情人节的子弹

1929年2月14日上午七个男人聚集在伊利诺斯州芝加哥市的一个车库里。据报道，其中一名男子是一名修车工，他为一个利润丰厚的犯罪企业工作，其余6人中有5人参与了由黑帮头目乔治·“臭虫”莫兰领导的集团。最后一个人是验光师据报道,“与那些被认为‘强硬’的男士交往让我感到兴奋。”芝加哥黑帮阿尔·卡彭(Al Capone)的竞争对手巴格斯·莫兰(Bugs Moran)本应出席，但未能到场。在美国历史上最臭名昭著的时期之一，莫兰和卡彭经营的犯罪企业贩卖了一系列非法产品和服务禁止．备受争议的运动美国干涸看到了禁令醉人酒的制造、销售或运输”。“高贵的实验"禁酒令"经常被认为是"犯罪，暴力，以及猖獗的非法酒类交易”。

非法的酒交易似乎是在前面提到的车库中进行的真正的业务，它被描述为一个莫兰帮派。威士忌得宝”。所以当邻居们看到一辆汽车芝加哥警察使用的那种’是在二月的那个早晨送来的。四五名身穿制服的男子下了车，其中一半人“携带着类似防暴枪的武器”。然而，接下来发生的事情震惊了整个美国。车库里的七个人靠在内墙边，然后开枪这就是著名的情人节大屠杀。

新闻报道人们普遍猜测，枪手要么是受敌对帮派雇佣的警察，要么是穿着警察服装的敌对帮派成员。考虑到公认的警察腐败和敌对帮派“消除竞争”的趋势，这两种情况在当时似乎都是合理的。为了找出凶手，纽约弹道专家卡尔文·戈达德是为了协助调查人员，并得出结论，凶手使用了两挺不同的汤普森(Tommy)机枪。他排除了芝加哥地区警察手中的汤普森枪支。后来，戈达德将在距离芝加哥大约100英里的一次单独刑事调查中缴获的两把汤普森枪确定为使用的武器。那件案子的嫌疑人原来是大屠杀的嫌疑人之一。

戈达德的枪支鉴定主要依赖于使用比较显微镜将参考子弹和枪弹上的工具痕迹与证据展品进行比较，以确定它们是否来自同一支枪支。法医弹道检验员在一家类似的方式直到今天。但从21世纪初开始，人们开始担心这门学科的基本理论和统计基础众所周知．^3.断言特征发射的子弹和弹药的信息足够独特，超出了说明类别(例如，武器或弹药的类型)，以确定某个人拥有的特定枪支(J Doe拥有的这把鲁格9毫米枪)的要求广泛的研究而且标准化．^{4 - 6}现在,计算正在支持前沿研究，以不断满足这些要求。⁷

即使是自信地识别材料是否是枪击残留物也可能是一项分析挑战

为了提高枪支识别，在过去的10年里，美国国家标准与技术研究所(NIST)的研究人员开发了一致性匹配单元(CMC)方法，该方法将枪弹的地形图像划分为单元。一个单元一个单元地，从参考到可疑项目图像，计算比较区域。研究人员指出，要想与之匹配，需要“满足所有相似性和一致性要求的细胞对”。⁴细胞相关数据也使研究人员能够估计错误率和其他统计措施。NIST的工作正在进一步标准化、自动化和商业化CMC过程。

的化学成分射击残留物(GSR)也可以在枪击调查中提供有价值的见解。^9、10射击残留物是一种有机和无机物质的混合物，从火器中喷射出来，形成空气羽流，可以沉积在枪手和受害者身上，以及周围的表面和人身上。考虑到我们复杂的化学环境，即使自信地确定材料是否是GSR也可能是一项分析挑战。对于无机GSR，扫描电子显微镜-能量色散光谱(SEM-EDS)是首选方法，允许分析人员探测GSR颗粒的形态及其元素组成。激光诱导击穿光谱(LIBS)也正在成为分析有机和无机GSR的有用工具。^8、10两种技术都与机器学习正在加强GSR比对工作的基础和框架。

最近的工作由美国西弗吉尼亚大学的研究人员领导的这项研究对枪手、非枪手和背景资料进行了大规模研究。使用多种技术分析样本，包括LIBS，并通过SEM-EDS进行交叉验证。⁸不同的训练集和机器学习技术-包括一个神经网络分类器该方法使研究人员能够自信地将样本分类为GSR或非GSR，准确率大于93%。虽然这项研究包括了分析师在个案工作中会遇到的真实样本，但它不涉及实际的个案工作样本。

个案工作是研究人员的数据集荷兰法医研究所，使用标准SEM-EDS方法分析了210个刑事案件的近2000个样本。⁷在个案工作中训练的机器学习模型旨在区分来自同一次射击的枪弹颗粒和来自不同射击的枪弹颗粒，并使用个案工作和独立的枪弹数据进行了验证。研究人员基于分数的系统在协助分析师判断相同或不同镜头场景的可能性方面表现出了希望。尖端的计算工作使研究人员能够以比以往任何时候都更有统计可信度的方式来解卷积复杂的场景和矩阵。