建模训练1第四组唐权瑞吴超超陈梦静.docVIP

成趟足迹步幅特征的研究 摘 要 本文研究成趟足迹步幅的特征来甄别嫌疑人，首先我们根据题目所给出的图片进行数据采集，并用MATLAB中的CFTOOL曲线拟合工具箱分别对步长、步宽、步角进行曲线拟合，得到了三个正弦函数，从而可以大致分析出罪犯的步幅特征。随后我们再建立概率模型，用到U型检验法以及概率的平均值、方差等基本知识，得到了现场罪犯留下的足迹步幅特征的一个置信区间。最后我们利用采集到的嫌疑人的步幅特征的相关数据进行对比和分析，来得出最有可能的嫌疑人。 问题一：我们针对图片给出的脚印来发现其中的规律，我们打算从步幅特征来切入，分别测量出左右步长、左右步宽、左右步角。再分别对步长、步宽、步角利用MATLAB进行拟合描点，最后分别计算出步长、步宽、步角的曲线，从而得到现场罪犯留下的足迹的步幅特征。 问题二：是要在问题（1）的基础上，根据问题一所得到的现场遗留下来的足迹步幅的相关特征，再根据概率论的数据统计的相关理论，对数据进行U型检验法，来得出左右步长、左右步宽、左右步角的置信区间。再与嫌疑人的相关数据进行比对，从此就可以来甄别嫌疑人了。 问题三：使情况变得更现实化，因为犯罪现场根本不可能有成趟的带形足迹留给我们去破案，而是杂乱无章的嫌疑人脚印更有可能出现，而这就加大了我们判断步幅特征的难度，我们利用离散数据特征化，来从散乱的脚印里来单方面的特征。 关键词: 成趟足迹、步幅特征、曲线拟合、U检验法、离散数据特征化 1 问题重述 作案人的足迹是案发现场中发现和提取率较高的痕迹之一。发现这些足迹的相关特征，并以此寻找和甄别犯罪嫌疑人，是刑事科学重要的研究方向。除了单个的足迹检验之外，如果足迹的数量较多，尤其是成趟的足迹，常常显示出统计学上的一些规律。一般来讲，犯罪现场的足迹往往是杂乱无章的，但是也有些特殊情况，犯罪嫌疑人会留下较多的足迹，甚至是成趟的足迹。因此除了提取单个足迹数据以便研究犯罪嫌疑人的步态特征外，还可以提取成趟足迹的相关数据，用以研究嫌疑人的步幅特征，用以甄别嫌疑人。 问题1：你发现上图的脚印有什么规律，请根据图片采取相关数据并刻画出犯罪嫌疑人的步幅特征。 问题2：请阐述怎样根据问题1的结论来甄别嫌疑人。 问题3：请你设计一个刻画杂乱无章脚印嫌疑人的步幅特征的方法，以便来甄别脚印杂乱无章的嫌疑人。 2 问题分析 本题要求根据一幅成趟足迹的图片，并让我们在实践，实验中收集、整理、分析数据，对成趟足迹步幅特征进行分析。因此本题的关键就在于必须通过收集一定量的数据，并对数据进行恰当的处理，来得出步幅特征。 问题（1）要求我们对所给图片进行步幅特征分析。首先我们通过观察图片，初步的对足迹步幅特征进行肉眼分析，得到直观的步幅特征，然后我们以足迹的序号为横坐标，分别以步长、步宽、步角为纵坐标进行标点，看出它们的图形大致符合正弦曲线，再用MATLAB中的CFTOOL曲线拟合工具箱对它们进行拟合，得到了三条正弦曲线，从而得到的罪犯的步幅特征。 问题（2）是要在问题（1）的基础上，根据问题一所得到的现场遗留下来的足迹步幅的相关特征，利用概率学的U检验法，计算出每个数据的置信区间，我们就可以直接用采集到的若干个嫌疑人的步幅特征的相关数据来进行一一比对，就可以得到谁的可能性最大。 问题（3）是抛开问题一、问题二，让问题更实际化。讨论嫌疑人杂乱无章脚印的步幅特征，我们利用离散数据特征化，将杂乱无章的脚印进行观察，可以将他们走路的轨迹摸索出来，再来分别计算其相关数据，来得到罪犯的步幅特征。 3 符号说明及模型假设 3.1 符号说明 符号 说明 a1 左步长是指紧相邻的左足迹相应部位之间的垂直距离 a2 右步长是指紧相邻的右足迹相应部位之间的垂直距离 b1 左步宽指相邻左足迹的内缘最突点到对侧步行线的垂直距离 b2 右步宽指相邻右足迹的内缘最突点到对侧步行线的垂直距离 α1 左步角是指相邻左足迹中心线与步行线于跟中心点相交构成的角度 α2 右步角是指相邻右足迹中心线与步行线于跟中心点相交构成的角度 ζi 罪犯的步长、步宽、步角数据的平均值 σi 2 罪犯的步长、步宽、步角数据的方差 表一 3.2基本假设 1.我们所测得的数据准确无误，真实可信。 2.不考虑步速、不同的鞋、步态、年龄、身高、性别、体重、心理状况等对步幅特征的影响。 3.问题一、问题二建立在成趟足迹步幅成带状的前提下。 4.对于同一个人，在一定的时间阶段内，若干次行走结果应具有相对稳定性。 5对于不同的人其各自行走结果应具有一定的差异性。 6.同一个人在多次行走中所选特征要能够重复出现。 4