一种基于ARUCO辅助的图像处理和机器学习方法，用于法医调查中的伤口尺寸估算

《Forensic Imaging》：A Novel ARUCO-Assisted Image Processing and Machine Learning Approach for Wound Dimension Estimation in Forensic Investigations

非接触式伤口自动测量系统结合ArUco标记与ExR-K-Means算法，在105张不同成像条件测试中，测量长度和宽度ICC值达0.994和0.984，显著提升效率（减少99.43%），支持联合国SDG 3/4/9/16/17。

　　

Idha Arfianti Wiraagni | Elvira Sukma Wahyuni | Firdaus | Komang Saputra Yadnya | Dewi Widiningsih | I Putu Eka Ganda Winata | Hanas Muchammad Hanis | Didi Erwandi Mohamad Haron | Hendro Widagdo | Dhiwangkoro Aji Kadarmo

印度尼西亚日惹Jl. Farmako Sekip Utara，Gadjah Mada大学医学院、健康科学与护理学院法医学与法医科学系，邮编55281

摘要

在法医学中，精确的伤口测量至关重要，以确保记录的客观性和可重复性。本研究介绍了一种非接触式自动化测量系统，该系统结合了基于ArUco标记的空间校准技术以及Excess Red (ExR)和K-Means混合分割算法。共分析了105张模拟伤口图像，这些图像是在不同的成像条件下获取的。使用15张真实的法医案例照片进行验证后发现，该系统与手动测量结果的一致性非常好（长度的ICC值为0.994；宽度的ICC值为0.984），且偏差极小。该系统显著提高了测量效率，将测量时间缩短了99.43%，并且用户接受度很高（平均可用性得分为4.71）。通过提供一种快速、可靠且标准化的数字方法来估计伤口尺寸，这项工作有助于改进法医学实践，并符合联合国可持续发展目标，特别是SDG 3（良好的健康与福祉）、SDG 4（优质教育）、SDG 9（产业、创新和基础设施）、SDG 16（和平、正义和强大机构）以及SDG 17（为实现目标而建立的伙伴关系），从而通过提升医疗保健质量和技术创新以及加强法医文档记录来实现这些目标。

引言

精确测量伤口尺寸在法医学中起着至关重要的作用，它提供了关于伤害类型和机制的重要信息，同时支持刑事调查和法医评估。传统的手动方法（如使用尺子或卡尺）往往受到精度、效率以及观察者主观性的限制。这些不一致性可能会影响法医文档的可靠性，尤其是在不同条件下进行测量时。为了解决这些问题，数字图像处理成为了一种有前景的替代方案，它提供了更快、无接触且更标准化的伤口评估方法。计算机视觉和人工智能（AI）的日益融合进一步推动了这一领域的发展，为自动化法医测量系统铺平了道路。最近的创新之一是将ArUco标记与机器学习和摄影测量相结合，显示出显著提高测量精度和可重复性的潜力。结合卷积神经网络（CNN）和ARUCO辅助摄影测量的研究显示，与手动方法相比，偏差可降低至3.69%，从而减少了法医伤口评估中的人为误差[1]。 随着法医调查越来越依赖于客观、可量化且可重复的数据，将ArUco标记与机器学习和先进的成像技术相结合具有重大优势。这种协同作用提高了伤口尺寸估计的精度，并增强了法律环境中证据的可信度，在这些情况下，测量精度对于案件解释至关重要[2]。基于CNN的模型有助于自动图像分割和尺寸分析，即使在质量下降或复杂的样本中也能进行一致的高分辨率评估。通过ArUco标记改进的姿态估计和摄影测量校准进一步减少了由于视角和角度变化引起的失真，从而实现了伤口几何形状的可靠重建。这种数据驱动的方法代表了从主观视觉解释向标准化数字文档的转变，从而促进了客观法医评估实践的发展[3]。 此外，由AI驱动的图像分析在自动化伤口识别和分类方面发挥着越来越重要的作用，加快了对可能对应于特定伤害机制或工具的伤害模式的识别速度[4]。这种分析能力不仅提高了效率，还通过识别表明暴力事件的特征来支持调查工作。然而，关于校准标准、数据集多样性以及环境和摄影变量对精度的影响等方面仍存在挑战[5]。传统的基于图像的伤口测量技术（例如基于DPI的像素到英寸转换）仍然容易受到相机距离和方向差异的影响，从而导致量化误差。因此，实施结合ArUco辅助摄影测量和机器学习的方案对于建立精确、标准化和可重复的法医测量系统至关重要。随着这些技术的发展，它们的集成预计将增强法医调查的分析严谨性和证据可靠性，最终提高司法过程的透明度和科学可信度[6]。 本研究旨在显著提高法医应用中伤口尺寸测量的准确性和效率。所提出的框架为次优成像条件提供了稳健的解决方案，并为法医案件调查引入了更实用和可靠的方法。这项工作有助于改进法医学实践，并符合联合国可持续发展目标，特别是SDG 3（良好的健康与福祉）、SDG 4（优质教育）、SDG 9（产业、创新和基础设施）、SDG 16（和平、正义和强大机构）以及SDG 17（为实现目标而建立的伙伴关系），通过提升医疗保健质量和技术创新以及加强法医文档记录来实现这些目标。

