9、法医面部合成与犯罪场景时空分析技术

法医面部合成与犯罪场景时空分析技术

1. 法医面部合成技术

1.1 面部合成基础理论

在面部合成过程中，会生成 (K) 个判别函数 ({g_1^{\prime}(\mathbf{x}), g_2^{\prime}(\mathbf{x}), \cdots, g_K^{\prime}(\mathbf{x})})，任意基因型 (\mathbf{x}) 的转换概率由 (p_R(\mathbf{x}) = \beta^m) 给出，其中 (m = \sum_{k = 1}^{K} \text{logical}(g_k^{\prime}(\mathbf{x}) > 0))。

这里有一个基本假设：生成过程中首选的面部（基因型 (\mathbf{x}_S)）会比被拒绝的向量 (\mathbf{x}_R) 更接近目标向量 (\mathbf{x}_T)。若此假设严格成立，能保证目标面部 (\mathbf{x}_T) 始终在 (\mathbf{x}_S) 范围内。在此情况下，可设 (\alpha = 1/2) 且 (p_R = 0)，从而在每一步最大程度缩小搜索空间。但这只是在平均统计意义上成立，并非绝对，因为两张不同面部与给定目标的感知相似度和模型空间中到目标的欧几里得距离之间是非线性关系，可能存在欧几里得距离更远的面部却被感知为更相似的情况。

直观上，(\alpha) 逐渐取小（甚至为负）值会使超平面更靠近 (\mathbf{x}_R)，从而逐渐增加 (g_T(\mathbf{x}_T) > 0) 且 (\mathbf{x}_T \in \mathbf{x}_S) 的可能性。不过，增大 (\alpha) 通常会减小部分被抑制的搜索空间体积。因此，经验优化在二维参数