ЦИФРОВЫЕ ВИДЕОИЗОБРАЖЕНИЯ В КРИМИНАЛИСТИЧЕСКОЙ ИДЕНТИФИКАЦИИ Текст научной статьи по специальности «Право»

УГОЛОВНО-ПРАВОВЫЕ НАУКИ

УДК 343.982:004.35

DOI: 10.17072/2619-0648-2022-3-116-127

ЦИФРОВЫЕ ВИДЕОИЗОБРАЖЕНИЯ В КРИМИНАЛИСТИЧЕСКОЙ ИДЕНТИФИКАЦИИ

С. Д. Долгинов

Кандидат юридических наук, доцент,

доцент кафедры уголовного процесса и криминалистики

Пермский государственный

национальный исследовательский университет

614990, Россия, г. Пермь, ул. Букирева, 15

E-mail: kafedra-upik-pgniu@yandex.ru

Аннотация: в статье рассматриваются современные возможности и перспективы развития технологии автоматической идентификации человека по его видеоизображениям. Анализируются некоторые правовые и технические аспекты внедрения данной технологии. Обращается внимание на факторы, влияющие на полноту и достоверность воспроизведения признаков человека, запечатленного на цифровых видеоизображениях. Важное место занимает исследование проблем, возникающих при извлечении информации из средств видеофиксации, и способов их устранения. Отражены возможности использования полученной информации в практике раскрытия и расследования преступлений. Описывается практика внедрения аппаратно-программных комплексов в Российской Федерации и Пермском крае, а также разработки алгоритмов машинного распознавания образов, позволяющие осуществлять идентификацию в автоматическом режиме, с высоким уровнем точности и скорости, производя поиск по информационным массивам цифровых фотоснимков. Развитие современных технологий делает возможным распознавание не только лица человека, но и его эмоционального состояния, вплоть до сложных, составных эмоций. Это особенно актуально в вопросах предупреждения террористических актов. Ключевые слова: видеоизображение; видеофиксация; идентификация человека; компьютерные программы; технологии внедрения

© Долгинов С. Д., 2022

DIGITAL VIDEO IMAGES IN FORENSIC IDENTIFICATION

S. D. Dolginov

Perm State University

15 Bukireva st., Perm, 614990, Russia

E-mail: kafedra-upik-pgniu@yandex.ru

Abstract: the article discusses the modern possibilities and prospects for the development of technologies for automatic identification of a person by his video images. Some legal and technical aspects of the implementation of this technology are analyzed. Attention is drawn to the factors affecting the completeness and reliability of the display of human features captured on digital video images. An important place is occupied by the study of problems in extracting information from video recording tools, ways to eliminate them. The possibilities of using the information obtained from the means of video recording in the practice of disclosure and investigation of crimes are reflected. The practice of implementing hardware and software complexes in the Russian Federation and the Perm Region is investigated. The article describes the development of algorithms for machine image recognition that allow identification in automatic mode with a high level of accuracy and speed, searching through information arrays of digital photographs. The development of modern technologies makes it possible to use in practice an algorithm that allows recognizing not only a face, but also its emotional state, up to complex, composite emotions. This is of particular relevance in the prevention of terrorist acts. Keywords: video images; video fixation; human identification; computer programs; implementation technologies

B условиях стремительного развития цифровых технологий и широкомасштабного внедрения во все сферы человеческой деятельности электронных носителей информации приоритетное место в криминалистике занимает цифровая криминалистика, изучающая следовую картину в цифровом пространстве. Следовая информация, содержащаяся на различных физических носителях, может быть доказательством по преступлениям, особенно если они связаны с цифровыми технологиями.

При сборе электронных доказательств работать приходится с очень специфичными объектами, требующими специальных знаний, понимания, каким образом осуществляется информационный обмен, машинная обработка данных, сохранение результатов и т.п. Например, для обработки видеоизображений требуются серьезные познания в области математики, поскольку алгоритмы обработки всегда основаны на математических формулах и преобразованиях.

В практике раскрытия и расследования преступлений важное место занимают вопросы извлечения информации из средств видеофиксации. Источники получения видеоинформации многообразны. Это могут быть видеокамеры наблюдения, камеры мобильных телефонов (смартфонов), цифровые фотоаппараты, видеорегистраторы и т.д. Извлеченная из них информация о внешнем облике человека подлежит последующей портретной идентификации, сложность проведения которой обусловлена ограниченным объемом информации о признаках внешности человека, запечатленных на видеоизображениях.

