Анализ особенностей видеоматериала при идентификации индивида на видео по характеристикам цикла шага Текст научной статьи по специальности «Прочие технологии»

Научная статья УДК 343.98:004

https://doi.org/10.24412/2073-0454-2024-2-183-191 EDN: https://elibrary.ru/lwjeyf NIION: 2003-0059-2/24-020 MOSURED: 77/27-003-2024-02-219

Анализ особенностей видеоматериала при идентификации индивида на видео по характеристикам цикла шага

Елена Евгеньевна Фомина1, Владимир Кадырович Дадабаев2

1 Тверской государственный технический университет, Тверь, Россия, f-elena2008@yandex.ru

2 Тверской государственный медицинский университет Министерства здравоохранения Российской Федерации,

Тверь, Россия, VKDadabaiev@yandex.ru

Аннотация. Рассматривается вопрос идентификации неопознанной личности. Связано, это прежде всего, с внедрением в повседневную жизнь научных достижений в области компьютерных технологий. Именно развитие компьютерных технологий и расширение их возможностей позволяют использовать их в экспертной практике для решения идентификационных задач и экспертных вопросов. Уже сегодня на основании первично проведенных исследований у экспертов существует возможность проводить идентификацию неопознанной личности. Разработка компьютерных технологий не стоит на месте; адаптация технических возможностей в экспертную практику с целью идентификации неопознанной личности не всегда возможна, так как требует тщательного, всестороннего проведения исследований. Данное исследование проводится с применением современных широко адаптированных технологий в повседневную жизнь (смартфоны, видеорегистраторы и видеокамеры). Освещены их возможности для идентификации индивида по характеристикам цикла шага на основании полученных данных — видеозаписей.

Ключевые слова: идентификация неопознанного индивида, признаки походки, цикл шага, видеонаблюдение, видеорегистратор, видеозапись, съемка, оцифровка

Для цитирования: Фомина Е. Е., Дадабаев В. К. Анализ особенностей видеоматериала при идентификации индивида на видео по характеристикам цикла шага // Вестник Московского университета МВД России. 2024. N° 2. С. 183-191. https://doi.org/ 10.24412/2073-0454-2024-2-183-191. EDN: LWJEYF.

Original article

Analysis of the features of the video material when identifying an individual in the video according to the characteristics of the step cycle

Elena E. Fomina1, Vladimir K. Dadabaev2

1 Tver State Technical University, Tver, Russia, f-elena2008@yandex.ru

2 Tver State Medical University of the Ministry of Health of the Russian Federation, Tver, Russia,

VKDadabaiev@yandex.ru

Abstract. The issue of identification of an unidentified person is being considered. This is primarily due to the introduction of scientific achievements in the field of computer technology into everyday life. It is the development of computer technologies and the expansion of their capabilities that allow them to be used in expert practice to solve identification problems and expert issues. Already today, on the basis of initial research, experts have the opportunity to identify an unidentified person. The development of computer technologies does not stand still; The adaptation of technical capabilities into expert practice in order to identify an unidentified person is not always possible, as it requires careful, comprehensive research. This research is carried out using modern widely adapted technologies in everyday life (smart-phones, DVRs and video cameras). Their possibilities for identifying an individual by the characteristics of the step cycle based on the obtained data — video recordings are highlighted.

Keywords: identification of an unidentified individual, gait signs, step cycle, video surveillance, DVR, video recording, filming, digitization

For citation: Fomina E. E., Dadabaev V. K. Analysis of the features of the video material when identifying an individual in the video according to the characteristics of the step cycle. Bulletin of the Moscow University of the Ministry of Internal Affairs of Russia. 2024;(2): 183-191. (In Russ.). https://doi.org/10.24412/2073-0454-2024-2-183-191. EDN: LWJEYF.

