基于人工智能的痕迹检验技术研究可视化分析与展望

传播影响力
本库下载频次:
本库浏览频次:
CNKI下载频次:0

归属学者:

李硕

归属院系:

刑事侦查学院

作者:

李硕 ; 丁韩; 金益锋

摘要:

人工智能的突破性进展为痕迹检验技术的发展提供了新的路径与方法。本文基于文献计量学方法,运用CiteSpace工具对2011—2025年间国内外人工智能技术在痕迹检验领域应用的309篇研究文献进行可视化分析,系统梳理该领域的研究脉络与发展趋势。研究结果表明,相关研究数量呈显著增长态势,国内外协同发展特征明显;研究机构以公安院校、综合性高校及科研院所为核心,形成较为集中的研究网络。研究热点聚焦于指纹识别、足迹检索、枪弹痕迹分类等应用场景,技术方法以卷积神经网络、生成对抗网络等深度学习技术为主,广泛应用于痕迹物证的图像增强、特征提取、比对分析与数据库检索等关键任务。未来,该领域应强化跨学科理论融合,推进数据标准化建设,关注隐私安全与算法可解释性,助力痕迹检验技术实现从“经验驱动”向“数据智能驱动”的范式转型,为犯罪治理与司法公正提供更为坚实的科技支撑。

语种:

中文

出版日期:

2026-10-19

学科:

公安学

提交日期:

2026-10-22

引用参考:

李硕,丁韩,金益锋. 基于人工智能的痕迹检验技术研究可视化分析与展望[J]. 刑事技术,2026(...):.

全文附件授权许可:

知识共享许可协议-署名

  • dc.title
  • 基于人工智能的痕迹检验技术研究可视化分析与展望
  • dc.contributor.author
  • 李硕;丁韩;金益锋
  • dc.contributor.affiliation
  • 西南政法大学;重庆高校刑事科学技术重点实验室;;公安部鉴定中心
  • dc.contributor.corresponding
  • 金益锋
  • dc.contributor.correspondingAffiliation
  • 公安部鉴定中心
  • dc.publisher
  • 刑事技术
  • dc.identifier.year
  • 2026
  • dc.identifier.issue
  • ...
  • dc.date.issued
  • 2026-10-19
  • dc.language.iso
  • 中文
  • dc.subject
  • 痕迹检验;人工智能;文献分析;研究进展;
  • dc.description.abstract
  • 人工智能的突破性进展为痕迹检验技术的发展提供了新的路径与方法。本文基于文献计量学方法,运用CiteSpace工具对2011—2025年间国内外人工智能技术在痕迹检验领域应用的309篇研究文献进行可视化分析,系统梳理该领域的研究脉络与发展趋势。研究结果表明,相关研究数量呈显著增长态势,国内外协同发展特征明显;研究机构以公安院校、综合性高校及科研院所为核心,形成较为集中的研究网络。研究热点聚焦于指纹识别、足迹检索、枪弹痕迹分类等应用场景,技术方法以卷积神经网络、生成对抗网络等深度学习技术为主,广泛应用于痕迹物证的图像增强、特征提取、比对分析与数据库检索等关键任务。未来,该领域应强化跨学科理论融合,推进数据标准化建设,关注隐私安全与算法可解释性,助力痕迹检验技术实现从“经验驱动”向“数据智能驱动”的范式转型,为犯罪治理与司法公正提供更为坚实的科技支撑。
  • dc.identifier.CN
  • 11-1347/D
  • dc.identifier.issn
  • 1008-3650
  • dc.identifier.if
  • 0.789
回到顶部