Vol. 8 Núm. 2 (2009): Revista UIS Ingenierías
Artículos

Sirba 1.0 sistema de información para el reconocimiento balístico con base en los culotes de las vainillas encontradas en las escenas de crímenes

Carlos Alberto Cobos Lozada
Universidad del Cauca
Biografía
Viviana Molano Mora
Universidad del Cauca
Biografía
Diana Sanchez Dorado
Universidad del Cauca
Biografía

Publicado 2009-12-02

Palabras clave

  • Arma,
  • cartucho,
  • vainilla,
  • culote,
  • otsu,
  • K-nn,
  • algoritmos genéticos
  • ...Más
    Menos

Cómo citar

Cobos Lozada, C. A., Molano Mora, V., & Sanchez Dorado, D. (2009). Sirba 1.0 sistema de información para el reconocimiento balístico con base en los culotes de las vainillas encontradas en las escenas de crímenes. Revista UIS Ingenierías, 8(2), 141–154. Recuperado a partir de https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/505

Resumen

Las vainillas encontradas en las escenas de crímenes, son pieza clave para iniciar las investigaciones que esclarecen los hechos. Un arma al disparar un proyectil, deja un conjunto de marcas impresas en las vainillas, muchas de ellas en su culote. En éste artículo se presenta un algoritmo que partiendo de una imagen 2D, tomada del culote de una vainilla, utiliza técnicas de procesamiento y análisis de imágenes para obtener algunas de dichas marcas características que deja el arma, luego, basado en una base de datos que registra las vainillas encontradas previamente en otras escenas de crímenes y el algoritmo K-nn permite relacionar la vainilla con armas previamente registradas o con otras vainillas encontradas en otras escenas. Para determinar la importancia de cada característica, se diseño un algoritmo genético que además defne el número de vecinos óptimo. Se realizó un experimento con 15 armas disparadas 10 o 30 veces cada una, obteniendo resultados promisorios. 

 

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

Científica, C.G.d.P., Balística Forense.

Castro Cabrera Héctor Darío, D.N.C.T.d.I., Balística Forense. 2005.

De la Escalera, A., Visión por Computador, Fundamentos y Métodos. 2001: Prentice Hall.

Fernández García, N.L., Contribución al reconocimiento de objetos 2D mediante detección de bordes en imágenes en color. 2002, Universidad Politécnica de Madrid: Cordoba.

Pajares Gonzalo, D.l.C.J.M., Visión por Computador, Imágenes digitales y aplicaciones. 2002: AlfaOmega Grupo Editor S.A.

Universidad Politécnica de Madrid, D.d.E., Automática e Informática Industrial, Procesamiento Morfologíco.

MathWorks, T. Matlab, Image Processing Toolbox. [cited; Available from: http://www.mathworks.com/access/helpdesk/help/toolbox/images/index.html?/access/helpdesk/help/toolbox/images/.

Gonzalez Rafael C., W.R.E., Tratamiento Digital de Imágenes. 1996: Addison-Wesley Iberoamericana, S.A.

Sergio Almeida, J.B., Francisco Javier Otero, Nuevos parámetros para evaluar las formas de las partículas mediante técnicas de análisis de imagen.

Henao Juan Esteban, P.A., Variación de la forma del arco durante el recambio dental: análisis por morfometría geométrica.

EDMANS, G.d.I., Tecinas y algoritmos básicos de visión artificial. 2006.

Balsero García Néstor Orlando, B.G.D.A., Zuluaga Morales Juan Pablo, Reconocimiento e interpretación de gestos manuales por medio de video. 2005.

Justo, P.C., Sobre la geometría de la elipse y la ecuación de Kepler.

García Oscar, P.L., Gaona Sonia, Sistema de extracción de características microestructurales de sistemas cerámicos utilizando técnicas de procesamiento digital de imágenes. 2008.

Larose, D.T., Discovering Knowledge in Data. An Introduction to Data Mining. 2005: John Wiley & Sons, Inc.

Larose, D.T., Data Mining Methods and Models. 2006: John Wiley & Sons, Inc.

David, T., Data Mining and Knowledge Discovery Technologies. 2008, Hershey, New York: IGI Publishing.

Chapman, P., et al. CRISP-DM Step-by-Step Data Mining Guide. 2000 [cited; Available from: http://www.crisp-dm.org.