Введение. В последнее время задача идентификации индивидов на видео по признакам походки вызывает все больший интерес у исследователей [1; 2;

© Фомина Е. Е., Дадабаев В. К., 2024

3]. Разрабатываются алгоритмы, программные комплексы и устройства, позволяющие решать задачи отождествления личности по особенностям походки

ЮРИДИЧЕСКИЕ НАУКИ

[4; 5]. Тем не менее, идентификация по признакам походки не вошла в повседневную практику экспертов-криминалистов и используется только в том случае, когда походка обладает выраженной индивидуальностью.

Сложность идентификации неизвестного индивидуума по его походке заключается в том, что походка характеризуется достаточно большим набором динамических признаков, которые затруднительно однозначно фиксировать независимо от ракурса съемки. Помимо этого, важным моментом является качество видеоматериала и удаленность съемки.

В настоящем исследовании рассматривается этап идентификации, связанный с анализом характеристик цикла шага человека [6]. Цикл шага (ЦШ) является одним из признаков походки, который можно описать количественно.

ЦШ — это время от начала контакта с опорой фиксированной ноги до следующего контакта с опорой этой же ноги.

Цикл шага включает в себя два периода, которые повторяются дважды — период двойной опоры, когда обе ноги находятся в контакте с опорой, и период переноса (или период одиночной опоры) [7] (рис. 1).

Процесс идентификации индивида по характеристикам цикла шага заключается в измерении продолжительности каждого периода как в секундах, так и процентах от цикла шага; исследовании особенностей ходьбы при опоре на левую и правую ногу; дальнейшем сравнении циклограмм шагов нескольких индивидов и формировании заключения о сходстве или различии их цифровых характеристик.

Цель исследования: проанализировать особенности видеоматериала для применения методики идентификации индивида по характеристикам цикла шага.

Материалы и методы исследования. В ходе проводимых исследований нами применялись следующие технические средства, а именно:

а) смартфоны Xiomi Mi6 (9 PKQ1.190118.001) с разрешением 12 МП и частотой 30 кадров в секунду HÍPhone (MJNC3CH/A) с разрешением 12 МП и частотой 60 кадров в секунду;

♦ видеорегистратор (VGI) с разрешением 0,8 МП;

♦ камеры наружного наблюдения (DH-IPC-HF W2230SP-S-S2) с разрешением от 2 до 8 МП;

б) видеозаписи ходьбы индивидов по электрической беговой дорожке, произведенные на камеру смартфона (Xiomi Mi6) с разрешением 12 МП и частотой 30 кадров в секунду и на камеру iPhone с разрешением 12 МП и частотой 60 кадров в секунду; видеозаписи, произведенные видеорегистратором (VGI) с разрешением 0,8 МП; записи с камер наружного наблюдения (DH-IPC-HFW2230SP-S-S2) с разрешением от 2 до 8 МП.

Анализ полученных при исследовании видеозаписей осуществлялся с использованием «Программного комплекса для расчета характеристик цикла шага».

Систематическому анализу были подвергнуты все полученные данные, а именно: особенности видеозаписей, произведенные с разного расстояния, при разном разрешении и ракурсе с целью их пригодности для последующей качественной оцифровки показателей цикла шага и формирования рекомендаций для проведения следственных экспериментов. При этом, для оцифровки параметров ЦШ был разработан программный комплекс [5]. Как показала практическая работа по анализу видеоматериала и формированию «Базы данных характеристик цикла шага» [8], для получения достоверных и сопоставимых результатов оцифровки необходимо учитывать ряд особенностей, речь о которых пойдет в настоящей статье.

Первый период двойной опоры Первый период переноса (период одиночной опоры) Второй период двойной опоры Второй период переноса (период одиночной опоры)

Цикл шага

Рис. 1. Периоды цикла шага

jjÉiSk.

-^pr-

JURISPRUDENCE

JJIÉL..

Анализ особенностей видеоматериала при оцифровке характеристик цикла шага

Ходьба человека представляет собой «автоматизированный» циклический процесс. Если скорость индивида при движении по определенному участку пути постоянна, то длины соответствующих промежутков цикла шага для последовательных шагов отличаются не более чем на два процента (табл. 1).

