Scalable spatial point process models for forensic footwear analysis

Aquí presento un resumen técnico detallado del artículo "Modelos de Procesos Puntuales Espaciales Escalables para el Análisis Forense de Huellas de Calzado" (Scalable Spatial Point Process Models for Forensic Footwear Analysis), realizado por Mannaa, Spencer y Dey.

1. Planteamiento del Problema

En las investigaciones forenses, las huellas de calzado son evidencia crucial. Tradicionalmente, la identificación se basa en la coincidencia de características de clase (talla, marca, modelo) y patrones de desgaste general. Sin embargo, dado que miles de zapatos idénticos se fabrican, la coincidencia de diseño no es suficiente para vincular un zapato específico con una huella en la escena del crimen.

La evidencia distintiva reside en los "accidentales" (características adquiridas aleatoriamente o RACs): cortes, rasguños y daños acumulados en la suela durante el uso. El objetivo forense es cuantificar la probabilidad de coincidencia aleatoria (RMP): la probabilidad de que un zapato seleccionado al azar de una población relevante tenga una configuración de accidentales consistente con la huella encontrada.

Desafíos actuales:

• Escasez de datos: Los conjuntos de datos existentes (como JESA y WVU) son muestras de conveniencia con pocos zapatos del mismo modelo, lo que dificulta estimar distribuciones específicas por zapato.
• Limitaciones de modelos previos: Los métodos anteriores (ej. Spencer y Murray, 2020) utilizaban modelos jerárquicos bayesianos personalizados que no escalaban bien a grandes bases de datos y a menudo simplificaban la superficie de contacto a binaria, perdiendo información valiosa.
• Necesidad de escalabilidad: Se requiere un modelo que sea expresivo (capaz de capturar relaciones no lineales y dependencias espaciales complejas) y computacionalmente eficiente para manejar bases de datos grandes como la de la Universidad de West Virginia (WVU).

2. Metodología

Los autores proponen un modelo de proceso puntual espacial jerárquico bayesiano formulado como un Proceso de Cox Latente Gaussiano.

A. Formulación del Modelo

El problema se enmarca como la estimación de la distribución de la configuración de accidentales ($Y_s$) condicionada a la superficie de contacto del zapato ($C_s$).

• Proceso Puntual: Los accidentales se modelan como una realización de un proceso de Poisson espacial sobre la cuadrícula de la imagen de la suela.
• Intensidad Logarítmica: Se modela el logaritmo de la intensidad ($\lambda_{s,a}$) en cada celda de la cuadrícula $a$ para un zapato $s$:
  $$\log(\lambda_{s,a}) = \beta_{smooth, a} + \beta_{shoe, s} + \sum x_{s,a}^i \beta_f^i + \sum x_{s,a}^i \beta_{sv, a}^i$$
  Donde:
  • $\beta_{smooth, a}$: Tendencia espacial suave común a todos los zapatos.
  • $\beta_{shoe, s}$: Intercepto aleatorio específico por zapato (para capturar la variabilidad total de accidentales).
  • $x_{s,a}^i$: Covariables derivadas de la imagen de contacto (intensidad de píxeles, gradiente de imagen, vecinos).
  • $\beta_f^i$: Coeficientes de efectos fijos.
  • $\beta_{sv, a}^i$: Coeficientes que varían espacialmente, permitiendo que el efecto de las características de la suela cambie según la ubicación en el zapato.

B. Innovaciones Clave en la Metodología

1. Superficie de Contacto Continua: A diferencia de trabajos previos que binarizaban la imagen (contacto vs. no contacto), este modelo utiliza la intensidad continua de los píxeles de la imagen de contacto, preservando más información sobre el patrón de la suela.
2. Gradiente de Imagen: Se incorpora el gradiente de la imagen (transformación de Sobel) como covariable para capturar bordes y transiciones en el diseño de la suela, lo cual es crucial para predecir dónde ocurren los daños.
3. Inferencia Escalable (INLA): Para superar los costos computacionales de los métodos MCMC tradicionales en modelos con miles de parámetros y millones de puntos de datos, se utiliza la Aproximación de Laplace Anidada Integrada (INLA). Esto permite una inferencia bayesiana aproximada rápida y precisa dentro del marco de Modelos Gaussianos Latentes (LGM).