А. М. Зинин и другие авторы указывают на то, что информация может быть полной, ограниченной, частичной и фрагментарной1.

«Полная информация - это высококачественная, соответствующая правилам сигналистической фотографии фото-, видеосъемка человека в полный его рост, в статическом и динамическом состоянии, а также портретная видеосъемка лица при спокойном его состоянии и в динамике.

Ограниченная информация характеризуется тем, что на источниках фото-, видеоинформации отображается ограниченный комплекс элементов и признаков внешности, которые могут быть использованы для экспертной идентификации лишь при определенных условиях сопоставимости сравнительного материала в комплексе с другими снимками.

Для частичной информации характерно, что лицо может не просматриваться вследствие ракурса видеосъемки (съемка сбоку и сзади), прикрытия частей лица с помощью головного убора и одежды (шапка, платок, шарф и т.п.); на изображениях зафиксирован комплекс общефизических элементов внешности человека (рост, телосложение, осанка) и некоторых анатомических частей лица (глаза, щеки, нос, губы и их красные каймы, подбородок)»2.

Безусловно, выводы о достаточности информации для отождествления внешнего облика, лица человека делает эксперт, готовящий материал для проведения идентификационного исследования. В рамках криминалистической идентификации он учитывает разные факторы, влияющие на изображение на видеозаписи. Среди них выделяются следующие: функционально-

1 Зинин А. М., Зотов А. Б., Снетков В. А. Особенности портретной криминалистической идентификации с использованием видеоизображений: метод. рекомендации. М.: ЭКЦ МВД РФ, 1995.

2 Давыдов В. Е., Задоров А. Г. Влияние некоторых факторов на отображение признаков внешности человека и возможности идентификации личности по видеоизображениям // Судебная экспертиза. 2020. № 3. С. 5.

технические характеристики аппаратуры для видеозаписи - факторы материальной части средств видеозаписи; факторы процесса записи видеоизображения с камеры на носитель видеоинформации; факторы состояния внешности объекта запечатления, характеризующие объект фиксации на видеозаписи; факторы условий хранения видеозаписи3.

Несомненно, все перечисленные факторы влияют на точность результатов исследования, но во многом качество проводимой идентификации зависит от дальнейшего развития и совершенствования технологий автоматического распознавания лиц. Каково же положение дел в данном направлении на сегодняшний день и каковы перспективы на ближайшее будущее?

Выбор техники и программного обеспечения - важный фактор эффективности осуществляемых действий. Отечественными и зарубежными компаниями ведутся разработки алгоритмов машинного распознавания образов, позволяющие идентифицировать в автоматическом режиме, с высоким уровнем точности и скорости, производя поиск по информационным массивам цифровых фотоснимков. В настоящее время предпочтение отдается зарубежным разработкам, поскольку на отечественном рынке необходимого программного обеспечения не так много, а его функциональные возможности и качество оставляют желать лучшего.

Помимо уже имеющихся профессиональных криминалистических программ, Следственный комитет постоянно рассматривает новые программные продукты. Если они соответствуют требованиям времени, то решается вопрос об их закупке у компании-разработчика и внедрении в практику правоохранительных органов. В числе компьютерных программ есть и такие, которые используются в системах видеонаблюдения для обеспечения безопасности и правопорядка. Их применение позволяет выделить подозрительное лицо из тысяч других в уличном потоке и одновременно отправить оповещение сотрудникам полиции. В России данной системой впервые воспользовались в 2018 году при проведении чемпионата мира по футболу. На фоне пандемии коронавируса в тестовом режиме систему использовали для поиска нарушителей режима двухнедельной самоизоляции, в результате чего удалось задержать 98 человек, числившихся в базах данных правоохранительных органов. В дальнейшем систему распознавания лиц подключили к HD-камерам

3 Ильин Н. Н. Проблемные вопросы, связанные с автоматическим распознаванием человека по признакам внешности, запечатленным на видеоизображениях // Энциклопедия судебной экспертизы. 2018. № 4. С. 116-121.

уличного наблюдения, и она начала успешно работать на выявление преступников.

В настоящее время камеры видеонаблюдения стали одним из элементов инфраструктуры городов: они располагаются на улицах, в аэропортах, гостиницах, магазинах, домофонах, в других местах. Существуют и автоматизированные системы слежения. Таковой является аппаратно-программный комплекс «Безопасный город». Помимо этого комплекса используются и другие, в частности «Синергет Розыск» - централизованная система поиска людей, находящихся в розыске, и информационно-поисковые системы «Портрет-Поиск», «Папилон-Полифейс». Система «Безопасный город» реализована в 11 регионах России, в том числе в Пермском крае.

