Scalable spatial point process models for forensic footwear analysis

1. Il Problema: Analisi delle Impronte di Scarpa Forensi

Nelle indagini forensi, le impronte di scarpe lasciate sulla scena del crimine sono fondamentali per l'identificazione dei sospetti. Tuttavia, la semplice corrispondenza tra le caratteristiche di classe (taglia, marca, modello) e i pattern di usura generale non è sufficiente, poiché migliaia di scarpe identiche possono essere prodotte.
La distinzione unica risiede nelle "accidentali" (o Randomly Acquired Characteristics - RACs): tagli, graffi, buchi e materiali incorporati che si accumulano sulla suola durante l'uso.

• La sfida: Quantificare la rarità di un pattern specifico di accidentali è essenziale per calcolare la probabilità di corrispondenza casuale (Random Match Probability - RMP). Se un'analisi statistica sovrastima la rarità, si rischia di fornire conclusioni forensi errate e troppo confidenti.
• Limiti delle metodologie attuali: I metodi precedenti si basavano su modelli uniformi (che assumono una distribuzione casuale delle accidentali) o su modelli aggregati che non tengono conto delle specifiche caratteristiche della superficie di contatto (contact surface) di ogni singola scarpa. Inoltre, i modelli Bayesiani gerarchici esistenti (es. Spencer e Murray, 2020) non erano scalabili a grandi dataset a causa dei costi computazionali.

2. Metodologia: Modelli di Processo Spaziale Puntuale Scalabili

Gli autori propongono un modello gerarchico Bayesiano riformulato come un processo puntuale spaziale Gaussiano Latente (Latent Gaussian Model - LGM).

A. Formulazione del Modello

Il problema è trattato come una regressione di pattern spaziali:

• Risposta: La configurazione spaziale delle accidentali ($Y_s$) su una scarpa $s$.
• Covariate: La superficie di contatto ($C_s$), derivata da un'immagine ad alta risoluzione della suola, e il gradiente dell'immagine ($I_s$).
• Struttura: L'intensità logaritmica del processo di Poisson spaziale ($\log(\lambda_{s,a})$) è modellata come:
  $$\log(\lambda_{s,a}) = \beta_{smooth, a} + \beta_{shoe, s} + \sum x^i_{s,a}\beta^i_f + \sum x^i_{s,a}\beta^i_{sv, a}$$
  Dove:
  • $\beta_{smooth}$: Trend spaziale liscio comune a tutte le scarpe.
  • $\beta_{shoe}$: Intercetta specifica per ogni scarpa (effetto casuale).
  • $\beta^i_f$: Coefficienti di effetto fisso per le interazioni tra la superficie di contatto, il gradiente e i vicini.
  • $\beta^i_{sv, a}$: Coefficienti variabili nello spazio (Spatially Varying Coefficients - SVC) che permettono alla relazione tra le caratteristiche della suola e la probabilità di un'acidentale di cambiare a seconda della posizione sulla scarpa.

B. Innovazioni Chiave

1. Superficie di Contatto Continua: A differenza dei lavori precedenti che binarizzavano le immagini (suola a contatto vs no), questo modello utilizza valori continui di intensità dei pixel, catturando meglio le sfumature del pattern di contatto.
2. Inclusione del Gradiente d'Immagine: Vengono introdotti termini basati sul gradiente (trasformazione di Sobel) per modellare i bordi e le transizioni della suola, che sono spesso critici per la formazione di accidentali.
3. Scalabilità tramite INLA: Il modello è strutturato come un LGM, permettendo l'uso dell'Approssimazione Laplaceann Integrata Annidata (INLA). Questo sostituisce i costosi metodi MCMC (Markov Chain Monte Carlo) con un'inferenza approssimata ma estremamente veloce, rendendo possibile l'analisi di dataset di grandi dimensioni (1.300 scarpe).

D. Dati

Lo studio utilizza il database WVU (West Virginia University), contenente 1.300 scarpe usate (650 paia) con impronte di laboratorio di alta qualità e coordinate delle accidentali annotate manualmente. Le immagini sono state pre-elaborate, riflesse (per unificare scarpe destre e sinistre) e ridotte a una griglia di $39 \times 91$ pixel per l'efficienza computazionale.

3. Risultati Principali

Il modello è stato valutato tramite convalida incrociata a 10 fold (10-fold cross-validation) e confrontato con diversi approcci esistenti (modello uniforme, modelli senza covariate di contatto, modelli binari precedenti).

• Prestazioni Superiori: Il modello proposto ("Our Method") ha ottenuto le migliori prestazioni in tutti i fold di convalida, superando significativamente i modelli basati su uniformità e quelli che non considerano la superficie di contatto specifica.
• Robustezza: Il modello dimostra una maggiore robustezza, specialmente nella "coda inferiore" delle prestazioni (scarpe con pattern difficili), dove errori di stima potrebbero avere le conseguenze forensi più gravi.
• Importanza delle Variabili:
  • L'inclusione della superficie di contatto continua e del gradiente dell'immagine ha migliorato l'accuratezza rispetto ai modelli che usano solo dati binari o aggregati.
  • I coefficienti variabili nello spazio hanno permesso di catturare relazioni non lineari: ad esempio, l'impatto di un certo pattern di contatto sulla probabilità di un'acidentale varia a seconda che ci si trovi sul tallone, sull'arco o sulla punta.
• Interpretabilità: Le mappe di calore delle intensità predittive mostrano che le accidentali sono più probabili nelle zone di alto contatto e lungo i bordi, ma la loro distribuzione è fortemente modulata dalla geometria specifica della suola.

4. Contributi Chiave

1. Scalabilità Computazionale: Dimostrazione che modelli Bayesiani complessi e gerarchici possono essere applicati a grandi dataset forensi (1.300+ scarpe) utilizzando INLA, superando i limiti computazionali dei metodi MCMC precedenti.
2. Modellazione Spaziale Avanzata: Introduzione di coefficienti variabili nello spazio per le covariate della superficie di contatto, permettendo una modellazione più fine e realistica della distribuzione delle accidentali rispetto ai modelli aggregati.
3. Miglioramento dell'Inferenza Forense: Fornitura di un metodo per calcolare probabilità di corrispondenza casuale più accurate e basate sui dati, riducendo il rischio di conclusioni errate in tribunale.

5. Significato e Implicazioni

Questo lavoro rappresenta un passo avanti significativo verso l'analisi forense basata sui dati (data-driven).

• Validazione Empirica: Risponde alla richiesta di validare empiricamente i metodi forensi, spostandosi da stime basate su ipotesi uniformi a modelli derivati da grandi quantità di dati reali.
• Affidabilità: Migliorando l'accuratezza della stima della rarità dei pattern, il modello aumenta l'affidabilità delle prove scientifiche presentate in tribunale.
• Futuro: Sebbene il modello sia stato addestrato su impronte di laboratorio di alta qualità, la framework scalabile apre la strada a futuri sviluppi per gestire impronte parziali o rumorose della scena del crimine, e all'integrazione di tecniche di deep learning per la registrazione automatica.

In sintesi, gli autori hanno sviluppato un framework statistico robusto che combina la flessibilità dei modelli spaziali Bayesiani con l'efficienza computazionale necessaria per gestire grandi database forensi, offrendo uno strumento superiore per la quantificazione dell'unicità delle impronte di scarpe.