Uitbreiding van een testdatabank voor biometrische oorvergelijking. Kenny Caekebeke, Dries Verhaeghe

Uitbreiding van een testdatabank voor biometrische oorvergelijking Kenny Caekebeke, Dries Verhaeghe

Promotor: prof. dr. Guy De Tré Begeleiders: ir. Antoon Bronselaer, ir. Tom Matthé Masterproef ingediend tot het behalen van de academische graad van Master in de toegepaste informatica

Vakgroep Telecommunicatie en informatieverwerking Voorzitter: prof. dr. ir. Herwig Bruneel Faculteit Ingenieurswetenschappen Academiejaar 2008-2009

II

Uitbreiding van een testdatabank voor biometrische oorvergelijking Kenny Caekebeke, Dries Verhaeghe

Promotor: prof. dr. Guy De Tré Begeleiders: ir. Antoon Bronselaer, ir. Tom Matthé Masterproef ingediend tot het behalen van de academische graad van Master in de toegepaste informatica

Vakgroep Telecommunicatie en informatieverwerking Voorzitter: prof. dr. ir. Herwig Bruneel Faculteit Ingenieurswetenschappen Academiejaar 2008-2009

III

Voorwoord en toelating tot bruikleen Voorwoord en dankwoord Deze masterproef kwam tot stand in het kader van het afronden van de opleiding master na master toegepaste informatica. Het is zonder twijfel één van de belangrijkste onderdelen van deze ‘ManaMa’. De masterproef biedt je als student de kans om op een zelfstandige manier de theoretische vaardigheden, opgedaan tijdens het voorbije academiejaar, om te zetten naar de realisatie van een volwaardig project. Dit werk mag dan ook beschouwd worden als een kers op de academische taart. Het was voor ons allebei een aangename en vlotte samenwerking, waarbij steeds goede afspraken werden gemaakt, en nagekomen. Meer nog dan een succesvol partnerschap voor deze masterproef, was deze samenwerking een bewijs van een mooie vriendschap. De realisatie van deze masterproef zou echter nooit gelukt zijn zonder de medewerking van een aantal mensen. Deze zouden we dan ook bij aanvang van dit afstudeerwerk willen bedanken. Eerst en vooral danken wij onze promotor, Prof. Dr. Guy De Tré, voor de begeleiding, de hulp, de tips en de opbouwende feedback bij de totstandkoming van dit werk. Daarnaast willen we ook zeker en vast onze begeleiders, ir. Antoon Bronselaer en ir. Tom Matthé bedanken voor hun hulp, deskundigheid en steun. Tenslotte wensen we iedereen van de vakgroep ‘Database, Document en Content Management’ te bedanken voor de ondersteuning, goede sfeer, en het aanbieden van een werkplek voor het realiseren van deze masterproef.

De toelating tot bruikleen "De auteurs geven de toelating deze masterproef voor consultatie beschikbaar te stellen en delen van de masterproef te kopiëren voor persoonlijk gebruik. Elk ander gebruik valt onder de beperkingen van het auteursrecht, in het bijzonder met betrekking tot de verplichting de bron uitdrukkelijk te vermelden bij het aanhalen van resultaten uit deze masterproef."

IV

Overzicht Uitbreiding van een testdatabank voor biometrische oorvergelijking Door Kenny Caekebeke en Dries Verhaeghe Promotor: prof. dr. Guy De Tré Begeleiders: ir. Antoon Bronselaer, ir. Tom Matthé Masterproef ingediend tot het behalen van de academische graad van Master in de toegepaste informatica Vakgroep Telecommunicatie en informatieverwerking Voorzitter: prof. dr. ir. Herwig Bruneel Faculteit Ingenieurswetenschappen Academiejaar 2008-2009

