基于神经网络的弹壳痕迹识别方法和装置

本技术涉及图像识别，更具体地说，是涉及一种基于神经网络的弹壳痕迹识别方法和装置。

背景技术：

1、弹道痕迹检验是专业人员对涉枪事件(案件)中的枪支、枪弹、枪弹痕迹和射击残留物进行勘验、分析鉴别和检验鉴定的一项刑事科学技术专门工作。其中，通过检验弹头弹壳痕迹能够推断和认定具体发射枪支；通过勘验弹着痕迹、射击残留物，能够分析枪击案件有关情节，也能够查对枪弹痕迹档案样本等。弹道痕迹检验可以为枪击事件的定性提供依据，为查明案犯持枪作案过程以及相关情节提供分析依据，为侦破枪击案件调查提供方向和范围等，从而可以为审查起诉和审判等工作提供证据。

2、目前，也有利用图像识别特征进行弹壳痕迹自动匹配的方法，例如，专利cn109191502b(申请号：cn201810920607.x)提供了一种自动识别弹壳痕迹的方法，包括利用三维共聚焦显微镜采集弹壳痕迹数据并进行预处理；构造弹壳痕迹高斯差分金字塔；遍历所述金字塔上每个像素点并与其周围26个点比较，以局部极值点作为特征点；根据计算出的特征点，利用sift算法计算其特征向量；根据所述特征向量，以欧氏距离法进行弹壳痕迹匹配；计算特征点密集区域，以其面积占弹壳痕迹总面积百分比作为判断是否匹配的依据。专利cn109191502b提供的一种自动识别弹壳痕迹的方法，满足弹壳痕迹准确匹配的要求，但是由于刑侦对图片的质量要求较高，保存的图像具有比较高的像素，这会导致处理速度相对较慢，尤其当样本库较为庞大的时候，导致弹壳痕迹难以快速准确匹配。

技术实现思路

1、本技术的目的是提供一种基于神经网络的弹壳痕迹识别方法和装置，解决了图像清晰度高、样本量大时弹壳痕迹难以快速准确匹配的技术问题，达到了图像清晰度高、样本量大时能够实现弹壳痕迹的快速准确匹配的技术效果。

2、本技术实施例提供的一种基于神经网络的弹壳痕迹识别方法，方法包括：获取弹壳底部图像，以弹壳底部的凹槽边沿为界限，在弹壳底部图像中确定中心区域和外层圆环区域，并确定中心区域对应的中心区域特征、外层圆环区域对应的外层圆环特征；其中，中心区域对应弹壳底火区域，外层圆环区域对应弹壳底部的凹槽外侧的环形区域；根据外层圆环特征在数据库中匹配多个相似外层圆环特征，每个相似外层圆环特征对应一个相似弹壳底部图像的外层圆环；获取每个相似弹壳底部图像的弹壳底火区域对应的相似中心区域，并确定每个相似中心区域对应的相似中心区域特征，根据中心区域特征和每个相似中心区域特征的相似度，确定多个目标中心区域，每个目标中心区域分别对应的一个目标弹壳底部图像。

3、在一种可能的实现方式中，根据外层圆环特征在数据库中匹配多个相似外层圆环特征，包括：根据外层圆环特征的尺寸特征，在数据库中匹配第一数量的第一相似外层圆环特征，每个第一相似外层圆环特征对应一个第一相似弹壳底部图像；根据外层圆环特征的压痕特征，在第一数量的第一相似外层圆环特征中匹配第二数量的第二相似外层圆环特征，每个第二相似外层圆环特征对应一个第二相似弹壳底部图像的第二外层圆环区域，将第二相似弹壳底部图像作为相似弹壳底部图像。

4、在另一种可能的实现方式中，获取每个相似弹壳底部图像的弹壳底火区域对应的相似中心区域，并确定每个相似中心区域对应的相似中心区域特征，根据中心区域特征和每个相似中心区域特征的相似度，确定多个目标中心区域，每个目标中心区域分别对应的一个目标弹壳底部图像，包括：确定中心区域中击针头痕迹在中心区域中偏斜的偏斜特征，并确定每个第二相似中心区域中的击针头痕迹在第二相似中心区域中偏斜的第二相似偏斜特征；根据每个第二相似偏斜特征和偏斜特征的相似度，在第二数量的第二相似偏斜特征中确定第三数量的第三相似偏斜特征，每个第三相似偏斜特征对应一个第三相似弹壳底部图像的第三相似中心区域，将第三相似弹壳底部图像作为目标弹壳底部图像。

