Thị giác máy tính cho khoa học pháp y: Phát hiện các manh mối ẩn

Các cuộc điều tra phụ thuộc rất nhiều vào bằng chứng vật chất thu thập được tại hiện trường vụ án, và phần lớn bằng chứng đó mang tính trực quan. Theo truyền thống, việc thu thập những manh mối này thường là thủ công - chụp ảnh hiện trường, phác thảo bố cục, dán nhãn các đối tượng và dựa vào con mắt nhạy bén của điều tra viên để phát hiện những chi tiết tinh vi.

Theo thời gian, các công cụ như camera nhiệt và máy quét dấu vân tay đã hỗ trợ công việc này và đóng vai trò quan trọng trong việc phá án. Nhưng giờ đây, nhờ AI và computer vision, các cuộc điều tra đang trở nên tiên tiến hơn. Máy móc có thể hỗ trợ phân tích bằng chứng trực quan nhanh hơn, chính xác hơn và ở quy mô lớn hơn rất nhiều.

Cụ thể, computer vision là một công nghệ có sức ảnh hưởng giúp máy móc có thể nhìn và hiểu được hình ảnh cũng như video. Các hệ thống này có thể xử lý và phân tích nhanh chóng lượng lớn dữ liệu trực quan, giúp các nhà điều tra phá án nhanh hơn.

Những lợi thế của các công cụ điều khiển bằng AI trong các cuộc điều tra đã thúc đẩy global market for AI-driven digital forensics đạt định giá 4,98 tỷ USD vào năm 2025 và dự kiến đạt 17,7 tỷ USD vào năm 2031.

Hình 1. Thị trường pháp y kỹ thuật số định hướng bằng AI toàn cầu (Source).

Trong bài viết này, chúng ta sẽ khám phá cách thị giác máy tính có thể được sử dụng trong các cuộc điều tra pháp y và cách nó giúp nhận diện, phân tích và diễn giải bằng chứng trực quan.

Vai trò của AI và thị giác máy tính trong pháp y#

Computer vision cho phép máy móc diễn giải thông tin trực quan từ thế giới thực và đưa ra quyết định dựa trên sự hiểu biết đó. Cụ thể, trong khoa học pháp y, AI có thể được sử dụng để phát hiện các yếu tố như vũ khí hoặc thương tích, theo dõi phương tiện và thậm chí tái tạo các 3D models của hiện trường vụ án với tốc độ và độ chính xác ấn tượng.

Mặc dù các cuộc điều tra pháp y vẫn dựa trên việc quan sát thủ công và kiến thức chuyên gia, quá trình này có thể tốn thời gian và thường tập trung vào từng vụ án một. Các computer vision models như Ultralytics YOLO11 cung cấp một cách tiếp cận nhanh hơn và có khả năng mở rộng tốt hơn. Các mô hình này có thể quét hiện trường, xác định các đối tượng chính và phân loại bằng chứng bằng các tác vụ Vision AI như object detection và image classification.

Ví dụ, thay vì xem xét thủ công hàng trăm giờ phim giám sát, một model thị giác máy tính có thể tự động quét nguồn cấp video để phát hiện hoạt động đáng ngờ - như những chuyển động bất thường, tụ tập lảng vảng hoặc các vật thể bị bỏ lại. Nó có thể gắn cờ các mốc thời gian và địa điểm cụ thể để điều tra viên xem xét, giảm đáng kể thời gian và công sức cần thiết để tìm bằng chứng liên quan.

Các ứng dụng của Vision AI trong pháp y#

Thị giác máy tính đang thay đổi cách các điều tra viên thu thập và nghiên cứu bằng chứng trực quan. Dưới đây là cái nhìn chi tiết hơn về cách nó đang được sử dụng trong công việc pháp y ngày nay.

Phân tích phim giám sát bằng thị giác máy tính#

Một trong những kỹ thuật computer vision phổ biến nhất được sử dụng trong giám sát là object tracking - theo dõi con người, phương tiện hoặc đồ vật qua các khung hình video. Thay vì được lập trình thủ công cho mọi tình huống, các hệ thống này học từ video thực tế và nhanh chóng nắm bắt trạng thái “bình thường” trông như thế nào. Bằng cách đó, chúng có thể tự động phát hiện các hành vi bất thường, chẳng hạn như ai đó lảng vảng ở khu vực vắng vẻ, phương tiện ở khu vực hạn chế hoặc túi đồ bị bỏ quên ở nơi công cộng.

Công nghệ này có thể hữu ích trong quá trình điều tra. Ví dụ, nếu một nhân chứng nói rằng họ thấy một chiếc xe bán tải màu đỏ tại giao lộ từ 11 giờ sáng đến 1 giờ chiều, thị giác máy tính có thể quét nhiều giờ phim CCTV, chọn ra mọi trường hợp xuất hiện xe bán tải màu đỏ và giúp các điều tra viên không phải xem lại tất cả theo cách thủ công. Bằng cách tự động hóa những việc từng mất hàng giờ hoặc hàng ngày, thị giác máy tính làm cho cả việc giám sát trực tiếp và xem xét bằng chứng trở nên nhanh hơn, thông minh hơn và hiệu quả hơn.

Hình 2. Sử dụng Vision AI để phân tích cảnh quay CCTV và theo dõi xe bán tải màu đỏ (source).

Sử dụng AI trong các cuộc điều tra cháy rừng#

Sau các sự cố liên quan đến hỏa hoạn, thời gian là rất quan trọng, và bằng chứng vật chất thường bị tổn hại hoặc phá hủy. Các công nghệ thị giác máy tính giúp lấp đầy khoảng trống này bằng cách phân tích nhiều nguồn dữ liệu trực quan khác nhau, như ảnh vệ tinh, phim từ máy bay không người lái, CCTV và ảnh quét nhiệt để tái tạo chuỗi sự kiện.

Những công cụ này có thể phát hiện nguồn gốc đám cháy, xác định các chất kích cháy tiềm năng và theo dõi hoạt động của con người hoặc phương tiện gần hiện trường. Khi kết hợp với cơ sở dữ liệu tội phạm và báo cáo sự cố, hệ thống có thể khám phá các mẫu hình, như vị trí cháy lặp lại, hành vi của nghi phạm hoặc hành vi đốt phá có tổ chức trên các khu vực khác nhau.

Một ví dụ thực tế đến từ New South Wales, Australia, nơi cảnh sát sử dụng một computer vision platform có tên là Insights trong quá trình điều tra các vụ cháy rừng năm 2019–2020. Nền tảng này đã phân tích cảnh quay CCTV, dữ liệu không gian địa lý và các đầu vào môi trường như hướng gió và bản ghi sét đánh. Nó cũng sử dụng nhận dạng đối tượng để xác định các yếu tố trực quan liên quan, chẳng hạn như phương tiện hoặc thiết bị, trong lượng lớn dữ liệu giám sát.

Bằng cách chồng lớp các thông tin chi tiết này với dữ liệu định vị địa lý điện thoại di động và bản đồ, các điều tra viên có thể liên kết hoạt động của con người với các sự kiện cháy cụ thể và trình bày trực quan dữ liệu này trong các cuộc điều tra chính thức. Cách tiếp cận này đã đẩy nhanh quá trình điều tra.

Hình 3. Một điều tra viên pháp y đang quan sát đống đổ nát do hỏa hoạn (source).

Tái tạo hiện trường vụ án bằng thị giác máy tính#

Tái tạo 3D trong pháp y kết hợp các công nghệ như nhiếp ảnh, quét laser, LiDAR và thị giác máy tính để tạo ra các mô hình chi tiết, đúng tỷ lệ của hiện trường vụ án. Những bản tái tạo này giúp điều tra viên hình dung vị trí đối tượng, các vệt máu bắn và quỹ đạo viên đạn với mức độ chính xác và tính tương tác mà ảnh 2D truyền thống không thể cung cấp. Công nghệ này tăng cường khả năng phân tích và trình bày tại tòa án bằng cách cho phép đi bộ ảo và đo lường chính xác.

Ngoài các cuộc điều tra đang diễn ra, việc tái tạo 3D và virtual reality (VR) cũng đang định hình lại giáo dục pháp y. Trong môi trường học thuật, sinh viên có thể sử dụng kính VR để khám phá các hiện trường vụ án mô phỏng, xác định bằng chứng và thực hành các kỹ thuật như quét dấu vân tay và phân tích vết máu. Cách tiếp cận học tập nhập vai này xây dựng các kỹ năng điều tra cốt lõi trong một môi trường an toàn và có thể lặp lại.