Samenvatting De UGent onderzoeksgroep “Database, Document en Content Management” (DDCM), heeft recent, in samenwerking met het Disaster Victim Identification team (DVI) van de Federale Politie, een nieuwe basistechniek ontwikkeld om biometrische oorgegevens die geëxtraheerd zijn uit foto’s op een flexibele manier met elkaar te vergelijken. Om de techniek te kunnen valideren en verder te verbeteren werd de huidige testdatabank verder uitgebouwd en aangepast. De bestaande techniek voor de oorvergelijking liet slechts een 1op 1 vergelijking toe. Deze werd uitgebreid naar een 1 op N vergelijking. Meer concreet werd (1) een EER-diagram ontwikkeld voor de uitbreiding van de huidige databank met meta-data zoals geslacht, leeftijd, ras, (2) het EER-diagram omgezet naar een relationeel databankschema, (3) dit databankschema geïmplementeerd in een databank (Access 2007), (4) het bestaande programma aangepast (JAVA), en (5) de verbeterde oorvergelijkingstechniek veelvuldig getest en gevalideerd.

Trefwoorden: DVI, Slachtofferidentificatie, Databank, Oorvergelijking

V

Inhoudsopgave Voorwoord en toelating tot bruikleen ............................................................................ IV Overzicht ................................................................................................................................ V Inhoudsopgave .................................................................................................................... VI Tabel van afkortingen en symbolen .............................................................................. VII Hoofdstuk 1: Algemene inleiding ..................................................................................... 1 1.1 De motivatie van de onderwerpskeuze................................................................. 1 1.2 Probleemstelling en doelstelling ............................................................................ 2 1.3 Opzet van de masterproef ........................................................................................ 3 Hoofdstuk 2: Disaster Victim Identification ................................................................... 4 2.1 Inleiding......................................................................................................................... 4 2.2 De aanloop ................................................................................................................... 5 2.3 Ontstaan van het Belgische DVI ............................................................................. 6 2.4 Organisatie van het Belgische team ..................................................................... 8 2.5 Opdrachten van DVI België ...................................................................................... 9 2.6 Identificatiemethodes .............................................................................................. 10 2.7 Visie en missie .......................................................................................................... 12 2.8 Besluit .......................................................................................................................... 13 Hoofdstuk 3: Ooridentificatie ........................................................................................... 14 3.1 Inleiding....................................................................................................................... 14 3.2 De rol van het oor binnen de forensische identificatie-wetenschappen ... 14 3.2.1 Daders .................................................................................................................. 15 3.2.2 Slachtoffers......................................................................................................... 16 3.3 De ooridentificatiemethode van Iannarelli ........................................................ 17 3.3.1 Onderliggende theoretische assumpties en praktische implicaties ... 17 3.3.2 De methode ......................................................................................................... 18 3.4 Besluit .......................................................................................................................... 20 Hoofdstuk 4: Uitbreiding van een testdatabank ......................................................... 21 4.1 Inleiding....................................................................................................................... 21 4.2 EER-diagram .............................................................................................................. 22 4.3 Relationeel databankschema ................................................................................ 25 4.4 Databank ..................................................................................................................... 27 4.5 Programma ................................................................................................................. 30 4.5.1 Algemeen............................................................................................................. 31 4.5.2 Insert Case .......................................................................................................... 33 4.5.3 Flexible Matching .............................................................................................. 37 4.5.4 View Points ......................................................................................................... 42 4.5.5 Delete .................................................................................................................... 43 4.6 Besluit .......................................................................................................................... 44 Hoofdstuk 5: Algemene conclusie ................................................................................. 46 Bibliografie ............................................................................................................................ 49

VI

Tabel van afkortingen en symbolen Deze afkortingen staan in volgorde van verschijnen in de masterproef. AM = Ante Mortem PM = Post Mortem CGSU = Commissariaat Generaal Special Units DVI = Disaster Victim Identification EER = Extended Entity Relationship EIS = Ear Identification System GUI = Graphical User Interface

