行分箱处理描述痕迹特征；
[0049] Step4、计算平滑后的痕迹信号与样本信号二者重合的面积和二者全部覆盖的面 积比值；
[0050] Step5、通过比值作为重合度比对的结果，进而搜索到与待检测线性痕迹最为相似 的线性痕迹样本，锁定作案工具。
[0051 ]实施例2:如图1-7所示，一种现场残缺线性痕迹特征重合度比对方法，本实施例与 实施例1相同，不同之处在于，本实施例是以实际案例进行讲解：
[0052]所述现场残缺线性痕迹特征重合度比对方法的具体步骤如下：
[0053] Stepl、利用线性痕迹激光检测试验台装置的激光位移传感器对承痕体上的残缺 线性痕迹表面进行横向检测，形成检测信号波形f(x);
[0054] Step2、通过小波分解，将激光检测信号波形f(x)进行数据平滑处理，以消除背景 噪声干扰，得到平滑后的信号hU);
[0055] 如图2-3所示，在实际的降噪过程中，需要对原始信号f(t)进行多层的分解，层数 分解的越多，对细节数据处理的越多，能够消除的噪声更多，但是可能抹平的细节也更多。 因此寻找一个平衡的分解层数。在分解过程中，一般采用将原始信号分解为两部分，假设进 行η层的分解，那么原始信号的构成可如下描述：
[0056]
[0057] 其中：an为第η层的近似，在图中的表示为（I，0);cU为第i层的细节数据，在图中的 表示为(i，l);f为原始数据，在图当中的表示为(〇,〇)。
[0058] 如图4所示为三层的细节展开图，根据上图当中对示例信号分解得出的近似数据 和细节数据可以发现的是，对于当前的工具扫描来说，层级1的展开得到的近似数据仍然有 较多的毛刺，层级2的近似信号展开相比于层级1的展开来说已经得到了极大的改善，绝大 部分的毛刺得到了改善，而层级3的近似信号则进一步的改善了这个现象，从得到的图形反 馈来看，已经十分接近于期望得到的样式。因此，一般情况下，也是进行到层级3的展开。那 么根据降噪的式子
；其中：Cl表示第i个分解小波系数；
[0059] 设定一个阈值，将阈值之下的数据全部清除。因为一般的噪声都是以高频无规律 的噪声存在，其转化为细节部分的值都是较小的。因此对每个细节设定一个阈值，进行过滤 降噪：
[0000」其中：d'
i为经过阈值降噪后的细节数据;为降噪过后的痕迹数据。
[0061] Step3、对平滑后的痕迹信号按固定规划进行分箱处理描述痕迹特征；
[0062]如图5所示，在图中描述了一个原始信号，它的变化幅度示意图，以及变化幅度分 布的直方图，可以看到的是变化幅度的分布取值较多。为了改善计算效率和增加容错性，在 计算变化幅度是采用了分箱的计算方式。分箱是将数据按照某一个区间划分，所有属于区 间内的数据全部划分的这个分箱当中；在痕迹信号当中，按照固定规则将它的变化幅度进 行分箱后，计算每个分箱所占的分布比例，这个比例描述了这个痕迹在某一个变化幅度上 的比重，能够从变化幅度这个角度描述痕迹的特征。
[0063] Step4、计算平滑后的痕迹信号与样本信号二者重合的面积和二者全部覆盖的面 积比值；
[0064] Step5、通过比值作为重合度比对的结果，进而搜索到与待检测线性痕迹最为相似 的线性痕迹样本，锁定作案工具。
[0065]如图6所示，为通过Step4和Step5得到的结果所绘制的分箱后变化幅度统计与相 似计算图；通过在梯度特征识别法的过程中，计算相似度的方式根据二者重合的面积和二 者全部覆盖的面积比值作为结果。两个痕迹如果越相近，那么他们的变化幅度分布就会越 相似，重合的部分就会越大，反之，两个痕迹的重合幅度会降低。其次经过了具体的实验发 现，如下表1所示，采用小波特征法进行测试的数据结果，其中成功率为90%，失败率为 6.67%，模糊率3.33%，见表1所示，根据这个特征进行相似度判断有较高的成功率。
[0066] 表1测试结果 [0067]
[0068]上面结合附图对本发明的【具体实施方式】作了详细说明，但是本发明并不限于上述 实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前 提下作出各种变化。
【主权项】
1. 一种现场残缺线性痕迹特征重合度比对方法，其特征在于:所述现场残缺线性痕迹 特征重合度比对方法的具体步骤如下： Stepl、利用线性痕迹激光检测试验台装置的激光位移传感器对承痕体上的残缺线性 痕迹表面进行横向检测，形成检测信号波形f(x); Step2、通过小波分解，将激光检测信号波形f(x)进行数据平滑处理，以消除背景噪声 干扰，得到平滑后的信号fiU); Step3、对平滑后的痕迹信号按固定规划进行分箱处理描述痕迹特征； Step4、计算平滑后的痕迹信号与样本信号二者重合的面积和二者全部覆盖的面积比 值； Step5、通过比值作为重合度比对的结果，进而搜索到与待检测线性痕迹最为相似的线 性痕迹样本，锁定作案工具。2. 根据权利要求1所述的现场残缺线性痕迹特征重合度比对方法，其特征在于:所述步 骤Step2中，具体步骤为： Step2.1、依据以下公式将原始信号分解为两部分：其中:an为第η层的近似，cU为第i层的细节数据，f为原始数据； Step2.2、对每层的系数都选定一个阈值r，根据阈值r对高频噪声信号进行处理，处理其中：Cl表示第i个分解小波系数； Step2.3、通过之前设定的阀值r，对噪声信号进行过滤降噪，降噪后的信号为：其中:an为第η层的近似，cU'为经过阈值降噪后的细节数据，f'为降噪过后的痕迹数据。
【专利摘要】本发明涉及一种现场残缺线性痕迹特征重合度比对方法，属于刑侦科学技术领域。本发明首先利用线性痕迹激光检测试验台装置的激光位移传感器检测承痕体上的残缺线性痕迹表面，获得离散化的信号数据，随后通过利用小波变换将需要进行降噪的数据进行分解并选定一个阈值进行降噪，去除肉眼可见的“毛刺”完成对数据的降噪处理，接着利用梯度特征识别法对痕迹信号按固定规划进行分箱处理描述痕迹特征，然后通过计算痕迹信号与样本信号二者重合的面积和二者全部覆盖的面积比值，最终通过比值作为重合度比对的结果，进而搜索到与待检测线性痕迹最为相似的线性痕迹样本，锁定作案工具。
【IPC分类】G01B11/02
【公开号】CN105674887
【申请号】CN201610033607
【发明人】潘楠, 杨敬树, 羿泽光
【申请人】昆明理工大学
【公开日】2016年6月15日
【申请日】2016年1月19日