An algorithm for forensic toolmark comparisons

要約

法医学的ツールマーク分析は従来、人間の主観的判断に頼っていたため、矛盾や不正確さが生じていた。マークが発生する角度や方向など、多くの変数があるため、比較はさらに複雑になる。そこで、様々な角度や方向からツールマークを捉えた3Dデータを活用した新しいアプローチを紹介する。アルゴリズム学習により、ツールマークの信号を客観的に比較し、角度や方向ではなく、ツールによるクラスタリングを明らかにする。本手法では、類似度行列と密度プロットを用いて分類のための閾値を設定し、新しいマークペアの尤度比を導出する。交差検証による感度は98％、特異度は96％であり、我々のアプローチはツールマーク分析の信頼性を高めている。様々な道具や要因への適用可能性についてはさらなる検討が必要であるが、この経験的に訓練されたオープンソースのソリューションは、法医学調査官に道具痕を客観的に比較する標準化された手段を提供し、法制度における司法の誤謬を抑制する可能性がある。

要約(オリジナル)

Forensic toolmark analysis traditionally relies on subjective human judgment, leading to inconsistencies and inaccuracies. The multitude of variables, including angles and directions of mark generation, further complicates comparisons. To address this, we introduce a novel approach leveraging 3D data capturing toolmarks from various angles and directions. Through algorithmic training, we objectively compare toolmark signals, revealing clustering by tool rather than angle or direction. Our method utilizes similarity matrices and density plots to establish thresholds for classification, enabling the derivation of likelihood ratios for new mark pairs. With a cross-validated sensitivity of 98% and specificity of 96%, our approach enhances the reliability of toolmark analysis. While its applicability to diverse tools and factors warrants further exploration, this empirically trained, open-source solution offers forensic examiners a standardized means to objectively compare toolmarks, potentially curbing miscarriages of justice in the legal system.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL