ПРИМЕНЕНИЕ АВТОМАТИЗИРОВАННЫХ СИСТЕМ ДЛЯ ТРАСОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ СЛЕДОВ ОБУВИ

Статья подготовлена на основе материалов выпускной квалификационной работы автора «Применение автоматизированных систем для трасологического исследования следов обуви», выполненной на кафедре судебной экспертизы юридического факультета ННГУ им. Н.И. Лобачевского под научным руководством канд. юрид. наук, доцента Лушина Е.А.

АННОТАЦИЯ

Статья посвящена анализу возможностей автоматизированных систем в трасологическом исследовании следов обуви. Рассматриваются современные технологии цифровизации экспертной деятельности: 3D-сканирование, нейросетевые алгоритмы идентификации, автоматизированные информационно-поисковые системы. Определены ключевые направления развития автоматизации: создание репозиториев цифровых моделей, разработка методик машинного обучения, совершенствование программно-технических комплексов. Проанализированы проблемы внедрения технологий искусственного интеллекта в практику экспертно-криминалистических подразделений МВД России. Обоснована необходимость стандартизации процессов фиксации следов, формирования единых требований к точности цифровых моделей, валидации алгоритмов распознавания. Продемонстрированы преимущества автоматизированных систем: сокращение времени исследования, повышение объективности результатов, возможность выявления связей между преступлениями через централизованные базы данных.

ABSTRACT

The article analyzes the capabilities of automated systems in traceological examination of shoe prints. Modern technologies of digitalization of expert activity are considered: 3D scanning, neural network identification algorithms, automated information retrieval systems. Key areas for automation development are identified: creation of digital model repositories, development of machine learning methodologies, improvement of software and hardware complexes. Problems of implementing artificial intelligence technologies in the practice of expert-criminalistic divisions of the Ministry of Internal Affairs of Russia are analyzed. The necessity of standardizing trace fixation processes, forming unified requirements for digital model accuracy, and validating recognition algorithms is substantiated. The advantages of automated systems are demonstrated: reduction of investigation time, increased objectivity of results, ability to identify connections between crimes through centralized databases.

Ключевые слова: трасологическая экспертиза, следы обуви, автоматизированные системы, 3D-сканирование, нейросетевые технологии, цифровая трасология, идентификация, информационно-поисковые системы.

Keywords: traceological examination, shoe prints, automated systems, 3D scanning, neural network technologies, digital traceology, identification, information retrieval systems.

Трасологическое исследование следов обуви остается одним из наиболее востребованных направлений судебно-экспертной деятельности. По данным Главного информационно-аналитического центра МВД России, трасологические экспертизы уверенно занимают второе место по количеству проведенных исследований, уступая лишь дактилоскопическим. Однако очевидно, что традиционные методы работы со следами обуви достигли определенных пределов эффективности.

Автоматизация в контексте трасологии подразумевает не механическую замену эксперта программным алгоритмом, а создание инструментария, позволяющего многократно ускорить этапы, традиционно считавшиеся «ручными»: просмотр рекомендательных списков, сопоставление признаков, измерение параметров следов. При этом окончательная оценка совокупности признаков по-прежнему остается прерогативой специалиста, обладающего профессиональными компетенциями в области трасологии.

Современное состояние автоматизации трасологических исследований следов обуви показывает, что уровень автоматизации трасологических экспертиз по следам обуви в России остается неравномерным. Исследование, проведенное на базе экспертно-криминалистического отдела Управления МВД России по городу Нижнему Новгороду, где изучено 243 заключения за период 2019–2022 годов, показало существенный разрыв между потенциалом информационных технологий и их фактическим использованием в практике. Информационные технологии применялись преимущественно в виде графических редакторов для выделения признаков и наложения изображений; системы автоматического сопоставления практически не использовались [1].

В рамках коммерческих разработок функционируют специализированные программные комплексы: экспертная система следов обуви «Footwear Traces 2», АИПС-картотека следов обуви «OttiskSled», программный комплекс «Растр», обеспечивающий подготовку графики к экспертным заключениям. Эти системы позволяют вводить и хранить в базе данных изображения следов и оттисков обуви, проводить поиск типа «след–след», «оттиск–след», «след–подошва», формировать журналы изъятых следов, однако их массовое внедрение сдерживается дефицитом финансирования, отсутствием единых стандартов цифровой фиксации и недостаточной интеграцией с существующими информационными системами МВД России.

Одним из перспективных направлений автоматизации выступает применение технологий трехмерного сканирования для фиксации объемных следов обуви. Традиционные методы изготовления гипсовых слепков, использования силиконовых паст или строительных герметиков требуют значительного времени (от 30 минут до нескольких часов в зависимости от материала), создают риск разрушения следа, затрудняют работу в неблагоприятных погодных условиях. 3D-сканирование лишено этих недостатков, хотя и порождает новые методические вопросы.

Экспериментальное исследование, проведенное Абрамовым В.А. и Поповым А.И. в 2026 году с использованием 3D-сканера Calibri Mini, продемонстрировало возможность фиксации объемных следов обуви и шин транспортных средств при различных погодных условиях – от летней жары до зимних морозов. Портативный сканер массой 700 граммов позволяет получить цифровую модель следа за 7–11 секунд с точностью до 0,05 миллиметра, что существенно превышает возможности гипсового слепка. Важно, что метод является неразрушающим: след остается в неизменном виде, сканирование можно повторить при необходимости, а цифровая модель мгновенно передается в экспертное подразделение в электронном виде [3].

Процесс получения цифровой модели состоит из четырех этапов. На подготовительном этапе эксперт определяет зоны сканирования и проводит калибровку устройства; выбор зоны зависит от размеров исследуемого объекта и требуемых параметров точности. Основной практический этап характеризуется получением достаточного количества цифровых копий с различных ракурсов; качество изображений контролируется в процессе сканирования на встроенном сенсорном экране. Технологический этап предполагает автоматическую или полуавтоматическую «сшивку» полученных изображений в специализированном программном комплексе, в результате чего формируется полигональная модель в формате STL. Заключительный этап – обработка результатов: цифровая модель изучается в специальной программе, проводятся необходимые измерения; для решения идентификационной задачи модель следа с места происшествия назначается эталоном и автоматизированно сравнивается с моделями экспериментальных следов, результатом чего является цветовая картина отклонений [4].

Однако остаются нерешенными вопросы процессуального статуса цифровой модели. Уголовно-процессуальное законодательство не содержит прямых указаний на допустимость использования 3D-моделей в качестве вещественных доказательств или иллюстративного материала к заключению эксперта.

Применение искусственного интеллекта в трасологии прошло путь от экспериментальных разработок научных коллективов до внедрения в практическую деятельность отдельных экспертных учреждений. Основные направления использования нейросетевых технологий включают автоматическое кодирование следов, формирование рекомендательных списков при поиске по базе данных, распознавание типа и модели обуви по изображению следа.

Наиболее приоритетным признан полностью автоматический способ кодирования следов с использованием сверточных нейросетей, обученных на тренировочных массивах объемом не менее 30 тысяч изображений.

Проблемой остается «непрозрачность» решений, принимаемых нейросетью глубокого обучения. Самообучаемые генеративные нейросети не дают объяснения, почему приняли то или иное решение, что входит в противоречие с требованиями процессуального законодательства о мотивированности заключения эксперта. Существует опасность, что эксперт, всецело полагаясь на нейросеть, может сделать неправильный вывод – особенно в ситуациях, когда алгоритм столкнулся с данными, не представленными в обучающей выборке.

Эффективность автоматизированных систем идентификации во многом определяется полнотой и качеством баз данных. В настоящее время в экспертно-криминалистических подразделениях МВД России ведутся учеты следов подошв обуви, изъятых с мест нераскрытых преступлений, и оттисков (бутокарт) обуви подозреваемых и обвиняемых. Формирование и ведение данных учетов регламентируется Инструкцией, утвержденной приказом МВД России от 10 февраля 2006 года № 70, однако действующее законодательство в этой сфере не вполне соответствует потребностям правоохранительных органов.

Основная проблема – отсутствие нормативно закрепленной обязанности изготовления бутокарт в отношении всех задержанных лиц. В результате учет пополняется выборочно, что снижает его розыскную ценность; многие следы с мест преступлений не находят совпадений в базе данных не потому, что соответствующая обувь отсутствует, а потому что оттиски этой обуви просто не внесены в систему. [6].

Перспективным представляется формирование не просто локальных баз данных отдельных экспертных подразделений, а интегрированной системы, охватывающей все регионы Российской Федерации. Такая система могла бы автоматически выявлять связи между преступлениями, совершенными в разных субъектах, по совпадению следов обуви; устанавливать серийность преступлений; формировать статистические данные о наиболее распространенных моделях обуви, используемых преступниками.

Несмотря на очевидные преимущества, внедрение автоматизированных систем в практику трасологических исследований сталкивается с рядом серьезных препятствий:

1. дефицит репрезентативных баз данных для обучения алгоритмов машинного обучения. Существующие учеты следов обуви формировались на протяжении десятилетий в аналоговом формате; перевод этих массивов в цифровой вид трудоемкая задача, требующая значительных временных и финансовых ресурсов.
2. недостаточная изученность механизма следообразования в контексте автоматического распознавания признаков. Традиционная трасологическая методика оперирует понятиями общих и частных признаков, разработанными применительно к визуальному исследованию.
3. вопросы достоверности и воспроизводимости результатов. Для признания методики, основанной на применении искусственного интеллекта, научно обоснованной необходимо проведение валидационных исследований – серии экспериментов, в которых алгоритм применяется к заранее известным объектам (Ground Truth данные) и оценивается точность его выводов.
4. не урегулирован в полной мере процессуальный статус результатов, полученных с использованием искусственного интеллекта.

