光谱数据融合作为一种新兴的光谱分析技术，可以有效结合不同光谱技术的检出特点。本文将红外光谱指纹区与拉曼光谱信号较强波段数据进行融合，对288个手帕纸样本开展分类研究。采用线性判别分析对189个训练样本建立分类模型，模型的分类结果相比于独立使用红外光谱或拉曼光谱具有显著提升的准确率，但区分效果仍然不理想。利用主成分分析提取35个主成分进行线性判别分析的准确率可达100%。提取测试样本的32个主成分建模，模型的准确率可达到100%，分类结果理想。光谱融合技术为法庭科学领域手帕纸的分类鉴别提供了一种有效工具。

不法分子通常会在毒品中掺杂其他物质来增加毒品质量，获取高额利润。为了实现掺杂毒品快速准确的定性、定量分析，同时探究不同建模方法、不同波段光谱以及数据降维等对模型分类结果的影响，本文采用衰减全反射-傅里叶变换红外光谱仪采集了咖啡因、葡萄糖、扑热息痛、非那西汀和淀粉5种添加组分与盐酸甲基苯丙胺混合后的红外光谱数据（共计135份），对数据进行预处理后进行分类模型的构建。实验结果表明：特征变量与原始变量相比能达到更高的分类识别准确率；多层感知器和径向基函数可用于5种添加物的分类识别，但不适用于区分不同质量分数的甲基苯丙胺样品；对光谱指纹区数据使用因子分析降维结合Bayes判别分析（BDA）构建的分类模型，在16维和33维变量处能够分别实现5种添加物和不同质量分数甲基苯丙胺样品的完全区分，准确率可达100%。该研究实现了甲基苯丙胺与5种添加组分快速准确的定性定量分析，为毒品来源的推断提供了科学的数据支撑，也为基层民警处理此类案件提供了理论支撑和方法参考。

重质矿物油的检验分析在交通肇事案件处理过程中具有重要作用。为了实现对重质矿物油种类的准确区分,本文采集了汽机油、柴机油、润滑脂、齿轮油和液压油5种重质矿物油共计120份样本的红外光谱和拉曼光谱数据,结合光谱融合的相关方法,建立了基于支持向量机(SVM)的重质矿物油分类判别模型。实验结果表明:使用单一光谱数据进行建模分类的准确率较低;对初级光谱融合数据进行建模分析时,5种重质矿物油的分类识别准确率稍高于前者,最高可达75%;使用中级光谱融合数据结合主成分分析建模能够实现5种重质矿物油的完全区分,在26维矩阵上特征提取得最好,分类识别率为100%。使用光谱数据融合结合SVM建模分析,能够实现重质矿物油的完全区分,该方法提高了检验鉴定效率,能够满足公安机关提出的快速、准确的检验要求,为基层民警处理相关案件提供了理论支撑和方法参考。

为了提高检验鉴定效率、降低检验鉴定成本, 实现对案件现场车用保险杠碎片的快速无损检测, 采用了基于红外指纹光谱结合牛顿插值多项式、光谱求导和判别分析的车用保险杠鉴别方法。采集并获取奥迪等6种品牌共计40个不同型号的车用保险杠样本的红外光谱, 选择牛顿多项式插值、光谱求导等方法建立了判别模型。结果表明, 基于指纹区波段建立的判别模型总体准确率(80.0%)高于全波段模型(77.5%), 指纹区光谱结合4次牛顿插值多项式处理后的判别准确率可到85%, 经1阶导数处理后判别准确率可达100%, 以判别函数DF1和DF2作为判别轴构建判别分类模型, 6种品牌的样本均实现了100%的准确区分; 红外指纹光谱结合4次牛顿插值多项式、1阶导数和判别分析可实现车用保险杠品牌快速、无损鉴别, 且模型检测精度高。该方法具有普适性和一定的借鉴意义。

为解决基于可穿戴传感器的步态事件检测技术对个体配合程度依赖性大、能耗高、应用条件苛刻等问题,提出一种基于机器视觉的足跟着地事件检测算法,可以在不需要参与者合作的情况下,利用普通摄像机实现对足跟着地事件的精确检测。提出一种新颖的特征,即连续轮廓帧差图(CSD-maps)来表达步态模式。一个连续轮廓帧差图可以将视频帧中行人连续的轮廓二值图编码到一张特征图中,使其蕴含丰富的步态时空信息。不同数量的行人连续轮廓帧差会产生不同的连续轮廓帧差图。利用卷积神经网络对连续轮廓帧差图进行特征提取和足跟着地事件分类。在公开数据库上,对124名受试者在5个视角下不同穿着状态的视频数据进行训练和测试,实验结果表明,该方法具有良好的检测精度,识别准确率达93%以上。

提出一种反锐化掩模(USM)锐化检验方法。采用局部二值模式方法(LBP)检测图像边缘特征,利用支持向量机进行分类,然后检测图像是否被锐化。针对不同的锐化强度,对比不同LBP检测模式,筛选出最优检测方式。实验结果表明,LBP方法能达到较好的USM锐化检测效果,其中旋转不变模式的检测效果最好,在弱锐化情况下检出率仍能达到90%,优于现有文献中各类方法的检测性能。

拉曼光谱技术在法庭科学中有着广泛的应用。采用显微激光拉曼光谱分析技术和K近邻算法对25个塑钢窗样本进行研究。通过主成分分析提取到5个主成分,并运用训练样本为测试样本的方法进行交互验证。当K=1时,测试样本的出错率最低,以区分贡献值最高的三个特征变量为参数建立分类模型,实现了对未知变量的准确归类,模型总分类准确率可达71%,区分效果良好,比直接通过谱图比较得到的结论更加准确。

在交通肇事逃逸和刑事案件中, 常涉及对汽车前保险杠物证的检验鉴定, 本实验采集了31款车型的汽车前保险杠碎片的红外光谱图, 借助分类算法, 结合多元统计学中的主成分分析法和判别分析法, 建立数学模型, 对光谱数据逐步展开了挖掘与分析, 成功将31种汽车前保险杠样本分为了17类, 分类正确率达92.5%, 分类结果理想。本研究将现代仪器分析技术和多元统计法相结合实现了对汽车前保险杠碎片的分类和识别, 为现场物证的检验提供了一定的理论依据。

应用拉曼光谱法并结合聚类分析对44种不同型号的汽车前保险杠进行了深入的检验研究。采用显微激光拉曼光谱分析技术分别对样品进行检测,得到532 nm激光光源的拉曼光谱可构建具有高鉴别能力的聚类分析模型,采集光谱数据将其定量化,选择平均组间距离定义类间距离,采用平方欧氏距离作为度量区间表征样品之间的亲疏程度,进行系统聚类分析,通过验证衡量聚类效果,成功将44种汽车前保险杠样本分为了19类,分类正确率达94.8%,分类结果理想,实现了基于全波段光谱信息结合系统聚类分析建立的模型用于准确鉴定汽车前保险杠种类的目的,为现场物证的检验提供了一定的理论依据。

拉曼光谱作为一种无损检验的技术手段,近年来广泛用于文件检验领域中的书写材料种类检验。本实验采集了市面上收集到的28支蓝色中性笔油墨的拉曼光谱图,结合化学计量学中的相似度分析法和主成分分析法对谱图进行了分析,两种分析方法得到的分类结果基本一致,采用两种方法可以将28支蓝色中性笔油墨分为五类。实验结果表明,将拉曼光谱法得到的数据结合化学计量学分析方法进行数据分析,比直接比较谱图得到的分类结果更加客观、准确。