PT
A identificação do modelo de arma que disparou um cartucho é informação forense que
pode ser uma prova crucial num crime. Este processo é tradicionalmente realizado por
peritos em balística que comparam múltiplos cartuchos ao microscópio, o que pode ser
demorado e requer múltiplos recursos humanos. Como tal, esta dissertação apresenta o
desenvolvimento de uma técnica de identificação balística baseada em redes siamesas.
Esta abordagem visa auxiliar na classificação, ao fornecer uma lista dos modelos de
armas mais prováveis de terem provocado o disparo de um cartucho, poupando tempo e
recursos humanos.
Para o desenvolvimento deste instrumento, a Polícia Judiciária Portuguesa forneceu
um conjunto de imagens para a criação de um modelo de aprendizagem automática que
efetue esta identificação. Uma vez que esta coleção de dados ainda estava em construção
e não havia sido testada, as técnicas propostas nesta dissertação foram também
treinadas com outro conjunto de dados, o NIST Ballistics Toolmark Research Database,
com o objetivo de estabelecer um desempenho de referência.
Para a otimização da rede, técnicas de pré-processamento de dados, assim como de
transferência de conhecimento são também analisadas.
No conjunto de dados da Polícia Judiciária, o modelo de classificação proposto atingiu
valores de precisão de 57% em classificação top-1 e de 81% para classificação top-2.
Embora estes resultados pareçam promissores, esta técnica atingiu uma precisão de
100% em classificação top-1 com a base de dados da NIST Ballistics Toolmark Research
Database, sugerindo que podiam existir melhorias a ser realizadas no conjunto de dados
da Polícia Judiciária Portuguesa.
EN
Identifying the gun model that fired a given cartridge is an example of forensic information
that can be crucial evidence in a crime. This process has traditionally been carried
out by ballistics experts who visually compare multiple cartridges under the microscope,
which can be very time consuming and requires multiple human resources. As such, this
dissertation presents the development of a ballistics identification method based on
siamese neural networks. This approach aims to aid classification by delivering a list of
the most likely weapon models to have triggered the firing of a cartridge, saving time
and human resources.
For the development of such instrument, the Portuguese Criminal Police has provided
a dataset for training a machine learning model that performs this identification. Since
this dataset was still under construction and had not been tested, the techniques proposed
in this dissertation were also trained on another dataset, the NIST Ballistics Toolmark
Research Database, with the purpose of establishing a benchmark performance.
For the optimization of the network, data pre-processing techniques as well as transfer
learning are also analysed through a development pipeline.
Using the Portuguese Criminal Police’s dataset, the proposed classification model
based on siamese neural networks reached accuracy values of 57% and 81%, for top-1
and top-2 gun model identification. While these results seem promising, this technique
reached an accuracy of 100% on top-1 classification with the NIST Ballistics Toolmark Research
Database, suggesting that there were still improvements that could be performed
on the Portuguese Criminal Police’s dataset.