Перспективы развития автоматизации трасологических исследований следов обуви связаны с несколькими взаимодополняющими направлениями:

1. создание национальной системы трасологических баз данных с централизованным хранением цифровых моделей следов и обязательным подключением всех экспертных подразделений страны.
2. разработка единых стандартов цифровой фиксации следов обуви, определяющих минимальные требования к разрешению изображений, углам съемки, условиям освещения, формату представления данных.
3. нормативное закрепление порядка применения систем искусственного интеллекта в судебной экспертизе, включая требования к прозрачности алгоритмов, ответственности за некорректные результаты, процедурам обжалования выводов.
4. подготовка специалистов нового профиля, обладающих компетенциями как в области трасологии, так и в сфере информационных технологий.

Заключение

Применение автоматизированных систем для трасологического исследования следов обуви представляет собой закономерный этап эволюции судебно-экспертной деятельности в условиях цифровизации правоохранительной сферы. Современные технологии – 3D-сканирование, нейросетевые алгоритмы идентификации, облачные информационно-поисковые системы – создали технические предпосылки для радикального повышения скорости, объективности и доказательственной значимости трасологических исследований.

Ключевым условием успешной автоматизации выступает не столько техническое совершенство алгоритмов, сколько системный подход к организации процесса: формирование репрезентативных баз данных, стандартизация методов фиксации следов, валидация применяемых технологий, подготовка кадров. Искусственный интеллект не может и не должен подменять эксперта-трасолога; его роль – инструмента, многократно расширяющего возможности специалиста при сохранении за человеком функции окончательной оценки совокупности признаков и формулирования вывода.

Список литературы:

1. Абрамов В.А., Попов А.И. Применение 3D-сканера Calibri Mini для фиксации объемных следов обуви и шин транспортных средств при различных погодных условиях // Судебная экспертиза. 2026. № 1 (85). С. 82–91. URL: https://www.elibrary.ru/contents.asp?titleid=25197 (дата обращения: 25.05.2026).
2. Бахтеев Д.В., Поляков В.В. Развитие организации ведения трасологических учетов, возможности автоматизации // Вестник криминалистики. 2021. № 3 (79). С. 45–52. URL: https://cyberleninka.ru/article/n/razvitie-organizatsii-vedeniya-trasologicheskih-uchetov-vozmozhnosti-avtomatizatsii (дата обращения: 25.05.2026).
3. Зинин А.М., Майлис Н.П. Инновационные технологии, способствующие развитию цифровой трасологии // Вестник Московского университета МВД России. 2024. № 6. С. 134–138. URL: https://cyberleninka.ru/article/n/innovatsionnye-tehnologii-sposobstvuyuschie-razvitiyu-tsifrovoy-trasologii (дата обращения: 25.05.2026).
4. Ковалева С.Г., Петрова М.А. Использование современных информационных технологий в производстве трасологических экспертиз и исследований // Криминалистика и судебная экспертиза. 2023. № 2 (68). С. 412–421. URL: https://cyberleninka.ru/article/n/ispolzovanie-sovremennyh-informatsionnyh-tehnologiy-v-proizvodstve-trasologicheskih-ekspertiz-i-issledovaniy (дата обращения: 25.05.2026).
5. Кузнецов В.А. Нейросети в судебной экспертологии и экспертной практике: проблемы и перспективы // Теория и практика судебной экспертизы. 2024. Т. 19. № 2. С. 56–69. URL: https://cyberleninka.ru/article/n/neyroseti-v-sudebnoy-ekspertologii-i-ekspertnoy-praktike-problemy-i-perspektivy (дата обращения: 25.05.2026).
6. Лебедев К.И. Отдельные вопросы работы с криминалистическими учетами как элемент процесса расследования преступлений (на примере учета следов подошв обуви) // Вестник Санкт-Петербургского университета МВД России. 2023. № 4 (100). С. 187–194. URL: https://cyberleninka.ru/article/n/otdelnye-voprosy-raboty-s-kriminalisticheskimi-uchetami-kak-element-protsessa-rassledovaniya-prestupleniy-na-primere-ucheta-sledov (дата обращения: 25.05.2026).
7. Попов А.И. Современные методы 3D-фиксации следов обуви в трасологии // Мир закона. 2024. № 2. С. 45–49. URL: https://mir-zakona.kz/sovremennye-metody-3-d-fiksaczii-sledov-obuvi-v-trasologii/ (дата обращения: 25.05.2026).
8. Чернышов К.А. Правовые и организационные аспекты применения и внедрения нейросетей при производстве судебных экспертиз // Судебная экспертиза. 2026. № 1 (85). С. 33–43. URL: https://www.elibrary.ru/contents.asp?titleid=25197 (дата обращения: 25.05.2026).