VII

Hoofdstuk 1: Algemene inleiding 1.1 De motivatie van de onderwerpskeuze Sinds een tiental jaar is er binnen het Disaster Victim Identification-team aandacht voor de ontwikkeling van een methode van slachtofferidentificatie aan de hand van oorfoto’s. Vooral commissaris Joan De Winne was de grote bezieler en voorstander van deze techniek. In samenwerking met de universiteiten van Gent en Leuven heeft commissaris De Winne een nieuwe methode van ooridentificatie onderzocht en ontwikkeld. Ondertussen is commissaris De Winne met pensioen, maar het onderzoek naar en het perfectioneren van deze techniek blijft actueel. Het belang van deze techniek valt niet te onderschatten. Hoewel wetenschappelijk onderzoek naar identificatie aan de hand van een oor(foto) nog in zijn kinderschoenen staat, kan deze techniek toch een belangrijke rol gaan spelen in de nabije toekomst. Slachtofferidentificatie verloopt zeker niet altijd onder ideale omstandigheden. Men kan hierbij denken aan grote (natuur)rampen zoals bij de tsunami-ramp in Zuidoost-Azië eind 2004. In dergelijke omstandigheden is DNA-analyse vaak niet mogelijk. Er moet materiaal beschikbaar zijn om te vergelijken en dat is lang niet altijd het geval. Daarbij komt nog dat het een zeer dure methode is. Ook iemand identificeren aan de hand van tanden is in heel wat landen niet mogelijk daar er bijvoorbeeld vaak geen tandenfiches beschikbaar zijn. Foto’s (waarop eventueel een oor zichtbaar is) zijn echter wel vaker beschikbaar. In het teken van slachtofferidentificatie bij grote rampen, en in moeilijke omstandigheden, kan de methode van ooridentificatie uiterst bruikbaar en interessant zijn. Je weet immers nooit op voorhand welke elementen belangrijk gaan zijn om iemand te identificeren. Deze thesis handelt over de uitbreiding van een testdatabank voor biometrische oorvergelijking. Een uitbreiding van deze techniek is noodzakelijk omdat de huidige techniek slechts toelaat een 1 op 1 vergelijking van ante mortem en post mortem foto’s te maken. Door deze techniek uit te breiden en te verbeteren zouden meerdere ante mortem foto’s in de vergelijking kunnen worden opgenomen. De keuze voor dit onderwerp lag voor de hand, daar we allebei een diploma master in de criminologische wetenschappen behaalden. Dit onderwerp gaf ons de kans onze huidige studies te combineren met onze studies van de voorgaande jaren.

1

De problematiek is zowel vanuit een criminologisch, als vanuit een informatica standpunt bijzonder relevant. Hierdoor was onze interesse onmiddellijk gewekt. Vanuit onze studie toegepaste informatica was dit onderwerp bovendien zeer uitdagend. Naast het construeren en bevragen van een databank, kregen we tevens de mogelijkheid meer ervaring op te doen in het programmeren in JAVA.

1.2 Probleemstelling en doelstelling Probleemstelling De UGent onderzoeksgroep “Database, Document en Content Management” (DDCM), heeft recent, in samenwerking met het Disaster Victim Identification team (DVI) van de Federale Politie, een nieuwe basistechniek ontwikkeld om biometrische oorgegevens die geëxtraheerd zijn uit foto’s op een flexibele manier met elkaar te vergelijken. De techniek is flexibel omdat impliciet rekening wordt gehouden met imperfecties in de data die het gevolg zijn van onnauwkeurigheden in het fotomateriaal. Vooral de ante mortem foto’s zijn vaak onderhevig aan dergelijke onnauwkeurigheden omdat deze meestal worden aangeleverd door verwanten van vermiste personen en dus niet met de bedoeling van oorvergelijking zijn gemaakt. Om de techniek te kunnen valideren en verder te verbeteren moet de huidige testdatabank verder worden uitgebreid en aangepast. Doelstelling Deze masterproef heeft tot doel de aanpassing van de testdatabank te realiseren en een aanzet tot de uitbreiding ervan te geven. Verder zal ook uitgebreid met de nieuwe databank moeten worden geëxperimenteerd ten einde de validatie van de technieken (in samenwerking met en onder begeleiding van de onderzoekers) te ondersteunen. Meer concreet houdt de taak in dat: (1) een EER-diagram wordt ontwikkeld voor de uitbreiding van de huidige databank met meta-data zoals geslacht, leeftijd, ras, outliers (bijvoorbeeld oorringen, piercings), fotokwaliteit, … (2) het EER-diagram wordt omgezet naar een relationeel databankschema (3) dit databankschema wordt geïmplementeerd in een MySQL databank (4) de oorvergelijkingstechniek getest wordt met nieuwe data (5) de testresultaten worden geanalyseerd volgens een aantal parameters; daartoe dienen diverse queries te worden uitgewerkt waarin rekening wordt gehouden met de kwaliteit van de ante mortem foto’s.