Hình 4. Một sinh viên đang quan sát hiện trường vụ án bằng kính VR (source).

Nâng cao chất lượng hình ảnh bằng Vision AI#

Một vụ án 19 năm trước tại Kerala, Ấn Độ, gần đây đã được giải quyết nhờ sự trợ giúp của AI-powered image enhancement. Các nhà điều tra đã xem xét lại những bức ảnh cũ từ thời điểm xảy ra vụ án và sử dụng kết hợp xử lý hình ảnh và trí tuệ nhân tạo để làm rõ các đặc điểm khuôn mặt và tạo ra hình ảnh phác họa cập nhật của các nghi phạm. Một hình ảnh được cải thiện có điểm tương đồng lớn với một người xuất hiện trong bức ảnh cưới được chia sẻ trực tuyến, cuối cùng đã dẫn đến bước đột phá trong vụ án.

Vụ án này là một ví dụ điển hình về cách các công cụ pháp y hiện đại, đặc biệt là việc tích hợp AI với công nghệ nâng cao hình ảnh truyền thống, có thể giúp cơ quan thực thi pháp luật xem xét lại và giải quyết các cuộc điều tra kéo dài. Bằng cách tiết lộ các chi tiết bị che khuất hoặc xác định các cá nhân đã thay đổi đáng kể theo thời gian, những công nghệ này đang chứng tỏ là tài sản mạnh mẽ trong lĩnh vực kỹ thuật số pháp y.

Sử dụng phân đoạn thực thể (instance segmentation) để trích xuất bằng chứng#

Instance segmentation là một computer vision task có thể nhận dạng các đối tượng riêng lẻ trong một hình ảnh và phác輪 viền từng đối tượng bằng mặt nạ chi tiết ở cấp độ pixel. Điều này giúp các nhà điều tra cô lập các phần bằng chứng quan trọng một cách chính xác, ngay cả trong môi trường phức tạp hoặc lộn xộn.

Giả sử có một hiện trường vụ án xuất hiện nhiều dấu chân hoặc vết lốp xe chồng chéo trên đất hoặc tuyết - instance segmentation có thể phân biệt và phác thảo từng dấu vết một cách riêng biệt. Điều này giúp dễ dàng phân tích các mẫu chuyển động, đường đi của phương tiện hoặc quỹ đạo của nghi phạm mà không bị làm phiền bởi sự lộn xộn của nền.

Ngoài việc phân tích hiện trường, instance segmentation cũng đang được áp dụng cho hình ảnh pháp y. Trong một nghiên cứu của Viện Y học Pháp y Zurich, các nhà nghiên cứu đã sử dụng kỹ thuật này để xác định các types of wounds khác nhau. Họ đã huấn luyện một vision model trên 1.753 hình ảnh pháp y chứa 4.666 vết thương.

Model đã được huấn luyện có khả năng phát hiện và phân loại bảy loại chấn thương, bao gồm vết đâm và bỏng. Nó cho thấy Vision AI có thể hỗ trợ các điều tra viên như thế nào bằng cách phân tích nhanh chóng và chính xác các mẫu chấn thương, tiết kiệm thời gian và cải thiện tính nhất quán trong các đánh giá hình ảnh pháp y.

Nhận diện biển số xe tự động được kích hoạt bởi Vision AI#

Automatic Number Plate Recognition (ANPR), hay Nhận dạng Biển số Xe (LPR), là một ứng dụng computer vision tập trung vào việc tự động phát hiện, đọc và trích xuất số biển số từ hình ảnh hoặc đoạn video. Quá trình này thường liên quan đến việc sử dụng các computer vision models, chẳng hạn như YOLO11, để thực hiện object detection nhằm định vị biển số xe trong khung hình.

Sau khi biển số được nhận dạng, optical character recognition (OCR) được áp dụng để trích xuất các ký tự chữ và số. Thông tin này sau đó có thể được đối chiếu chéo với cơ sở dữ liệu để xác định chủ sở hữu phương tiện hoặc theo dõi các chuyển động trước đó của xe. ANPR đặc biệt hữu ích trong các cuộc điều tra liên quan đến người mất tích, trộm cắp xe, vi phạm giao thông hoặc các vụ tai nạn đâm xe rồi bỏ chạy.