C. Datos

El modelo se entrena y evalúa utilizando la base de datos WVU (Universidad de West Virginia), que contiene 1,300 zapatos (650 pares) con imágenes de alta calidad de impresiones de laboratorio y coordenadas de accidentales anotadas manualmente.

3. Contribuciones Clave

1. Escalabilidad Computacional: La reformulación del problema como un modelo gaussiano latente permite el uso de INLA, haciendo factible el ajuste de modelos complejos en bases de datos grandes (WVU), superando las limitaciones de tamaño de conjuntos de datos anteriores (JESA).
2. Modelado Espacialmente Variable: La introducción de coeficientes que varían espacialmente permite capturar relaciones no lineales entre las características de la suela y la ubicación de los accidentales, mejorando la precisión sobre modelos con coeficientes globales.
3. Mejora en la Expresividad: El uso de imágenes continuas y gradientes de imagen proporciona una representación más rica de la superficie de contacto que los enfoques binarios anteriores.
4. Validación Empírica Rigurosa: Se demuestra que el modelo supera a los métodos existentes en datos de prueba (held-out data), proporcionando estimaciones más fiables de las probabilidades de coincidencia.

4. Resultados

El estudio evaluó el rendimiento del modelo mediante validación cruzada de 10 pliegues, comparando la Método Propuesto (M(Final)) contra varios competidores (modelo uniforme, modelos sin superficie de contacto, modelo binario de Spencer y Murray, y variantes del propio modelo).

• Rendimiento Predictivo: El modelo propuesto logró el mejor rendimiento en todos los pliegues de validación cruzada, superando consistentemente a los modelos basados en binarización y a los que ignoran la superficie de contacto.
• Robustez: El modelo mostró una mayor robustez, especialmente en la "cola inferior" de los zapatos (aquellos con configuraciones de accidentales más difíciles de predecir), donde los errores de estimación son más críticos en un contexto forense.
• Análisis de Componentes:
  • Se observó que las regiones con mayor intensidad de contacto (áreas que tocan el suelo) tienen una mayor propensión a accidentales.
  • El gradiente de imagen (bordes) tiene un efecto espacialmente variable significativo; por ejemplo, los bordes internos del talón y la punta del pie muestran patrones distintos de acumulación de daños.
  • La inclusión de términos de gradiente mejoró el rendimiento incluso con un número menor de parámetros en comparación con variantes que solo aumentaban la complejidad espacial.
• Métricas: Utilizando una métrica basada en la verosimilitud multinomial (log-probabilidad), el modelo propuesto superó a los métodos de referencia (como el modelo uniforme de Stone o el modelo espacial de Yekutieli) con una diferencia significativa en la precisión de la predicción.

5. Significado e Impacto

Este trabajo representa un avance significativo en el análisis forense de huellas de calzado:

• Fundamento Científico para la Evidencia: Proporciona un método cuantitativo, basado en datos y empíricamente validado para calcular probabilidades de coincidencia aleatoria, respondiendo a las llamadas de organismos como el NIST (Council et al., 2009) para métodos forenses más objetivos.
• Transición de la Subjetividad a la Estadística: Reduce la dependencia de la interpretación subjetiva de expertos al ofrecer un modelo estadístico riguroso que cuantifica la rareza de los patrones de accidentales.
• Escalabilidad Futura: La metodología basada en INLA y modelos gaussianos latentes es adaptable a futuras bases de datos más grandes y a diferentes tipos de evidencia forense que involucren patrones espaciales.
• Limitaciones y Futuro: Aunque el modelo es robusto en condiciones de laboratorio, los autores reconocen que el desafío final es su aplicación a huellas de escena del crimen, que suelen ser parciales, ruidosas y de menor calidad. Se sugiere investigación futura para adaptar el modelo a estas condiciones y explorar métodos de registro alternativos (como coordenadas polares) dentro del mismo marco.

En resumen, el artículo establece un nuevo estándar para el modelado estadístico de evidencia de calzado, combinando sofisticación estadística (procesos puntuales espaciales, efectos variables) con eficiencia computacional (INLA) para ofrecer herramientas más fiables para la justicia penal.