的选取及命名

选取某公安局建档QSZ92 9mm手枪1000支并编号为“00001～01000”，每支手枪依照实物建档，选取全部3枚弹头构建建档弹头痕迹数据库（见图1）。其中编号为“00032”等4支手枪因其中1枚弹头严重变形未选取，即共选取2996枚弹头构建该库。每支枪选取的3枚弹头分别命名为“枪支编号-B1”“枪支编号-B2”“枪支编号-B3”，如：枪支编号“00001”的3枚建档弹头命名为“00001-B1”“00001-B2”“00001-B3”；因编号为“00032”等4支手枪只录入2枚弹头，故分别命名为“枪支编号-B1”“枪支编号-B2”。

1.3 建档弹头的图像采集及痕迹标划

Evo finder®枪弹自动识别系统可采集弹头侧面全部痕迹区域也可以自定义采集区域。为与实物比对痕迹范围相同，本实验完整采集每枚弹头圆柱体侧面全部痕迹区域（见图1）。参照Evo finder®自动识别系统操作手册采集上述全部2996枚弹头图像，不同弹头采集痕迹所耗时间不同，在熟练操作的情况下，平均采集一枚弹头痕迹所需时间约为4 min 30 s，时间包含使用夹具固定弹头、确认采集图像范围、运行采集程序、数据保存的时间。该时间数据仅限本实验条件下得到。

图1 弹头扫描区域Fig.1 The area each bullet was scanned

根据Evo finder®枪弹自动识别系统操作手册，弹头痕迹图像采集后需对膛线痕迹区域进行标划，即需要标划每枚弹头的坡膛痕迹区域、阳膛线痕迹区域、阴膛线痕迹区域（见图2）。在熟练操作的情况下，平均标划一枚弹头全部三种痕迹所需时间约为2 min。该时间仅限由本实验QSZ92式9 mm射击弹头膛线痕迹得到。

1.4 检索结果的呈现及统计学方法

选取每支手枪编号“B1”的弹头作为检材，在其余2995枚弹头的数据库中进行检索，共完成1000次检索。每次检索完成后，系统会得出一份检索列表，列出在某弹头“B1”作为检材进行检索的前提下，其余2995枚弹头的排名位置及相似度，相似度介于0～1之间。借助数据分析软件，分析全部1000份检索结果，并在此基础上讨论建档工作中需要考虑的几项内容，如数据库大小与检索时间、检索结果的关系等。为更直观评估检索能力，参考de Ceuster的研究[6]：检索列表中排名第1～30位的样本，记录其实际排名结果，如：“第1位”、“第24位”等；检索列表31位及以后的样本，统一按照“第31位”记录。系统在每份检索列表中给出坡膛痕迹、阳膛线痕迹、阴膛线痕迹三种检索结果，取B2或B3的最高排名及对应相似度为某痕迹下最佳检索结果。实际鉴定工作中，检验专家通常综合考虑三种痕迹检索结果，本文亦分析每份检索列表中三种痕迹的最佳检索结果。本实验选用minitab®17作为分析软件，并得到相应图表。

2 结果与讨论

2.1 建档弹头痕迹数据库的检索表现

对于建档弹头痕迹数据库而言，其检索比对的准确性是其能否服务公安工作的关键。下文对1000支建档手枪的检索结果进行梳理，从排名位置、相似度分布、检索列表分值间隔三个角度来评估该数据库的检索表现。检验工作中，检验专家通常结合检索结果调取图片检验比对（见图3）。

图3 借助Evo finder® 系统比对弹头阳膛线痕迹Fig.3 Comparing the landmarks by Evo finder® system

2.1.1 排名位置

综合分析三种痕迹检索结果可知：阳膛线痕迹检索结果为最佳排名结果，即1000支手枪编号“B1”的弹头检索时同一支枪击发弹头（“B2”或“B3”）最佳排名位置均位于“第1 位（100%）”（见图4、表1）。阴膛线痕迹和坡膛痕迹检索结果截止“第30位”分别能找到99.2%和92.9%的同一支枪击发弹头（见图5）。

图4 三种痕迹检索结果中同一支枪击发弹头B2或B3最佳排名Fig.4 The best ranking order in the three imaging-mark correlation lists for the bullet B2 or B3 fired from the same pistol

表1 同一支枪击发弹头B2或B3在检索列表中最佳排名位置Table 1 Best ranking order statistics from the three imagingmark correlation lists for B2 or B3 fired from the same pistol

图5 三种痕迹检索结果中最佳排名位置（截至前30位）与比中同一支枪弹B2或B3的累计概率Fig.5 The cumulative percentage that B2 or B3 ( fired from the same pistol) is matched to the best ranking position (cut to the above top 30 position) in the three imaging-mark correlation lists

三种痕迹检索结果并不相同。在射击过程中，弹头披甲与枪管内壁通过力的作用留下能反映枪管内壁构造和使用状况的痕迹特征，而三种痕迹特征的形痕质量以及稳定度有明显区别。

2.1.2 相似度

同一支枪击发弹头“B2”和“B3”与其余弹头相似度分布越相互孤立，该数据库检索准确度越高。综合全部检索列表，统计三种痕迹检索列表排名前10位的样本相似度数值，分析同一支枪击发弹头与不同枪支击发弹头相似度数值分布（见图6）。