В сентябре 2020 года в Москве была внедрена система биометрического распознавания лиц «Сфера». В ней формируется биометрический портрет. Технология преобразовывает изображение лица в уникальный биометрический ключ-вектор. Если человек находится в розыске, система оповещает полицию. При помощи данного алгоритма появилась возможность идентифицировать лицо человека как на фотографии, так и в видеопотоке с большим количеством людей. За незначительный промежуток времени было задержано 2032 человека, разыскивавшихся за совершенные преступления. Система также помогла найти 326 без вести пропавших и 76 потерявшихся детей4.

Идентификация личности возможна и при значительных изменениях, связанных с возрастом, появлением бороды или усов, а также в тех случаях, когда часть лица прикрыта каким-либо предметом, например очками или медицинской маской5.

Вопрос об идентификации личности с надетой медицинской маской стал актуальным в связи с глобальной пандемией COVID-19. Эксперимент, проведенный Н. Л. Эйхвальд, показал, что при правильном ношении медицинской маски идентификация личности системой видеонаблюдения невозможна. Поэтому необходимо совершенствовать имеющиеся системы распознавания лиц, наполнять их новыми технологиями. Они должны быть спо-

4 Ликсутов назвал число задержанных благодаря распознаванию лиц в метро. URL: https://www.rbc.m/rbcfreenews/61cb0e659a7947a19633f35a?ysclid=l4jxp0zfik345146653.

5 Гусенкова А. А. К вопросу об использовании систем видеонаблюдения и автоматизированных систем биометрической идентификации человека при производстве портретных экспертиз и исследований (на примере аппаратно-программного комплекса «Безопасный город») // Актуальные проблемы экспертно-криминалистической деятельности: сб. науч. тр. / сост. В. В. Бу-шуев. М.: Изд-во Моск. ун-та МВД России, 2021. С. 520-523.

собны распознавать людей не только по антропометрическим признакам, но и по функциональным навыкам - походке, голосу, по особым и броским приметам, присущим только конкретному лицу, например татуировкам6.

В Перми вопрос о внедрении АПК «Безопасный город» начал решаться с 2015 года, с момента принятия администрацией города постановления от 16 сентября 2015 г. № 650 «О создании межведомственной комиссии города Перми по вопросам, связанным с внедрением и развитием аппаратно-программного комплекса "Безопасный город"»7. На текущий момент в Пермском крае запустили единую систему видеонаблюдения. Ее возможности позволяют хранить и обрабатывать информацию, поступающую с неограниченного количества камер видеонаблюдения (в Прикамье установлено около 3,5 тыс. камер), которые, кроме прочего, могут распознавать лица. Создан и уже внедрен закрытый сегмент, доступ к которому будут иметь только правоохранительные органы. Его основная задача - распознавание находящихся в розыске лиц: специальное программное обеспечение позволяет сравнивать полученные с камер данные с фотороботами людей, находящихся в розыске. В рамках развития АПК «Безопасный город» до 2024 года планируется подключить 7 тыс. видеокамер с функцией распознавания лиц.

В 2021 году в пяти регионах России Министерство внутренних дел РФ запустило новую систему «Паутина», которая умеет распознавать не только лица, но также силуэты людей и машин. С ее помощью можно отслеживать траекторию человека, считать людей и искать их по силуэтам. Алгоритм при распознавании внешне похожих людей учитывает походку и рост человека, а также дополнительные признаки, например очки, шляпу, бороду. Система распознает характерные движения: когда человек бежит, говорит по телефону, совершает противоправные действия. Точность определения около 80 %. Этого достаточно, чтобы получить необходимую информацию и передать ее в1 экстренные службы.

Так же и с автомобилями. Внедряемая система способна распознавать автомобили, попавшие на камеру, когда их не очень хорошо видно, нельзя определить номера или просматривается лишь часть машины. Алгоритм позволяет идентифицировать автомобиль по цвету, марке и индивидуальным

6 Эйхвальд Н.Л. Биометрическая идентификация личности в условиях проведения противоэпидемических мероприятий // Криминалистика: вчера, сегодня, завтра. 2021. № 3. С. 173-182.

7 В Пермском крае готовится внедрение системы видеонаблюдения с функцией распознавания лиц в рамках аппаратно-программного комплекса «Безопасный город». URL: https://perm.bez-formata.com/listnews/sistemi-videonablyudeniya2s-funktciey/99177826/?.

