следы бойков

Classifi cation of fi ring pin marks images by weapon specimens using a fully-connected neural network	Introduction. The aim of the work is to increase the effi ciency of identifi cation of fi rearms by images of fi ring pin marks in the automatic mode. The relevance of the task is determined by the low effi ciency of the known methods of automatic identifi cation of fi rearm by the fi ring pin marks with individual topological types of individualizing features. This aff ects the investigation of crimes related to the use of fi rearms. Formation of clone images. A training sample was formed; it included 140 original images of fi ring pin marks from 50 classes, on the basis of which about 1000 clone images were made with slightly modifi ed individualizing features. In this case a specifi c specimen of a fi rearm is meant as a class. Neural network training. A fully connected neural network with the following architecture was used as a classifi er: an input layer of neurons; two hidden layers; an output layer. The input layer included 2500 neurons, the fi rst hidden layer was made up of 625 neurons, the second hidden layer contained 156 neurons; the output layer consisted of 50 neurons (in accordance with the number of the classes). Evaluation of the calculation results. The prediction accuracy of the trained neural network was estimated according to the Accuracy metric, which is the ratio of the number of correct predictions to the total number of predictions. The prediction accuracy for the maximum signal on one output neuron was 81%, and when the maximum signals on three output neurons were taken into account, the accuracy was about 91%. Conclusions. The research has shown the possibility of classifi cation of the images of fi ring pin marks by weapons using a fully connected neural network, as well as the eff ectiveness of using artifi cially generated clone images of fi ring pin marks for training a fully connected neural network in cases with a small number of initial objects.	Izv. Sarat. Univ. Economics. Management. Law, 2022, vol. 22, iss. 2
The Comparison of Digital Images of Firing Pin with a Dominant Features in the Form of Circles and Arcs	Introduction. Development of the algorithms for the automatic comparison of the digital images of firing pin is an important task of the forensic examination. This task is aimed at improving the efficiency of crime investigation involving the use of firearms. In this paper images of firing pin with the features in the form of circles and arcs with single center are investigated. The method based on modified Euclidean distance between circles of the similar firing pin was proposed to assess the degree of similarity of the traces. Preliminary processing. To eliminate the adverse effect of noise and various image artifacts were pretreated. Markers were placed to accurately determine the features in the form of circles. Method of searching paired tracks. Criteria based on modified Euclidean distance were developed for the formation of the priority list. Numerical experiment. In the numerical experiment database of 60 objects was used. Paired trace from firing pin array was included in top four of the prior list in 90 percent cases. Conclusions. The proposed algorithm allows to sort effectively and quickly the array of test objects by the degree of similarity of signs in the form of arcs and circles with relevant features of the test track.	IZVESTIYA OF SARATOV UNIVERSITY. NEW SERIES. SERIES: ECONOMICS. MANAGEMENT. LAW. 2016. Т. 16, вып. 2
ВЫДЕЛЕНИЕ ИНДИВИДУАЛЬНЫХ ПРИЗНАКОВ НА ЦИФРОВЫХ ИЗОБРАЖЕНИЯХ СЛЕДОВ БОЙКОВ	Введение. Актуальность работы обусловлена широким внедрением автоматизированных баллистических идентификационных систем (АБИС) в баллистические лаборатории экспертных учреждений России. Баллистические системы позволяют автоматизировать проведение проверок по гильзотекам, содержащим тысячи однотипных объектов. Однако в отдельных случаях системы допускают «промахи», т.е. не могут найти в массиве электронной гильзотеки «парный» след (след, оставленный тем же экземпляром оружия, что и исследуемый). Кроме этого, иногда «парный» след из тестового массива ставится в конце приоритетного списка, что осложняет работу эксперта. Это обусловлено, в первую очередь, большим морфологическим разнообразием и высокой вариативностью индивидуальных признаков оружия, отобразившихся в следах бойков, а также неравномерным освещением следов из-за их сложной формы. Теоретический анализ. Исследования показали, что неравномерность яркости цифровых изображений следов бойков может быть сглажена путем применения метода гомоморфной обработки изображений. Анализ морфологии индивидуальных признаков оружия, отобразившихся в следах бойков более 30 моделей оружия, позволил выделить 6 основных морфологических типов признаков. Экспериментальное исследование. Разработаны эффективные алгоритмы выделения и бинаризации признаков в виде крупных пятен неопределенной формы на основе применения фильтра Винера и метода Ниблэка. Для выделения признаков в виде окружностей предложен метод, основанный на применении фильтра Канни. Данные алгоритмы могут найти применение при разработке программного обеспечения баллистических систем, а также при обработке цифровых изображений следов бойков при проведении экс пертных исследований. Выводы. Метод гомоморфной обработки цифровых изображений может быть рекомендован для предварительной обработки исходных изображений. Впервые предложена классификация морфологических типов индивидуальных признаков. Разработаны алгоритмы бинаризации изображений с индивидуальными признаками в виде областей неопределенной формы и в виде окружностей	Номер журнала 371