Core Concepts
심각한 범죄 사건에서 가해자의 손 이미지를 활용하여 개인 신원, 성별 및 연령을 효과적으로 추정할 수 있다.
Abstract
이 논문에서는 심각한 범죄 사건에서 가해자의 손 이미지를 활용하여 개인 신원, 성별 및 연령을 동시에 추정하는 딥 멀티태스크 표현 학습 프레임워크를 제안한다.
다양한 최신 딥러닝 아키텍처를 조사하고 손 이미지에서 신원, 성별 및 연령을 공동으로 추정하는 성능을 비교한다. 연령 예측을 단순화하기 위해 연령 그룹을 생성한다.
11k 손 이미지 데이터셋을 활용하여 광범위한 평가와 비교를 수행한 결과, 컨볼루션 기반 ConvNeXt-Tiny와 트랜스포머 기반 Swin-T 아키텍처가 가장 우수한 성능을 보였다. 이를 통해 심각한 범죄 사건에서 가해자의 손 이미지로부터 신원, 성별 및 연령을 효과적으로 추정할 수 있음을 확인했다. 이는 국제 경찰력이 법정에서 가해자를 식별하고 기소하는 데 도움이 될 것이다.
Stats
11k 손 이미지 데이터셋의 오른쪽 등쪽 부분에는 143개의 신원이 있으며, 총 2,004개의 이미지가 포함되어 있다.
11k 손 이미지 데이터셋의 오른쪽 등쪽 부분에는 909명의 남성과 1,095명의 여성 이미지가 포함되어 있다.
11k 손 이미지 데이터셋의 오른쪽 등쪽 부분에는 0-20세 372개, 21세 878개, 22세 414개, 23세 147개, 24-30세 114개, 31-75세 79개의 이미지가 포함되어 있다.
Quotes
"심각한 범죄 사건에서 가해자의 손 이미지는 종종 유일하게 이용 가능한 정보이다. 이는 가해자들이 종종 얼굴을 가리지만 손은 노출되기 때문이다."
"손 이미지는 생체 인식 개인 식별에 유용한 특징을 제공하며, 다른 생체 인식 모달리티에 비해 변동성이 적고 성인기 이후 상대적으로 안정적이다."