особенностям. Система получает информацию со всех камер наружного наблюдения. Она распознаёт марку автомобиля, может отыскать машину только по части номера, причем проверяет по федеральным базам все типы регистрационных знаков, в том числе иностранные. Она, кроме того, способна вычислять движение автомашин-«двойников» на территории страны. МВД планирует в 2022 г. внедрить «Паутину» в своих подразделениях по всей России8.

В практике взаимодействия полиции и службы судебных приставов используется поисковая система «Азимут», работающая на базе сети комплексов фото- и видеофиксации. Приставы передают ГИБДД данные об автомобилях, владельцы которых имеют множество неоплаченных штрафов. Информация с видеокамер стекается в дежурную часть и, когда в поле зрения попадает нарушитель, отправляется сотрудникам нарядов для задержания автотранспортного средства.

Непрерывное развитие технологий в современном мире дало возможность разработать алгоритм для распознавания не только лиц, но и эмоциональных состояний, вплоть до сложных, составных эмоций. Каждая эмоция определяется по уникальной вариации сокращения лицевых мышц. Если действие одних мышц видно отчетливо, то других - едва заметно. Такая возможность считывания эмоций позволит, например, оценить, насколько тревожно чувствует себя человек, входящий в здание вокзала или учебного заведения. Алгоритм находит конкретного человека по базе среди нескольких миллионов лиц за секунды. Важно, что эту способность он не утрачивает в «уличных» условиях, когда человек повернут вполоборота, надвинул на лоб шапку или надел солнечные очки. Технология устойчива к возрастным изменениям, перемене ракурса и освещенности. Ее применение позволит в человеческом потоке выделить подозрительное лицо из тысяч других и немед-

9

ленно отправить оповещение сотрудникам полиции .

Среди большого разнообразия компьютерных программ для воссоздания образа человека, его распознавания на каких-либо изображениях заслуживает внимания специальная программа, позволяющая идентифицировать человека, даже если он стоит вполоборота или почти спиной к объективу. А если некоторые части лица видны неотчетливо, то используется технология трехмерного моделирования, «разворачивающая» лицо устанавливаемого человека в таком ракурсе, как оно было запечатлено на видеозаписи.

8 ГИБДД сплетет «Паутину» по всей стране. URL: https://konkurent.ru/article/40618?

9 Писаренко Д. Узнает всех в лицо. Как технологии распознавания изменят нашу жизнь // Аргументы и факты. 2017. 11 дек.

Для отслеживания перемещения интересующего лица и его автоматической идентификации применяется программа трекинга, которая включает вспомогательные фотобазы лиц с описаниями, используемые для сравнительного анализа. Такая программа в реальном времени фиксирует лицо человека, проходящего мимо камеры, сравнивает его фото с базой граждан, находящихся в розыске, и дает результат сопоставления.

В настоящее время тестируется система видеонаблюдения, которая должна помочь предотвращать нападения на учебные заведения. Как именно? Новая система будет распознавать людей с оружием на подходе к зданию.

Очевидно, что не во всех случаях изымаемая видеоинформация хорошего качества. Если камера плохо распознала лицо злоумышленника, то специалисты проводят криминалистическое улучшение изображения. При необходимости используются различные методы. Изображение детализируется до такой степени, чтобы можно было увидеть, какой нос у человека, какие глаза, линии губ, волосы, как выглядит его лицо в профиль или анфас. Разумеется, это не всегда возможно и зависит от функций имеющегося программного обеспечения10.

При отсутствии желаемого результата в работу включается специалист по подготовке субъективных графических портретов. На основе имеющегося видеоизображения и информации из иных источников он создает графический портрет, используемый в дальнейшем для розыска преступника. В качестве примера можно привести случай, когда преступник совершил действия сексуального характера в отношении девятилетней девочки. «Его запечатлела лишь одна камера, и увидеть, как выглядел преступник, к сожалению, было сложно. Мы провели криминалистическое улучшение видеозаписи, получили ряд улучшенных изображений преступника... Результаты демонстрировались по местному телевидению. Составленный специалистом графический портрет на розыскных листах (ориентировках) был расклеен на сотне автобусных остановок в городе. В результате бывшая девушка этого молодого человека сказала, что узнала его на изображениях. Мужчина отрицал свою вину, однако генетическая экспертиза показала, что его ДНК и следы ДНК на теле жертвы полностью совпадают»11.

