在法医调查中，基于光线的定位（Ray Pinning）与基于模型的图像匹配方法的准确性比较

《Forensic Science International》：Accuracy of Ray Pinning Compared to Model-Based Image Matching for Forensic Investigations

本研究通过模拟场景对比射线定位与模型图像匹配技术（MBIM）的3D定位精度，发现MBIM在单摄像头条件下定位误差为2cm，显著优于射线定位的7cm；多摄像头使用时误差降低6-50倍。验证了人类视觉在模型匹配中的可靠性优势。

　　

杰弗里·T·德斯穆兰（Geoffrey T. Desmoulin）| 西蒙·克拉里达德（Szymon Claridad）| 马克-安德烈·诺莱特（Marc-André Nolette）| 西奥多·E·米尔纳（Theodore E. Milner）

GTD Scientific公司，加拿大温哥华

摘要

在法医调查中，通常需要准确地将物体或人员放置在事件现场，以确定事件最可能的发展过程。这可以通过“光线定位”（ray pinning）技术来实现，该技术通过将目标物体的模型上的控制点与事件现场的2D图像进行关联，来优化物体在3D空间中的位置与其在2D图像中的位置的匹配度。另一种称为“基于模型的图像匹配”（Model-Based Image Matching，简称MBIM）的技术则依赖于操作员的视觉敏锐度，手动调整模型位置，直到操作员判断模型在3D空间中的表示与2D图像中的物体位置尽可能吻合。本研究的目的是比较使用视频帧中的2D图像时，“光线定位”与MBIM在物体定位方面的准确性。实验中模拟了一个场景，其中一把Blueguns步枪被放置在地面上，并由三个位于不同位置的固定摄像机拍摄下来。分别使用“光线定位”和MBIM方法计算了步枪的位置和方向误差。两种方法都使用了场景的3D扫描数据来校准摄像机。统计分析结果显示，MBIM在步枪定位方面的准确性显著高于“光线定位”，尽管两者在步枪方向上的定位准确性相当。

引言

在法医调查中，经常需要根据视频或照片记录来确定现场物体的位置。这些图像通常是评估事件可能发生情况的最客观证据。因此，将与事件相关的物体或人员的位置准确地放置在事件发生时的位置至关重要。例如，监控视频可能捕捉到持枪者瞄准并开枪的画面，此时确定持枪者和枪支的位置和方向对于判断子弹轨迹至关重要。同样，一辆车辆可能在事件现场被监控摄像头拍到，但在法医调查之前被移动了。事件发生时车辆的位置和方向对于确定事件中涉及的人员（无论是在车内还是车外）的位置都至关重要。目前用于从2D视频和照片重建和分析事件现场的技术利用了数字图像中的信息，这些技术基于光学物理原理，称为“摄影测量学”[1]。

逆向摄影测量学是一种从事件现场的3D表示中确定摄像机位置、方向和特性的方法。这可以通过使用多张2D摄像机图像[2]来创建3D表示，或者使用激光扫描仪获得的点云表示[3],[4],[5]来实现。该方法涉及将2D视频帧中看到的相同特征与场景的3D扫描结果进行关联，从而校正由镜头光学特性引起的图像失真。一旦通过逆向摄影测量学确定了摄像机的位置和特性，就可以使用“光线定位”技术来确定物体的位置。“光线定位”涉及从摄像机视角出发，将光线投影到2D视频图像上的选定点上，然后根据这些光线在3D扫描中的交点来确定物体的3D位置。还提出了其他逆向投影技术，这些技术涉及调整投影到事件现场摄像机2D图像上的场景轮廓的位置[6],[7],[8]。

另一种用于在3D场景中放置物体的技术是“基于模型的图像匹配”（MBIM）。MBIM涉及将物体的3D模型放置在3D扫描中，使得从摄像机视角看到的模型2D图像与2D视频图像视觉上匹配，并符合物理限制（例如不能穿过物理障碍物）。MBIM通常使用几何配准功能来计算地将模型叠加在物体的2D视频图像上[9],[10]。尽管在计算机视觉应用中配准功能是必不可少的（因为算法需要在短时间内执行多次），但在法医调查中，可以利用人类的视觉敏锐度和辨别能力来避免使用这一功能。

这两种方法都存在一定程度的主观性。在“光线定位”中，操作员需要在2D图像和事件现场的3D表示中选择匹配的控制点。在没有配准功能的MBIM中，操作员必须根据视觉判断来决定哪个模型的2D图像最符合事件期间获得的2D图像中物体的位置。本研究旨在比较使用商业摄影测量软件（Photomodeler¹）的“光线定位”与使用开源3D建模软件（Blender²）的MBIM，在模拟的法医事件场景中，将一把M4 A1蓝色步枪的3D模型放置在其已知的位置和方向上的准确性。这类似于根据事件现场的照片确定持枪者的枪支位置，或将车辆放置在事件现场。MBIM由两名操作员执行，他们在Blender渲染的3D场景中根据视觉指导数字移动模型。除了比较两种方法的放置准确性外，还通过比较两名操作员的放置结果来评估其重复性。

实验部分

模拟事件场景

设置了三台摄像机来记录一个模拟的法医事件场景，场景中有一把Blueguns Colt M4 Commando LE6933步枪放置在户外露台的地板上（图1）。摄像机按照表1中列出的高度和位置放置，以便从不同角度观察步枪。摄像机大致呈直线排列，其中摄像机3位于步枪左侧，摄像机1位于步枪右侧，摄像机2位于中间，如图2所示。

结果

所有分析的视频帧（包括所有摄像机视角）的平均Fisher's ICC值为：x坐标0.999，y坐标0.968，z坐标0.981，表明两名操作员在三个坐标轴上的MBIM操作结果非常一致。这一结果表明，单个操作员也可以可靠地执行MBIM。因此，MBIM的误差以两名操作员的平均误差来表示。

讨论

本研究最重要的发现是，在模拟事件场景中，使用基于模型的成像（MBIM）定位步枪模型的准确性明显优于“光线定位”。虽然“光线定位”的平均位置误差在摄像机焦平面上约为7厘米，在摄像机光轴方向上约为24厘米，但MBIM的平均位置误差在摄像机焦平面上约为2厘米，在摄像机光轴方向上约为5厘米。

结论

研究发现，使用基于模型的成像（MBIM）定位物体模型比使用标准“光线定位”更为准确，当使用单台摄像机图像时，定位误差减少了3到5倍；当使用多台摄像机图像时，定位误差减少了6到50倍。此外，在MBIM中同时使用多台摄像机的视频帧可以显著减少位置误差，尤其是在摄像机光轴方向上。

未引用参考文献

[11]

CRediT作者贡献声明

西奥多·埃德加·米尔纳（Theodore Edgar）：撰写初稿、进行形式分析、概念构思。马克-安德烈·诺莱特（Mark-Andre Nolette）：负责可视化处理和数据整理。西蒙·克拉里达德（Szymon Claridad）：负责可视化处理和数据整理。杰弗里·托尔·德斯穆兰（Geoffrey Thor）：撰写、审稿与编辑、资源管理、资金筹集、概念构思。

利益冲突声明

作者参与本研究不存在利益冲突，整个研究由GTD Scientific公司内部资助。