面向识别高 Forensic 价值手部图像的对象检测方法

法医学在法律调查中发挥着关键作用，利用基于机器学习方法的对象检测技术可以提高法医分析的效率和准确性。人类手部具有独特性，能够留下distinct patterns、marks 或 prints，可用于法医学检查。本文比较了各种机器学习方法用于手部检测，并展示了采用最佳性能模型识别具有重要意义的图像的应用结果。我们在四个手部图像数据集上微调了 YOLOv8 和基于视觉转换器的对象检测模型，包括我们采用半自动方法标注的 11k hands 数据集。实验采用两种 YOLOv8 变体，即 YOLOv8 nano（YOLOv8n）和 YOLOv8 extra-large（YOLOv8x），以及两种视觉转换器变体，即 Detection TRansformer（DETR）和 Detection Transformers with Assignment（DETA）。实验结果表明，YOLOv8 模型在所有数据集上均优于 DETR 和 DETA。实验还显示，YOLOv8 方法的性能优于基于 YOLOv3 和 YOLOv4 模型的现有手部检测方法。我们微调的 YOLOv8 模型用于识别具有高 Forensic 价值的手部图像（或视频帧）的应用表现优异，显著减少了法医专家所需的时间。这意味着我们的做法可有效应用于实际应用，服务于法医学或相关领域。