10 Применение цифровых технологий при производстве портретной экспертизы: учеб.-практ. пособие / М. Н. Шухнин, О. А. Косыгин, А. Н. Яковлев [и др.]. Саратов: Научная книга, 2010. С. 34-35.

11 Криминалист Вадим Смехнов: «Можем увидеть лицо преступника почти со спины». URL: https://ria.ru/20201019/kriminalistika-1580446183.html?.

Наряду с видеокамерами, видеосерверами и видеорегистраторами в качестве «поставщиков» видеоинформации для идентификационных исследований возможно использование Интернета и социальных сетей. При этом важно знать источник происхождения размещенных в них материалов и проверить отсутствие монтажа. Разработанный сегодня специальный алгоритм позволяет установить, с помощью какой соцсети, какое изображение и кому направлялось. Примером применения данного алгоритма может быть одно из уголовных дел против современных педофилов. «Преступник... состоял в браке, воспитывал двоих детей и, как удалось установить, вел переписку более чем с девятьюстами несовершеннолетними девочками. Ни с одной из них он физически не контактировал. При этом более трехсот девочек прислали ему фотографии интимного содержания. Приговором суда он был осужден к длительному сроку лишения свободы»12.

В правоприменительной практике широко известна «искусственная нейросеть Deepface, интегрированная в одноименную социальную сеть. Данная технология позволяет осуществлять идентификацию лиц по цифровым фотоизображениям внутри социальной сети. К примеру, уровень точности распознавания упомянутой выше системы составляет около 97,5 %, что сопоставимо со способностью к распознаванию лиц обычного человека»13.

Внедрение в практику новых технологий не обходится без проблем юридического и технического характера. Неоднозначное отношение со стороны правозащитных организаций и граждан к сбору и использованию персональных данных связано с тем, что применение технологий автоматического распознавания лиц вступает в противоречие с рядом законодательных норм, в частности с Федеральным законом от 27 июля 2006 г. № 152-ФЗ «О персональных данных». Обработка персональных данных граждан также затрагивает их право на частную жизнь, гарантированное статьями 23 и 24 Конституции России14. Решение указанных проблем А. Н. Сретенцев видит в совершенствовании действующего законодательства. По его мнению, «требуется конкретизация случаев, в которых может осуществляться сбор и обработка персональных данных без письменного согласия лиц. Также

12 Там же.

13 Елистратова А. А., Кукарцев В. В. Технология идентификации личности Deepface // Решетнев-ские чтения: материалы науч.-практ. конф., проводимой в рамках XVIII Междунар. науч. конф., посвященной 90-летию со дня рождения генерального конструктора ракетно-космических систем академика М. Ф. Решетнева (11-14 ноября 2014, Красноярск): в 3 ч. Ч. 2. С. 186-187.

14 Конституция Российской Федерации: принята всенар. голосованием 12 дек. 1993 г. (с изменениями, одобренными в ходе общерос. голосования 1 июля 2020 г.).

должен быть определен режим, в котором может осуществляться сбор, обработка и использование таких данных, сроки хранения собираемой информации»15.

Одна из главных проблем технического характера - точность распознавания. Даже наиболее продвинутые в настоящее время технологии распознавания, построенные на основе свёрточной нейронной сети (CNN), «имеют точность в диапазоне 70-82 % для сложных сцен со множеством объектов, динамической сменой фона, поз и других параметров видеосцены»16.

Таким образом, имеющиеся проблемы свидетельствуют о необходимости дальнейшего развития и совершенствования технологий автоматического распознавания лиц. Эти технологии могут получить широкое применение и раздвинуть границы возможностей правоохранительных органов в идентификации лиц, совершивших преступления и иные правонарушения. Использование новейших технологий положительно скажется как на скорости расследования преступлений, так и на эффективности установления виновного в совершении преступления лица.

Не менее важным, чем знание компьютерных программ для воссоздания/распознавания образа человека и умение их применять, является оценка признаков внешности и формирование выводов при проведении судебно-портретных экспертиз по цифровым видеоизображениям. Оценка анатомических элементов и признаков внешности и достоверность выводов эксперта зависят от ряда факторов: условий видеосъемки, качества изображения, используемых методов исследования.