Значительное изменение в продолжительности периодов может произойти в случае резкого изменения скорости, связанного с различными причинами: человек оступился, споткнулся о выступающий предмет — препятствие (камень, ступенька, бревно), неровная поверхность. Появление вышеперечисленных аномальных явлений существенно влияет на результат расчета. Для того, чтобы выявить и зафиксировать общие закономерности ходьбы индивида, необходима обязательная оцифровка не одного, а нескольких последовательных шагов. Как правило, по анализу четырех шагов уже можно выявить определенную тенденцию, однако в случае появления аномальных значений количество исследуемых шагов следует увеличить. Так, на рис. 2 представлены изменения характеристик цикла шага индивида для семи последовательных шагов. На четвертом шаге наблюдается значительное изменение общей тенден-

Таблица 1

Расхождения в продолжительности периодов

Различия в длинах периодов последовательных шагов Процент шагов в базе данных (n = 493 шага)

0 % 10 %

От 0 до 1 % 30 %

От 1 до 2 % 38 %

Более 2 % 22 %

ции, а затем процесс снова стабилизируется. При возникновении таких ситуаций необходим более детальный анализ видеоматериала с целью выяснения причин такой аномалии. В дальнейшем, при усреднении результатов, необходимо исключить этот шаг из анализа, если нарушение ходьбы явилось следствием каких-либо случайных внешних причин.

Важным моментом для идентификационно значимой оцифровки материала является качество произведенной видеофотофиксации. В процессе обработки циклограммы эксперт фиксирует номера кадров, соответствующие началу и окончанию каждого периода. На основе выделенных подпоследовательностей видеокадров происходит расчет продолжительности каждого периода.

Следует отметить, что при оцифровке цикла шага важное значение имеет четкая визуализация и фикса-

Рис. 2. Нарушение тенденции в значениях характеристик цикла шага

ЮРИДИЧЕСКИЕ НАУКИ

Рис. 3. Моменты перехода между периодами двойной и одиночной опоры

ция момента отрыва носка ноги при переходе от периода двойной опоры к периоду одиночной опоры и четкая визуализация момента опоры на пятку при переходе от одиночной опоры к двойной (рис. 3). В случае обработки качественного видеоматериала фиксация периодов не вызывает затруднений. Вышеизложенное подтверждает факт проведенного нами исследования, в ходе которого одни и те же записи (видео-фотофиксации) подвергались обработке разными экспертами. Расхождение полученных результатов составило менее 1 %.

Добавление кадра к периоду опоры или периоду переноса в случае, когда фиксация затруднительна, может привести к некорректной оцифровке параметров. Так, в табл. 2-4 представлены результаты оцифровки одной и той же видеопоследовательности, соответствующей полному циклу шага в случае нечетной визуализации момента контакта с опорой, когда сложно определить кадр начала и окончания периода. В случае смещения пограничных кадров, характеристики разнятся и процесс идентификации может вызвать затруднения.

Таблица 2

Циклограмма (1-й способ оцифровки)

123456789 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Первый период переноса — 0,30 сек (32,1 %) Первый период двойной опоры — 0,17 сек (17,9 %) Второй период пер еноса — 0,30 сек (32,1 %) В тор ой период двойной опоры — 0,17 сек (17,9%)

Цикл шага 0,94 Частота ходьбы 127,6 шагов в минуту (быстрая)

Таблица 3

Циклограмма (2-й способ оцифровки)

1 23456789 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Первый период переноса — 0,33 сек (34,5 %) Первый период двойной опоры — 0,13 сек (13,8 %) Второй период переноса — 0,33 сек (34,5 %) Второй период двойной опоры — 0,17 сек (17,2%)

Цикл шага 0,97 Частота ходьбы 124,1 шагов в минуту (быстрая)

Таблица 4

Циклограмма (3-й способ оцифровки)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

