Attention U-Net 및 HSV Color Mask를 활용한 혈흔 특화 객체 세분화 알고리즘 제안 = Proposal of a Bloodstain-Specific Object Segmentation Algorithm using Attention U-Net and HSV Color Mask

국문 초록 (Abstract)

혈흔형태분석(BPA)은 현장을 재구성하는 중요한 법과학 분야로 현재 혈흔형태분석의 자동화를 위한 프로그램 개발이 활발히 이루어지고 있다. 그러나 기존의 객체 세분화 모델로 혈흔 이미지에서 혈 흔을 정확하게 분리하는데에 한계가 존재하여 프로그램의 정확성이 저하된다. 본 연구는 혈흔형태분석의 자동화와 정밀도 향상을 위해 Attention U-Net과 HSV Color Mask를 결합한 혈흔 특화 객체 세분화 알 고리즘을 개발하였다. 다양한 배경과 조건에서 촬영된 혈흔 이미지를 학습한 개발 알고리즘을 정량적으 로 평가한 결과, IoU 평균 93.0, F1 Score 평균 94.0, MAE 평균 5.09를 기록하며 기존 Zero-run U-Net 과 Canva 유료 배경 제거 모델 대비 우수한 성능을 보였다. 특히 개발 알고리즘의 핵심 구조인 Attention U-Net의 Gate는 혈흔과 배경 간의 혼동을 효과적으로 억제하여 복잡한 환경에서도 혈흔을 정밀하게 분리 할 수 있도록 하였다. 본 연구에서 개발한 알고리즘은 혈흔 이미지의 디지털 분석과 자동 연산의 기반이 되는 객체 세분화의 핵심 기술로써 수작업에 의존하던 기존 혈흔형태분석 절차의 효율성과 신뢰도를 크 게 향상시킬 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Bloodstain Pattern Analysis (BPA) is a key forensic discipline for reconstructing crime scenes, and software efforts to automate BPA are increasingly active. However, conventional object segmentation models have difficulty accurately isolating bloodstains in images, which degrades overall system accuracy. To enhance automation and precision, this study develops a bloodstain-specialized segmentation algorithm that integrates an Attention U-Net with an HSV color mask. Quantitative evaluation on bloodstain images captured under diverse backgrounds and conditions shows that the proposed method achieves a mean IoU of 93.0, a mean F1 score of 94.0, and a mean MAE of 5.09, outperforming a Zero-run U-Net and Canva’s paid background-removal model. In particular, the attention gates within the Attention U-Net effectively suppress confusion between bloodstains and background, enabling precise separation even in complex scenes. As a core segmentation component underpinning the digital analysis and automated processing of bloodstain images, the proposed algorithm is expected to substantially improve the efficiency and reliability of BPA workflows that have traditionally relied on manual procedures.