Практика свидетельствует, что при оценке результатов сравнения анализируемых признаков возникают определенные трудности, которые обусловлены, по мнению Е. В. Давыдова и В. Ф. Финогенова, «не низкой компетенцией экспертов и низким качеством цифровых фото- и видеоизображений (на это указали 54 % респондентов), а тем, что не учитываются: влияние различных факторов на изменение анатомических элементов и признаков внешности (фотографических, возрастных, патологических, косметико-хирургических), возможности других методов оценки признаков внешности. Кроме используемого эмпирического метода должны применяться вероят-

15 Сретенцев А. Н. Возможности и перспективы внедрения систем автоматического распознания лица человека в процессе раскрытия и расследования преступлений // Российский следователь. 2021. № 1. С. 20.

16 Семенова А. Н., Аджиев Н. Д., Чочиева А. Н. Сравнение современных методов детектирования объектов на изображении // Тенденции развития науки и образования. 2019. № 56-3. С. 28-31.

ностно-статистический, метод детализации особенностей»17. Следует согласиться с авторами, отметившими, что «объективность и обоснованность вывода эксперта о наличии/отсутствии тождества при идентификации личности в полной мере зависят от достоверности выделенных для исследования признаков внешности, оценки идентификационной значимости каждого... признака и их совокупности»18.

Библиографический список

Гусенкова А. А. К вопросу об использовании систем видеонаблюдения и автоматизированных систем биометрической идентификации человека при производстве портретных экспертиз и исследований (на примере аппаратно-программного комплекса «Безопасный город») // Актуальные проблемы экс-пертно-криминалистической деятельности: сб. науч. тр. / сост. В. В. Бушуев. М.: Изд-во Моск. ун-та МВД России, 2021. С. 520-523.

Давыдов Е. В., Задоров А. Г. Влияние некоторых факторов на отображение признаков внешности человека и возможности идентификации личности по видеоизображениям // Судебная экспертиза. 2020. № 3. С. 73-83.

Давыдов Е. В., Финогенов В. Ф. Особенности оценки признаков внешности и формирования выводов в практике производства портретных экспертиз по цифровым видеоизображениям // Судебная экспертиза. 2021. № 4. С. 53-61.

Зинин А. М., Зотов А. Б., Снетков В. А. Особенности портретной криминалистической идентификации с использованием видеоизображений: метод. рекомендации. М.: ЭКЦ МВД РФ, 1995.

Елистратова А. А., Кукарцев В. В. Технология идентификации личности Deepface // Решетневские чтения: материалы науч.-практ. конф., проводимой в рамках XVIII Междунар. науч. конф., посвященной 90-летию со дня рождения генерального конструктора ракетно-космических систем академика М. Ф. Решетнева (11-14 нояб. 2014 г., Красноярск): в 3 ч. Ч. 2. С. 186-187.

Ильин Н. Н. Проблемные вопросы, связанные с автоматическим распознаванием человека по признакам внешности, запечатленным на видеоизображениях // Энциклопедия судебной экспертизы. 2018. № 4. С. 116-121.

17Давыдов Е. В., Финогенов В. Ф. Особенности оценки признаков внешности и формирования выводов в практике производства портретных экспертиз по цифровым видеоизображениям // Судебная экспертиза. 2021. № 4. С. 55.

18 т

Там же.

ПисаренкоД. Узнает всех в лицо. Как технологии распознавания изменят нашу жизнь // Аргументы и факты. 2017. 11 дек.

Применение цифровых технологий при производстве портретной экспертизы: учеб.-практ. пособие / М. Н. Шухнин, О. А. Косыгин, А. Н. Яковлев [и др.]. Саратов: Научная книга, 2010.

Семенова А. Н., Аджиев Н. Д., Чочиева А. Н. Сравнение современных методов детектирования объектов на изображении // Тенденции развития науки и образования. 2019. № 56-3. С. 28-31.

Сретенцев А. Н. Возможности и перспективы внедрения систем автоматического распознавания лица человека в процессе раскрытия и расследования преступлений // Российский следователь. 2021. № 1. С. 17-20.

Эйхвальд Н. Л. Биометрическая идентификация личности в условиях проведения противоэпидемических мероприятий // Криминалистика: вчера, сегодня, завтра. 2021. № 3. С. 173-182.

Ф

Информация для цитирования

Долгинов С. Д. Цифровые видеоизображения в криминалистической идентификации // Ex jure. 2022. № 3. С. 116-127. DOI: 10.17072/2619-0648-2022-3116-127.

Dolginov S. D. Digital Video Images in Forensic Identification. Ex jure. 2022. № 3. Pp. 116-127. DOI: 10.17072/2619-0648-2022-3-116-127.