基于机器学习的犯罪嫌疑人预测与犯罪调查追踪系统
机器学习
2023-02-22 v1 计算机与社会
摘要
在斯里兰卡，一种自动识别罪犯的方法将优于现有系统。从目击者处获取信息是当今仍在使用的较不可靠的方法与流程之一。尽管斯里兰卡社会对该问题缺乏认知，自动犯罪识别仍具有挽救生命的能力。利用生物特征识别等尖端技术来完成此任务将是最准确的策略。将指纹与人脸识别作为生物特征方法应用将获得最显著的成效。主要职责将在于图像优化与犯罪性判定。CCTV 监控录像可用于识别个人指纹、辨识人脸以及发现涉武器犯罪。此外，我们开发了一个通知系统并精简警方报告，以使警员更易理解犯罪要点；若检测到涉武器事件，会将包含全部相关事实的自动化犯罪通知发送至最近警局。警方报告的摘要化是本工作最具原创性的部分。为提升整体图像效能，系统将快速精准地识别完整犯罪现场，利用人脸与指纹识别嫌疑人，并检测枪支。本研究提供了一种基于真实数据与犯罪性融合的犯罪预测新方法。应将犯罪或事件报告至相关机构，并进一步改进所提出的 Web 应用以提供可行的沟通渠道。
引用
@article{arxiv.2302.10423,
title = {Criminal Investigation Tracker with Suspect Prediction using Machine Learning},
author = {S. J. Dilmini and R. A. T. M. Rajapaksha and Erandika Lakmali and S. P. S. Mandula and D. D. G. Delgasdeniya and Pradeepa Bandara},
journal= {arXiv preprint arXiv:2302.10423},
year = {2023}
}