2

1.3 Opzet van de masterproef De methodologie van deze masterproef bestaat uit het ontwikkelen van een databank die toelaat de vergelijkingstechniek te verbeteren. Vervolgens moet de software die de databank bevraagt aangepast worden, en tot slot is er nog de validatie van de resultaten (vergelijking tussen de oude 1 op 1, en de nieuwe 1 op n). Deze masterproef is opgebouwd uit verschillende hoofdstukken. Het eerste hoofdstuk betreft de algemene inleiding. De volgende twee hoofdstukken dienen om meer duiding en achtergrond te geven bij het onderwerp. Dit geeft de lezer van deze masterproef, en gebruiker van het programma een beter zicht op het hoe en waarom van dit project. In hoofdstuk 2 wordt een beeld geschetst van het Disaster Victim Identification-team. Zij zijn namelijk een belangrijke partner en opdrachtgever bij dit project. Het ontstaan van DVI, hun methoden en opdrachten, organisatie en visie worden kort uiteengezet. Hoofdstuk 3 gaat dieper in op de methode van ooridentificatie. Eerst wordt de rol van het oor binnen de forensische identificatiewetenschappen besproken. Zowel voor het opsporen van daders als voor het identificeren van slachtoffers wordt het belang van deze methode aangetoond. In een volgende paragraaf wordt de ooridentificatiemethode van Alfred Iannerelli toegelicht. Het is op basis van deze methode dat het programma foto’s opslaat in de databank, en ze vervolgens ook vergelijkt. Om die reden leek het ons interessant en noodzakelijk meer duiding te geven over de techniek van ooridentificatie. Hoofdstuk 4 is de neerslag van het eigenlijke werk aan zowel databank als aan het programma. In dit hoofdstuk volgen we de volgorde van de officiële doelstellingen. Eerst wordt de ontwikkeling van het EER-diagram besproken, vervolgens de omzetting van dit diagram naar het relationeel databankschema, en nadien de implementatie ervan in een databank. Verder is er ook nog de bespreking van het programma. Hierbij hebben we vooral aandacht voor de veranderingen die we hebben doorgevoerd. Het programma wordt uitgelegd aan de hand van de verschillende functionaliteiten die voor de gebruiker ter beschikking staan. Tot slot is er nog de algemene conclusie waarin een samenvatting wordt gegeven van de behaalde resultaten. Daarnaast worden nog enkele aanbevelingen geformuleerd.

3

Hoofdstuk 2: Disaster Victim Identification 2.1 Inleiding DVI, het Disaster Victim Identification-team van de Federale Politie, staat in voor de identificatie van slachtoffers van rampen of misdrijven. Het DVI-team kwam voor het eerst in actie bij de ramp met de Herald of Free Enterprise, de veerboot die in maart 1987 voor de kust van Zeebrugge kapseisde. Hierbij kwamen 193 mensen van de ruim 530 opvarenden om. De identificatie van de slachtoffers verliep zeer moeizaam, omwille van een onvolledige passagierslijst. Slechts een honderdtal passagiers had een reservatie op naam. Uiteindelijk werden alle lichamen geïdentificeerd. Drie lichamen werden nooit teruggevonden. Ondertussen vierde het DVI in 2007 een dubbele verjaardag: 20 jaar slachtofferidentificatie en 10 jaar necrosearch. Necrosearch is het opsporen en opgraven van verborgen lichamen. Het belang van een correcte identificatie valt niet te onderschatten. Zowel om wettelijke als om humane redenen is het enorm belangrijk dat men stoffelijke resten terugvindt en een naam geeft. Een officiële vaststelling van de dood is enerzijds noodzakelijk om juridische gevolgen (zoals pensioen, erfenis, huwelijk) te kunnen regelen. Anderzijds is de identificatie van een lijk vanuit humanitair standpunt onontbeerlijk voor nabestaanden, familieleden, vrienden en kennissen. Op die manier kunnen ze waardig afscheid nemen van hun geliefde en kan het rouwproces beginnen.1 Ook vanuit criminologisch standpunt is het identificeren van slachtoffers van een moord belangrijk. Zo kan de aanzet worden gegeven tot het opsporen van de dader, het vinden van bewijzen, en het formuleren van een antwoord op de vele vragen van de nabestaanden. In dit hoofdstuk wordt het Disaster Victim Identification-team in al haar facetten besproken. Hoe is de dienst ontstaan en hoe is haar ontwikkeling verlopen? Welke organisatorische structuur kent de dienst en wat behoort tot haar actieterrein? En als laatste, welke is de basisfilosofie? Welke principes stelt zij voorop? Al deze elementen kunnen bijdragen tot een beter inzicht in het Disaster Victim Identification-team en haar opdrachten. Dit is van belang omdat DVI (naast Universiteit Gent en Katholieke Universiteit Leuven) één van de partners is in het onderzoek naar oorvergelijkingstechnieken.