Первый период пер еноса — 0,27 сек (28,6 %) Первый период двойной опоры — 0,20 сек (21,4 %) Второй период переноса — 0,27 сек (28,4 %) Второй период двойной опоры — 0,20 сек (21,4 %)

Цикл шага 0,93 Частота ходьбы 123,7 шагов в минуту (быстрая)

-^pr-

JURISPRUDENCE

Расхождения в измерениях между циклограммами 1-3 (период одиночной опоры)

Таблица 5

Способ оцифровки Первый период

1 2 3

1 0 2,4 % 3,5 %

2 0 5,9 %

3 0

Способ оцифровки Второй период

1 2 3

1 0 2,4 % 3,7 %

2 0 6,4 %

3 0

Расхождения в измерениях между циклограммами 1-3 (период двойной опоры)

Таблица 6

Способ оцифровки Первый период

1 2 3

1 0 4,1 % 3,5 %

2 0 7,6 %

3 0

Способ оцифровки Второй период

1 2 3

1 0 0,7 % 3,5 %

2 0 4,2 %

3 0

Результаты, представленные в табл. 2-4, значительно расходятся в продолжительности периодов цикла шага как в секундах, так и в процентах (табл. 5-6).

Данные расхождения являются достаточно существенными и могут исказить результат идентификации индивидуума.

Причины, которые не позволяли провести идентификацию, по нашему мнению, были следующие.

Во-первых, цвет восприятия объектов видеофо-тофиксации, а именно, обуви и опоры.

Если видеофотофиксация производилась с достаточным хорошим разрешением (более 8 МП), то идентификация не вызывает каких-либо затруднений. Трудность была в оцифровке записей, на которых отсутствует «контраст» между опорой и обувью. «Контраст» в нашем случае — это цвет обуви и покрытия (пола) по которому движется идентифицируемый.

В ходе проведения экспериментов нами была выявлена сезонная (осенне-зимняя) закономерность, которая вызывала наиболее существенное искажение на видео, не позволяющая произвести идентификацию по циклу шага. В этот период основная масса индивидуумов предпочитала носить черную обувь, которая сливалась с темно-серым тротуаром и (или) кафельной половой плиткой. Поэтому переход между периодами ЦШ отследить было сложно, а порой не возможно (рис. 4). Аналогичная проблема, которая так же не позволяла провести идентификацию, возникала при съемке в темное время суток.

Рис. 4. Отсутствие контраста между опорой и обувью

Поэтому считаем, что в случае проведении следственных экспериментов этот момент нужно учитывать в первую очередь, так как наличие контраста позволяет достаточно точно измерять параметры шагов даже с удаленного расстояния.

Во-вторых, фотовидеофиксация с невысоким разрешением (менее 5 МП).

Ниже представлены кадры видеоматериала, снятые видеорегистратором (V GI) с разрешением 0,8 МП (рис. 5). Данное разрешение не позволяет произвести корректную оцифровку параметров ЦШ и может использоваться только для анализа качественных признаков походки.

На рис 6. представлен кадр съемки видеорегистратора (Digma FreeDrive 505 Mirror Dual) с разрешением 2 МП с расстояния 5 м. Возможна качественная оцифровка в случае контраста обуви и опоры.

ЮРИДИЧЕСКИЕ НАУКИ

Съемка видеорегистратором с разрешением 0,8 МП, Съемка видеорегистратором с разрешением 0,8 МП,

расстояние около 3 м расстояние около 10 м

Рис. 5. Кадры видеорегистратора (0,8 МП)

Съемка видеорегистратором с разрешением 2 МП, расстояние около ХХ м Рис. 6. Кадры видеорегистратора (2 МП)

В то же время, фотовидеофиксация, произведен- с разрешением 12 МП и частотой 60 кадров в се-ная на мобильный телефон (Хют1 Mi6) с разреше- кунду с расстояния 2 м, позволила произвести иден-нием 12 МП и частотой 30 кадров в секунду и iPhone тификацию по ЦШ (рис. 7).