Ví dụ, trong một vụ án người mất tích, cơ quan thực thi pháp luật có thể nhập số biển số xe vào hệ thống LPR. Nếu phương tiện xuất hiện trên camera giám sát, hệ thống có thể tự động gắn cờ vị trí của nó, giúp cảnh sát phản ứng nhanh chóng. LPR cũng đóng vai trò quan trọng trong các vụ án như trộm cắp xe hoặc đâm xe rồi bỏ chạy bằng cách cung cấp khả năng theo dõi nhanh, chính xác thông qua các mạng lưới giám sát tích hợp.

Hình 5. Phát hiện biển số xe sử dụng Ultralytics YOLO11 (nguồn).

Ưu điểm và nhược điểm của việc sử dụng AI trong pháp y#

AI và thị giác máy tính mang lại một số lợi ích chính giúp nâng cao hiệu quả, khả năng tiếp cận và độ tin cậy của các cuộc điều tra pháp y. Dưới đây là một số lợi thế chính cần xem xét:

• Phân tích từ xa: Thị giác máy tính cho phép các điều tra viên pháp y xem hiện trường vụ án và bằng chứng, như hình ảnh, video và các mô hình 3D, từ bất kỳ đâu mà không cần phải có mặt trực tiếp.
• Lưu trữ lâu dài: Dữ liệu được xử lý bởi các hệ thống thị giác có thể được tổ chức tốt và dễ dàng tìm kiếm. Nếu cần thiết trong tương lai, dữ liệu này có thể được xem xét và phân tích lại bằng cách sử dụng các model cải tiến cho các vụ án cũ hơn.
• Tính nhất quán: Không giống như con người - những người có thể diễn giải thông tin trực quan khác nhau dựa trên kinh nghiệm của họ, các model thị giác máy tính áp dụng cùng một quy tắc mỗi lần, dẫn đến việc phân tích nhất quán và đồng nhất hơn.

Bất chấp tiềm năng của nó, thị giác máy tính trong pháp y cũng đi kèm với một vài thách thức cần lưu ý. Dưới đây là một số thách thức chính:

• Input quality: Các vision model phụ thuộc rất lớn vào chất lượng dữ liệu chúng nhận được. Các giải pháp computer vision có thể bỏ sót hoặc hiểu sai các chi tiết quan trọng nếu hình ảnh bị mờ, thiếu sáng hoặc độ phân giải thấp. Vấn đề này có thể được giảm thiểu bằng cách áp dụng chiến lược data augmentation chính xác.
• Difficulty in unseen data: Computer vision models có thể gặp khó khăn khi chúng đối mặt với một thứ gì đó mới mẻ - chẳng hạn như các đối tượng bất thường hoặc hiện trường vụ án khác biệt so với dữ liệu mà chúng được huấn luyện. Hiện tượng này được gọi là “drift”.
• Thách thức pháp lý: Việc sử dụng thị giác máy tính trong các cuộc điều tra có thể đặt ra các câu hỏi pháp lý, chẳng hạn như liệu bằng chứng có thể chấp nhận trước tòa hay không, dữ liệu riêng tư như thế nào và các quyết định của hệ thống minh bạch đến mức nào.

Các điểm chính cần lưu ý#

Thị giác máy tính vẫn đang phát triển, nhưng nó đã và đang thay đổi cách thức hoạt động của khoa học pháp y. Từ việc phát hiện và phác thảo các mảnh bằng chứng nhỏ thông qua phân đoạn thực thể đến việc xây dựng các mô hình hiện trường vụ án 3D và nâng cao tài liệu, nó hỗ trợ các điều tra viên ở mọi giai đoạn trong công việc của họ.

Trong tương lai, thị giác máy tính có khả năng sẽ làm việc chặt chẽ hơn nữa với AI và machine learning để phát hiện các mẫu hình nhanh hơn và đưa ra các dự đoán tốt hơn bằng cách sử dụng dữ liệu từ các vụ án trong quá khứ. Khi công nghệ tiếp tục cải tiến, nó sẽ tiếp tục mang đến những cách thức mới và tốt hơn để giải quyết các vụ án.

Hãy tham gia community và GitHub repository của chúng tôi để tìm hiểu thêm về computer vision. Khám phá các ứng dụng như AI in manufacturing và computer vision in agriculture trên các trang giải pháp của chúng tôi. Hãy xem các tùy chọn our licensing của chúng tôi và bắt đầu xây dựng với computer vision ngay hôm nay!