1

VAN DE WEYER, A., Het D.V.I. binnen de gereorganiseerde politie in België., (Scriptie Lic. Criminologie), Gent, 2002-2003, 11.

4

2.2 De aanloop Reeds vanaf het ontstaan van de mensheid heeft men te maken gehad met -al dan niet natuurlijke- rampen waarbij vele mensenlevens te betreuren vielen. Hun familieleden bleven vaak in het ongewisse en wisten dikwijls niet wat er met hun dierbare gebeurd was. In 1940 zorgde het Federal Bureau of Investigation (FBI) voor een wereldprimeur door de creatie van een organisatie die belast werd met het identificeren van de stoffelijke resten van slachtoffers van om het even welke ramp. Een belangrijke stap was gezet maar het zou nog enkele jaren in beslag nemen vooraleer het volgende identificatieteam zich zou komen aanbieden. Pas na de Tweede Wereldoorlog volgden andere landen het Amerikaanse voorbeeld.2 In ons land kunnen de opgravingen en onderzoekingen van Prof. Dr. Thomas en diens werkleider Dr. Van Hecke vermeld worden als de eerste daad van rampenidentificatie. Tijdens de Tweede Wereldoorlog werden in de buurt van Gent, namelijk in Oostakker, 65 mensen gefusilleerd. Waarom Duitse bezetters voor dit drama zorgden, is nog steeds een groot vraagteken. De toenmalige minister van Binnenlandse Zaken, Neuville, gaf de opdracht om de aanleiding tot deze gruweldaad grondig te onderzoeken. Thomas en Van Hecke namen deze taak op zich. Alhoewel de lijken zich in vergevorderde staat van ontbinding bevonden, waren de resultaten verbluffend: alle overblijfselen werden van een naam voorzien en geïdentificeerd. Gedurende dit onderzoek werkte men zeer nauw samen met onder andere tandartsen. Hieruit bleek al het belang van dentale gegevens bij het identificeren van lijken. Ook andere voorwerpen, zoals kledij, juwelen en littekens, werden gebruikt bij de identificatie. Al deze elementen leidden tot een succesvolle identificatie.3 In Nederland werd in 1972 de Rampenstaf opgericht, dit in opdracht van de Algemene Inspecteur van het Korps Rijkspolitie. Deze staf kreeg onder andere als opdrachten mee het bestuderen van, en het assisteren bij rampen. Ook bij ons zou enkele jaren later de aanzet tot de oprichting van het Belgische DVI-team worden gegeven.4

2

PORTE, R., Disaster Victim Identification bij de ramp met de Herald of Free Enterprise. (Diss. Lic. Criminologie), Gent, 1990-1991, 9-10. 3 SMEYERS, E., De identificatie van lijken bij rampen. (Diss. Lic. Criminologie). Gent, 1999-2000, 36. 4 PORTE, R., Disaster Victim Identification bij de ramp met de Herald of Free Enterprise. (Diss. Lic. Criminologie), Gent, 1990-1991, 11.