图6 三种痕迹检索结果中同一支枪和不同枪支击发弹头相似度分布Fig.6 Density distribution of the similarity scores obtained with the bullets fired from the same or different pistol(s) by their respective three imaging-mark correlations

由图可知，阳膛线痕迹为最佳检索结果，同一支枪击发与不同枪支击发的弹头相似度分布区域无明显交叉但也无明显间隔，两者相似度分布可较为清楚地区分。在坡膛痕迹检索结果与阴膛线痕迹检索结果中，同一支枪击发与不同枪支击发的弹头相似度分布区域有明显交叉，相似度的分布范围出现部分重合，两类相似度分布无法明显区分，且坡膛痕迹检索结果重合范围面积大于阴膛线痕迹检索结果。

2.1.3 检索列表分值间隔

在检索列表中，若某相邻两弹头间相似度分值差较于其他相似度分值差越大，越能引起检验人员的关注。

检索列表前10位中，将同一支枪击发弹头相似度与相邻下一位不同枪支击发弹头相似度的分值差定义为“有效分值间隔”，将同一支枪击发弹头“B2”与“B3”之间相似度分值差定义为“参考分值间隔”，其余相邻弹头相似度之差定义为“一般分值间隔”。选取阳膛线痕迹检索结果，统计1000支枪列表前10位中三种分值间隔数值（见图7）。由图可见，检索结果中“有效分值间隔”均值为0.2726，绝大多数都分布于在0.2～0.4之间，极少数位于0.1以下。“一般分值间隔”均值为0.004，绝大多数分布在0.025以下，极少数位于0.05～0.1之间。即绝大多数“有效分值间隔”远高于“一般分值间隔”，因而可以引起检验人员的重视，通过分值间隔能有效找出潜在比中样本。但也有少数结果，两者无明显区分且数值均较低，此时不能作为排除比中可能的依据。

图7 阳膛线检索结果中三种分值间隔Fig.7 Score gaps of the landmarks from three imaging-mark correlation lists

2.2 数据库大小的影响

从数据库中随机挑选10支枪，通过改变数据库的大小，在10支枪、50支枪、100支枪、200支枪、400支枪、800支枪、1000支枪的数据库中检索，从检索时间和检索结果两方面进行评估，结果如下。

2.2.1 数据库大小与检索时间的关系

由图8、表2可知，随着数据库中枪支数量的增加：1) 所有枪支检索时间普遍增加；2) 相同数据库中，各枪检索时间并不一致；3) 最快检索时间与最慢检索时间之间差值相应增加；4) 平均检索时间大致呈线性，已知数据库大小的前提下，可依斜率大致推算平均检索时间。

图8 检索所需时间与数据库大小的关系Fig.8 Relationship between the spent time to perform correlations and database size

表2 不同大小数据库中检索一枚弹头所需时间Table 2 The spent time to correlate a bullet in the size-increasing database

在本文1000支枪数据库及实验条件下，平均检索1枚弹头的时间仅为130.7s，与人工显微镜下比对方式相比，工作效率极高。但可通过增加工作计算机个数、提升CPU性能、升级软件版本等方式缩短检索时间，因此，此处应更多关注检索时间的变化趋势而非具体数值。在相同实验条件下，可以推算10 000支枪的数据库中，检索1枚弹头的平均时间约为21.8 min。

2.2.2 数据库大小与检索结果的关系

选取4对弹头，其中包含“检材相同样本不同”、“检材不同样本相同”、“检材与样本均不同”3种情况，在不同大小数据库中检索，所得结果见图9、表3。

图9 4对弹头检索排名与数据库大小的关系Fig.9 Relationship between the ranking position of 4-pair bullets and database size

表3 4对弹头在不同大小数据库中检索相似度分值Table 3 The similarity scores of 4-pair bullets in the sizedifferent databases

由图表可知：1）样本弹头的排名位置与数据库大小呈明显线性变化；2）检材与样本组合不同，线性斜率不同；3）相同组合检材样本，样本弹头相似度分值与数据库大小无关。

通过观察可知，样本弹头的排名位置与数据库大小存在明显的线性关系。这种线性关系，可以用于推算更大或更小数据库的检索结果。

3 结论

本文借助统计学软件分析了1000支建档QSZ92式9 mm手枪弹头痕迹数据库的检索结果。从检索排名、相似度、检索列表相似度分值间隔三个方面评估了数据库的检索表现，并探究了数据库大小对检索时间及检索结果的影响。综合分析1000份检索列表可知：三种痕迹检索结果中阳膛线痕迹检索结果最佳，全部1000支枪检索列表的“第1位”均能找到与“B1”同一支枪击发的弹头“B2”或“B3”，且“B2”与“B3”相似度分布能与其余弹头明显区分。专家浏览检索列表时，若发现某两相邻弹头相似度分值差明显大于其他相邻弹头相似度分值差，可初步推断数据库中可能含有同一支枪击发的弹头；但若无明显区分时，不能作为排除的依据。当数据库大小变化时，检索时间与检索排名位置随之呈线性变化，检索相似度不变。利用此变化规律，可在小数据库的基础上初步推知大数据库的表现。

综上所述，运用Evo finder®枪弹自动识别系统构建的QSZ92式9 mm建档弹头痕迹数据库检索准确、高效，可为公安建档工作提供助力，为建档枪支数字化管理提供参考。