L’examen balistique des projectiles, à l’instar d’autres disciplines forensiques impliquant une comparaison d’images par un-e spécialiste, comme les examens en matière d’écritures et signatures, de traces papillaires ou de traces de semelles, a été et est toujours le sujet de critiques quant à son assise scientifique, notamment aux États-Unis. Cela est principalement dû au caractère subjectif qui prédomine à toutes les étapes de l’examen forensique.
L’objectif de cette recherche est de participer à la levée des réserves et des critiques qui entravent la disci- pline, par l’adoption d’une approche basée sur une analyse systématique de données empiriques, contrôlées, caractérisées par des taux d’erreur mesurés et de la manière la plus indépendante possible de l’utilisateur(- trice).
Dans un premier temps, l’analyse de la littérature a permis de remettre en question la pertinence de l’exploitation de la strie marquée sur les impressions laissées sur les projectiles comme vecteur essentiel de l’information permettant de discriminer les armes, même celles partageant les mêmes caractéristiques de fabrication. La proposition est faite d’adopter une signature balistique basée sur la texture directionnelle. Comparée à la strie, la texture directionnelle offre une meilleure reproductibilité de tir en tir et est plus robuste face aux conditions optiques d’éclairage et d’acquisition.
Sur cette base, un système de comparaison automatique des impressions de champ nommé BulleText a été développé. Il consiste en une acquisition avec une caméra 2D sur un microscope comparateur, une extraction de la signature balistique exploitant les histogram of oriented gradients (HOG) et le développement d’un algorithme de comparaison basé sur un apprentissage supervisé par Support Vector Machine (SVM) ou Regularized Discriminant Analysis (RDA).
Un échantillon de 1140 projectiles tirés par 200 fusils de type AKM 47, de calibre 7.62 x 39 mm, représen- tant au total 4560 impressions de champs a été exploité pour cette recherche. Ces 1140 projectiles ont été également saisis dans deux autres systèmes automatiques commerciaux, à savoir l’IBIS TRAX3D et l’EVOFINDER, afin de comparer les performances à la solution proposée.
BulleText s’est montré comme un système nettement plus performant que les deux autres systèmes com- merciaux dans une tâche investigatrice, correspondant typiquement à l’établissement d’une liste d’armes potentielles à l’origine d’un projectile de question. Les courbes CMC (Cumulative Matching Characteristics) placent BulleText devant les autres systèmes quel que soit le rang considéré. Au rang 1, la probabilité d’une association correcte est supérieure à 95% si un nombre suffisant de projectiles est utilisé pour l’apprentissage supervisé.
La recherche propose également une évaluation de la force des associations sur une large base de données (ici 200 armes). Ce mode évaluatif est généralement pertinent lorsqu’une balle en question est comparée à du matériel de référence provenant d’une arme à feu d’intérêt. Cette force est exprimée par un rapport de vraisemblance qui a été calibré par la méthode PAVA, une méthode offrant de meilleurs résultats que la régression logistique. Les performances évaluatives, calculées sur plusieurs configurations, ont été mesurées par les taux d’erreur forensiques obtenus des transactions faites à partir de sources connues.
--
The forensic examination of bullets, like other forensic disciplines involving image comparison by a specialist, such as examinations of handwriting and signatures, fingerprint or footwear impressions, has been and remains subject to criticism regarding its scientific basis, particularly in the United States. This is mainly due to the subjective nature that dominates all stages of the forensic examination.
The aim of this research is to address the reservations and criticisms hindering the discipline, by adopting an approach based on a systematic analysis of empirical data, characterized by measured error rates, and as user-independent as possible.
Initially, the literature analysis allowed to question the relevance of exploiting the marked striation on bullet impressions as the essential vector of information for discriminating firearms, even those sharing the same manufacturing characteristics. The proposal is made to adopt a ballistic signature based on directional texture. Compared to striation, directional texture offers better reproducibility from shot to shot and is more robust against optical conditions of lighting and acquisition.
On this basis, an automatic comparison system for land impressions named BulleText was developed. It consists of a 2D camera acquisition on a comparison microscope, an extraction of the ballistic signature exploiting histogram of oriented gradients (HOG), and the development of a comparison algorithm based on supervised learning by Support Vector Machine (SVM) or Regularized Discriminant Analysis (RDA).
A sample of 1140 bullets fired from 200 AKM 47 rifles, caliber 7.62 x 39 mm, representing a total of 4560 land impressions was used for this research. These 1140 bullets were also entered into two other commercial automatic systems, namely IBIS TRAX3D and EVOFINDER, to compare performance with the proposed solution.
BulleText proved to be a significantly more effective system than the other two commercial systems in an investigative task, typically aiming at establishing a list of potential firearms originating a questioned projectile. The CMC (Cumulative Matching Characteristics) curves place BulleText ahead of the other systems at any considered rank. At rank 1, the probability of a correct association is over 95% if a sufficient number of bullets is used for supervised learning.
The research also proposes an evaluation of the strength of associations on a large database (here 200 firearms). This evaluative mode is typically relevant when a question bullet is compared to reference material from a questioned firearm. This strength is expressed by a likelihood ratio that has been calibrated using the PAVA method, a method offering better results than logistic regression. The evaluative performances, calculated several configurations, were measured by the forensic error rates obtained from transactions made from known sources.