5

2.3 Ontstaan van het Belgische DVI In 1978 ontplofte er een gastankwagen in het Spaanse Los Alfaques. De explosie verwoestte een hele camping en kostte het leven aan 216 mensen. De slachtoffers waren afkomstig uit een twaalftal verschillende landen. Hun lichamen waren één voor één zwaar verbrand. Door deze tragische gebeurtenis kwam de internationale gemeenschap tot het besef dat de identificatie van de verkoolde lichamen een internationale en systematische aanpak zou vereisen. Daar er onder de slachtoffers meer dan dertig Belgen waren, besloot ook België mee te werken aan de identificatie. Binnen de toenmalige Rijkswacht werd er een team opgericht dat zich zou gaan specialiseren in het identificeren van slachtoffers van rampen. De internationale samenwerking vlotte echter niet zoals verwacht. Vooral de coördinatie met betrekking tot de identificatie van de doden en gewonden verliep zeer problematisch. Om die reden werd Interpol betrokken in het behandelen van rampen en in de organisatie van de identificatie van slachtoffers. Vanuit België begaven meerdere rijkswachters zich, op verzoek van de minister van Volksgezondheid, naar de plaats des onheil om er mee te werken aan de identificatie van slachtoffers. Ons land richtte enkele maanden nadien een eerste groep experts op die onderverdeeld werden in een ‘home team’ en een ‘away team’. ‘home team’: houdt zich bezig met het inzamelen van ante mortem-gegevens. Deze ploeg komt normaalgezien niet op de plaats van de ramp. Ze gaan op zoek naar informatie betreffende de verdwenen persoon. De experts gaan hiervoor te rade bij onder andere nabestaanden, tandartsen, artsen, juweliers en alle andere personen of instellingen die inlichtingen kunnen verschaffen over eventuele slachtoffers. Om zo min mogelijk fouten te maken, is het van groot belang om zoveel mogelijk gegevens bij elkaar te sprokkelen. Op basis van deze inlichtingen wordt een lijst opgemaakt. Daarna worden deze gegevens vergeleken met die van het ‘away team’, namelijk de post mortem-registraties. Hierdoor kan men nagaan of de verdwenen persoon al dan niet slachtoffer is geworden van een ramp. ‘away team’: is belast met het vergaren van post mortem-gegevens, zoals de beschrijving ter plaatse van de stoffelijke resten. Deze groep van specialisten verleent haar medewerking bij de identificatie van overblijfselen op de plaats van de ramp, zowel in België als in het buitenland. Wat de benaming en de organisatie betreft is er een zekere analogie tussen de verschillende landen. Dit is te danken aan Interpol die hieromtrent rechtlijnen heeft uitgevaardigd.

6

De Rijkswacht stond in voor de organisatie en hun opdracht was om –in samenwerking met onder andere wetsgeneesheren en odontologen- een aantal taken op zich te nemen. Deze taken kunnen onderverdeeld worden in twee opdrachten, namelijk de berging van lijken en het verzamelen van post mortem-gegevens. Deze informatie blijkt enorm belangrijk te zijn omdat ze in bepaalde gevallen de identificatie mogelijk maakt op het moment dat alle andere informatie ontoereikend is (bijvoorbeeld wanneer geen identiteitsdocumenten worden teruggevonden op het slachtoffer die gerichte ante mortem-inwinning mogelijk maakt).5 Deze teams van specialisten kunnen beschouwd worden als de voorlopers van het huidige Disaster Victim Identification-team. Toch heeft het nog tot 1986 geduurd vooraleer het Belgische DVI-team vorm kreeg. Een belangrijke impuls voor het opstarten ervan was de oprichting van een Permanent Comité voor slachtofferidentificatie (Standing Committee on DVI) binnen Interpol. Het besluit van een internationale bijeenkomst was dat de technieken van identificatie binnen Interpol eenvormig gemaakt moesten worden en dit diende te gebeuren door ervaringen uit te wisselen en door nieuwe methodes te ontwikkelen. Gelukkig blijft het niet bij woorden alleen. De belangrijkste verwezenlijkingen van het Comité zijn (1) de standaardisatie van Ante Mortem- en Post Mortem-formulieren en (2) de ontwikkeling van een handboek dat de basis moet vormen voor de organisatie en werkwijze van alle DVIteams. De Ante Mortem- en Post Mortem-formulieren zijn de basis van een geslaagde, formele identificatie aangezien ze alle gegevens (voor en na de dood) van het vermoedelijke slachtoffer bundelen en zo vergelijking mogelijk maken. Het handboek beschrijft de uitgangspunten welke een bijdrage kunnen leveren tot een verhoogde efficiëntie en effectiviteit bij de behandeling van rampen en in het bijzonder bij de identificatie van slachtoffers.6 De basis voor het Belgische DVI-team werd in 1986 gelegd. DVI is het identificatieteam voor slachtoffers, zowel binnen als buiten de landsgrenzen. Artikel 17 van de Wet op het Politieambt van 5 augustus 1992 (bijlage 2) stelt dat bij ramp, onheil of schadegeval de politiediensten zich ter plaatse moeten begeven. Er zijn verscheidene opdrachten te vervullen op de plaats van het ongeluk waaronder ook de identificatie van mogelijke slachtoffers.7