5、在另一种可能的实现方式中，获取每个相似弹壳底部图像的弹壳底火区域对应的相似中心区域，并确定每个相似中心区域对应的相似中心区域特征，根据中心区域特征和每个相似中心区域特征的相似度，确定多个目标中心区域，每个目标中心区域分别对应的一个目标弹壳底部图像，还包括：确定中心区域中击针头痕迹的击针头形状特征，并确定每个第三相似中心区域中的击针头痕迹的第三击针头形状特征；根据每个第三击针头形状特征和击针头形状特征的相似度，在第三数量的第三击针头形状特征中确定第四数量的第四击针头形状特征，每个第四击针头形状特征对应一个第四相似弹壳底部图像的第四相似中心区域，将第四相似弹壳底部图像作为目标弹壳底部图像。

6、在另一种可能的实现方式中，方法还包括：当第二相似弹壳底部图像的数量小于预设数量，或者第三相似弹壳底部图像的数量小于预设数量，或者第四相似弹壳底部图像的数量小于预设数量时，停止进行图像匹配。

7、在另一种可能的实现方式中，在第一数量的第一相似外层圆环特征中匹配第二数量的第二相似外层圆环特征时，确定第一相似外层圆环特征对应的相似弹壳底部图像的外层圆环和外层圆环区域的匹配角度，并按照相同的匹配角度进行中心区域和相似中心区域的匹配。

8、在另一种可能的实现方式中，以弹壳底部的凹槽边沿为界限，在弹壳底部图像中确定中心区域和外层圆环区域，包括：获取弹壳底部的深度图像，并确定弹壳底部的深度图像在径向上的深度变化曲线；在深度变化曲线中确定深度突变点，并根据深度突变点在弹壳底部的深度图像中确定中心区域和外层圆环区域。

9、在另一种可能的实现方式中，方法还包括：在确定中心区域中击针头痕迹在中心区域中偏斜的偏斜特征之前，在深度变化曲线中确定弹壳底部的凹槽宽度，并确定每一第一相似弹壳底部图像的第一凹槽宽度，并对每一第一相似弹壳底部图像的第一凹槽宽度和凹槽宽度进行比较，剔除第一凹槽宽度和凹槽宽度的宽度差值大于预设宽度值的第一相似弹壳底部图像。

10、本技术实施例还提供了一种基于神经网络的弹壳痕迹识别装置，包括用于执行如上所述的方法的单元。

11、本技术实施例还提供了一种基于神经网络的弹壳痕迹识别装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现如上所述的方法。

12、本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上所述的方法。

13、本技术实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述的方法的步骤。

14、本技术实施例与现有技术相比存在的有益效果是：

15、本技术实施例提供了一种基于神经网络的弹壳痕迹识别方法，本方法包括：获取弹壳底部图像，以弹壳底部的凹槽边沿为界限，在弹壳底部图像中确定中心区域和外层圆环区域，并确定中心区域对应的中心区域特征、外层圆环区域对应的外层圆环特征；其中，中心区域对应弹壳底火区域，外层圆环区域对应弹壳底部的凹槽外侧的环形区域；根据外层圆环特征在数据库中匹配多个相似外层圆环特征，每个相似外层圆环特征对应一个相似弹壳底部图像的外层圆环；获取每个相似弹壳底部图像的弹壳底火区域对应的相似中心区域，并确定每个相似中心区域对应的相似中心区域特征，根据中心区域特征和每个相似中心区域特征的相似度，确定多个目标弹壳底部图像。本技术实施例能够针对弹壳底部图像的同心圆图像特征，按照不同的区域依次分别匹配相似的图像，降低了计算量，实现了在图像清晰度高、样本量大时能够实现弹壳痕迹的快速准确匹配。