方法论

本研究提出了一种自动化伤口测量系统，该系统结合了基于颜色的伤口分割技术和使用ArUco标记的空间缩放技术。该系统旨在直接从图像中以厘米为单位测量伤口大小，而无需手动参考工具。所提出的流程包括五个主要阶段：（1）图像采集，（2）标记检测和空间缩放，（3）皮肤区域提取，（4）使用ExR + K-Means混合算法进行伤口分割，以及（5）伤口...

实验概述

共分析了105张图像样本，其中包括在七种不同成像条件下捕获的15个模拟伤口，这些条件包括相机距离、ArUco标记距离、相机角度和照明强度的不同。每张图像都使用了所提出的自动伤口测量系统进行处理，计算出的伤口尺寸与实际物理伤口尺寸进行了比较，以评估其准确性。结果根据影响实验的四个主要因素进行了分组和讨论...

性能和技术可行性

研究结果表明，使用所提出的流程（结合ArUco标记、Excess Red (ExR)和K-Means聚类）进行伤口测量的准确性是稳健的，但会受到环境变量（如相机距离、拍摄角度和照明条件）的影响。像ArUco这样的基准标记通过提供自动空间参考显著提高了测量精度[1,2]。然而，与近距离摄影测量的研究结果一致，性能 tend to decline...

局限性

尽管取得了有希望的结果，但仍需承认一些局限性。该系统高度依赖于ArUco标记的正确放置和完全可见性；部分遮挡、位置不当、深度差异、极端相机角度或照明不足都可能影响空间校准并降低测量精度。此外，当前的实现使用了最小面积边界框方法来估计伤口尺寸。虽然这种方法是有意选择的...

结论

评估结果证实，所提出的方法在受控的成像设置下提供了稳健且临床可接受的伤口测量性能。结合ArUco的空间缩放技术和ExR + K-Means混合分割技术确保了准确的尺寸估计，同时保持了操作的简便性。未来的工作应解决照明标准化、多角度校准和基于深度学习的分割问题，以进一步提高系统的稳健性和准确性。

作者贡献声明

• 1) 设计和策划实验：Idha Arfianti Wiraagni, Elvira Sukma Wahyuni, Firdaus
• 进行实验：Idha Arfianti Wiraagni, Elvira Sukma Wahyuni, Komang Saputra Yadnya, Dewi Widiningsih, I Putu Eka Ganda Winata, Hanas Muchammad Hanis
• 分析和解释数据：Idha Arfianti Wiraagni, Elvira Sukma Wahyuni, Komang Saputra Yadnya, Dewi Widiningsih
• 提供试剂、材料、分析工具或数据：Idha Arfianti Wiraagni, Elvira Sukma Wahyuni, Firdaus, Komang

资助

本项工作得到了Gadjah Mada大学医学院、公共卫生与护理学院社区基金资助（FKKMK UGM），在2025年的资助计划下支持。

CRediT作者贡献声明

Idha Arfianti Wiraagni：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，资金获取，正式分析，数据管理，概念化。 Elvira Sukma Wahyuni：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，正式分析，数据管理...