5

PORTE, R., Disaster Victim Identification bij de ramp met de Herald of Free Enterprise. (Diss. Lic. Criminologie), Gent, 1990-1991, 16-18. 6 DE WINNE, J., De politionele aspecten van rampenplanning. Taken van algemene politie en slachtofferidentificatie bij rampen, Etterbeek, 6-7. (rapport) 7 BOURDOUX, G.L., DE RAEDT, E., DE MESMAEKER, M., LINERS, A. en BERKMOES, H., De wet op het politieambt. Het handboek van de politiefunctie, Brussel, Politeia, 2003, 174-175.

7

Reeds in 1987 werd het team op de proef gesteld door het kapseizen van de veerboot Herald of Free Enterprise voor de kust van Zeebrugge. Voor deze omvangrijke ramp was dringend veel personeel nodig. De keuze viel dan ook op de Brusselse BOB. Deze gebeurtenis, samen met de contacten met Britse collega’s, vormde de basis voor de huidige dienst.8

2.4 Organisatie van het Belgische team Organisatorisch maakt DVI vandaag deel uit van de Federale component van de Geïntegreerde Politie. Sedert 1 maart 2007 (= de hervorming van de Federale Politie) behoort het Disaster Victim Identification-team tot de Directie Speciale Eenheden (CGSU) dat zelf een onderdeel is van het Commissariaat Generaal. Het commissariaat-generaal beschikt over eigen directies en diensten die daarbinnen gegroepeerd zijn. De Directie Speciale Eenheden is samengesteld uit een aantal centrale en gedeconcentreerde eenheden. Deze eenheden voeren gespecialiseerde ondersteuningsopdrachten uit, en werken ten voordele van de bevoegde overheden en ten voordele van de federale en de lokale politie. Alle taken van CGSU worden uitgevoerd onder verantwoordelijkheid van de bevoegde overheden. CGSU handelt nooit op eigen initiatief en treedt enkel op na een formele toestemming van een bevoegde gerechtelijke of bestuurlijke overheid, bijvoorbeeld de procureur of de burgemeester.9 Ook DVI dient gevorderd te worden en dit dan hoofdzakelijk door de 27 parketten in het kader van een gerechtelijk dossier. Of, DVI kan ook ingezet worden door een politiedienst en dit dan via een speciale aanvraagprocedure (via formulier BTS 21). Theoretisch kan DVI steeds gevorderd worden voor het zoeken naar en identificeren van alle personen die niet meteen vindbaar of identificeerbaar zijn. Naast de parketten kan bijvoorbeeld ook het buitenland het Belgische team vorderen. Dit gebeurde in 1995 toen nabij Boekarest een Airbus A 310 van de luchtvaartmaatschappij Tarom crashte (60 doden, waaronder 33 Belgen), en ook eind 2004 met de tsunami-ramp in Zuidoost-Azië (295.000 doden waaronder 11 Belgen).10

8

VERVAST, G., ‘Disaster Victim Identification Team. DVI wil de doden een laatste keer doen spreken’, Menzo, 2004, 49-55.