Съемка смартфоном с разрешением 12 МП, Съемка смартфоном с разрешением 12 МП,

частота 60 кадров в секунду частота 30 кадров в секунду

Рис. 7. Съемка на смартфон

jjÉiSk.

-^pr-

Разрешение 8 ПМ

Разрешение 5 ПМ Рис. 8. Съемка камерой наружного наблюдения

Разрешение 2 ПМ

При съемке с частотой 60 кадров в секунду параметры ЦШ фиксируются однозначно. В случае съемки с частотой 30 кадров в секунду возможны проблемы оцифровки при отсутствии контраста между опорой и обувью.

Съемка на камеру наружного наблюдения (ОН-IPC-HFW2230SP-S-S2) с разрешением 8,5 и 2МП с расстояния около 15 м представлена на рис. 8. Как показал вычислительный эксперимент, качественная оцифровка ЦШ возможна при разрешении 5-8 МП. Съемка с разрешением 2 МП на удаленном расстоянии позволяет анализировать только качественные особенности походки.

В результате обработки различного видеоматериала нами было установлено, что оптимальной для анализа является видеозапись, сделанная с разрешением от 5 МП на расстоянии до 5 м до объекта.

В-третьих, ракурс съемки (угол под котором производилось фотовидеофиксация). При оценке параметров цикла шага важное значение имеет ракурс съемки. Идеальный вариант для оцифровки характе-

ристик ЦШ — съемка сбоку. В этом случае можно отследить все фазы ЦШ. Качественная оцифровка ЦШ возможна при изменении угла съемки в пределах от -500 до +500. Начиная с 500 фазы ЦШ фиксировать затруднительно, так как не виден четкий момент контакта с опорой ведущей ноги (рис. 9).

Однако, съемка сбоку не позволяет определить положение стоп при ходьбе, которое также входит в перечень идентификационно значимых признаков ЦШ. Положение стоп удобно фиксировать при съемке в профиль или съемке сверху (рис. 10), а при съемке со спины возможна фиксация деформации стопы (рис. 11).

В-четвертых, удаленность съемки. Удаленность съемки также является важным моментом для оцифровки ЦШ. Чем дальше удален объект от точки съемки, тем сложнее эксперту было производить измерения периодов ЦШ. Тем не менее, высокое разрешение и наличие контраста обуви и опоры позволяет в отдельных случаях обрабатывать видеоматериал, на котором съемка велась с достаточно большого расстояния (до 15 м) и идентифицировать по ЦШ.

Съемка сбоку (угол приблизительно 00)

Съемка под углом около -450 Рис. 9. Ракурс съемки

Съемка под углом около ■

ЮРИДИЧЕСКИЕ НАУКИ

Параллельная постановка стоп

Косонаружная постановка стоп

Косовнутренняя постановка стоп

Рис. 10. Постановка стоп при ходьбе

В результате проведенного экспериментального анализа нами было установлено, что оптимальным является расстояние до 5 м.

Выводы. Анализ характеристик ЦШ является одним из многих пока не совсем изученных этапов идентификации индивида по признакам походки. Для достоверной и объективной оцифровки параметров ЦШ должны выполняться условия, которые необходимо учитывать экспертам при проведении следственных экспериментов.

Соблюдение всех вышеперечисленных критериев (обработка нескольких последовательных шагов; наличие контраста между обувью и опорой; съемка на камеру с разрешением от 5 МП на расстоянии до 5 м; угол съемки от -500 до 500, дополнительная съемка

Рис. 11. Деформация стопы

анфас и со спины) позволит более объективно и обосновано произвести идентификацию индивида по ЦШ. Проведенные нами предварительные исследования на сегодняшний день являются промежуточными. Более подробные и аргументированные выводы, которые позволят идентифицировать индивида по ЦШ, помимо изложенных в данной статье, будут приведены нами после проведения окончательных всесторонних исследований.

Список источников

1. Лютов В. С., Конушин А. С., Арсеев С. П. Распознавание человека по походке и внешности // Программирование. 2018. № 4. С. 97-106.

2. Sokolova A., Konushin A. Gait recognition based on convolutional neural networks. International archives of the photogrammetry, remote sensing and spatial information sciences — ISPRS Archives. 2017. Т. 42. С. 207-212.

3. Уздяев М. Ю., Яковлев Р. Н., Дударенко Д. М., Жебрун А. Д. Идентификация человека по походке в видеопотоке // Известия Юго-Западного государственного университета. 2020. № 24 (4). С. 57-75.

4. Бурмака А. А., Кореневский Н. А., Скрипки-на А. А., Емельянов С. Г. Устройство распознавания и идентификации людей по походке. Патент RU 142 351 U1.

5. Фомина Е. Е., Леонов С. В., Косухина О. И. Программный комплекс для расчета характеристик цикла шага. Свидетельство о государственной регистрации программы для ЭВМ от 17 ноября 2022 г. № 2022682014.

6. Фомина Е. Е., Леонов С. В. Программный комплекс для идентификации личности по характеристикам цикла шага // Программные продукты и системы. 2023. № 2. С. 303-308.

7. Скворцов Д. В. Клинический анализ движений. Анализ походки. Иваново : Стимул, 1996.

8. Косухина О. И., Фомина Е. Е., Леонов С. В. База данных характеристик цикла шага. Свидетельство о государственной регистрации базы данных от 24 ноября 2022 г. № 2022623085.

References

1. Lyutov V. S., Konushin A. S., Arseev S. P. Recognition of a person by gait and appearance // Programming. 2018. № 4. Р. 97-106.

2. Sokolova A., Konushin A. Gait recognition based on convolutional neural networks. International archives of the photogrammetry, remote sensing and spatial information sciences — ISPRS Archives. 2017. Vol. 42. Р. 207-212.

3. Uzdyaev M. Yu., Yakovlev R. N., Dudaren-ko D. M., Zhebrun A. D. Identification of a person by gait in a video stream // Izvestiya Southwestern State University. 2020. № 24 (4). P. 57-75.

4. Burmaka A. A., Korenevsky N. A., Skripkina A. A., Yemelyanov S. G. Device for recognizing and identifying people by gait. Patent RU 142 351 U1.

5. Fomina E. E., Leonov S. V., Kosukhina O. I. Software package for calculating the characteristics of the step cycle. Certificate of state registration of a computer program dated November 17, 2022 № 2022682014.

6. Fomina E. E., Leonov S. V. A software package for identification of a person by characteristics of a step cycle // Software products and systems. 2023. № 2. P. 303-308.

7. Skvortsov D. V. Clinical analysis of movements. Gait analysis. Ivanovo : Stimul, 1996.

8. Kosukhina O. I., Fomina E. E., Leonov S. V. Database of characteristics of the step cycle. Certificate of state registration of the database dated November 24, 2022 № 2022623085.

Информация об авторах

Е. Е. Фомина — заведующая кафедрой информатики и прикладной математики Тверского государственного технического университета, кандидат технических наук, доцент;

В. К. Дадабаев — заведующий кафедрой судебной медицины с курсом правоведения Тверского государственного медицинского университета Министерства здравоохранения Российской Федерации, доктор медицинских наук, доцент, отличник здравоохранения РФ.

Information about the authors

E. E. Fomina — Head of the Department of Computer Science and Applied Mathematics of the Tver State Technical University, Candidate of Technical Sciences, Associate Professor;

V. K. Dadabaev—Head of the Department of Forensic Medicine with a Law Course of the Tver State Medical University of the Ministry of Health of the Russian Federation, Doctor of Medical Sciences, Associate Professor, Excellent Student of Healthcare of the Russian Federation.

Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.

Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests.

Статья поступила в редакцию 10.12.2023; одобрена после рецензирования 30.01.2024; принята к публикации 04.03.2024.

The article was submitted 10.12.2023; approved after reviewing 30.01.2024; accepted for publication 04.03.2024.