9

X. (z.d.), Directie van de speciale eenheden (CGSU) [WWW]. http://www.polfed-

fedpol.be/org/org_cg_dsu_nl.php [22/04/09] 10

VERVAST, G., ‘Disaster Victim Identification Team. DVI wil de doden een laatste keer doen spreken’, Menzo, 2004, 49-55.

8

De dienst, meer bepaald de Coördinatiecel, bevindt zich in één van de complexen van de Federale Politie in Etterbeek. DVI bestaat uit een aantal vaste medewerkers en vele vrijwilligers verspreid over verschillende afdelingen van de lokale en federale politie. Zij oefenen hun normale dagtaak uit en kunnen effectief snel worden samengeroepen in geval van nood. De coördinatiecel dient als permanentiecentrum tijdens de werkuren, maar ook buiten de werkuren is permanentie verzekerd.11

2.5 Opdrachten van DVI België Vanaf het ontstaan van het Belgische DVI-team in 1987 was de identificatie van slachtoffers bij rampen de oorspronkelijke en belangrijkste doelstelling. Voorbeelden hiervan zijn onder andere de scheepsramp met de Herald of Free Enterprise in Zeebrugge (’87), de ontploffing van een tankstation in Eynatten (’95) en de vliegtuigcrash in Oostende (’97). Enkele jaren later werd deze taak echter uitgebreid en omvat ze naast rampenidentificatie ook het identificeren van dodelijke slachtoffers van kleine incidenten. Voorbeelden hiervan zijn het verkeersongeval in Wemmel (’91), een zelfmoord in Diepenbeek (’97) en een huisbrand in Wasmes (’99). Ook Research & Development hoorde van bij aanvang tot het takenpakket. Deze taak bestaat uit het ontwikkelen en operationaliseren van forensische wetenschappen en technieken, met als finaliteit het sneller en beter oplossen van gerechtelijke en juridische vragen, rekening houdende met de algemene rechtsbeginselen. Dit heeft onder andere geleid tot de ontwikkeling van de ‘Set Seksuele Agressie’ (1988). Andere realisaties zijn de introductie van de forensische hypnose (1995) en van de polygraaf (1998). Ook het onderzoek rond oorvergelijkingstechnieken kende hier zijn oorsprong (cfr. Infra). Vanaf 1996, naar aanleiding van de Dutroux-affaire, werd ook necrosearch toegevoegd aan het takenpakket van DVI. Deze opdracht kan omschreven worden als een interdisciplinaire zoeking naar het lichaam of lichaamsdelen van een slachtoffer van moord of doodslag die door de dader(s) is/zijn verborgen of begraven. Er wordt hierbij bijzondere aandacht besteed aan sporen die door de dader(s) zijn achtergelaten en die bijgevolg iets meer kunnen zeggen over de oorzaak van het overlijden.

11

DE KUPPER, T., Necrosearch: een multidisciplinair samenwerkingsverband tussen DVI België en forensische deskundigen., (Scriptie Lic. Criminologie), Gent, 2004-2005, 8-9.

9

In 2000 komt daar ook de gerichte ante mortem-inwinning van verdwenen personen bij. Deze laatste opdracht kende de voorbije jaren een opwaartse beweging waardoor het een belangrijk onderdeel vormt van de dagelijkse bezigheden van het Disaster Victim Identification-team. Bij de verdwijning van een persoon zal er een gerechtelijk onderzoek geopend worden en zal de Cel Vermiste Personen van de federale politie van dit feit ingelicht worden. Indien deze Cel de verdwijning als onrustwekkend catalogeert, zal een lid van het D.V.I.-team belast worden met het opstellen van ante mortem-dossier. Dit document zal worden opgeslagen in een centrale databank en vergeleken worden met de post morteminformatie van teruggevonden stoffelijke overschotten. Daarnaast zijn er nog een aantal kleinere taken waarmee het DVI belast is. Hieronder volgt een overzicht van alle taken van het Belgische Disaster Victim Identification-team:12

•

Ante Mortem Onrustwekkende Verdwijningen

•

Post Mortem bij vondst niet geïdentificeerd lichaam

•

Necrosearch en Huiszoeking

•

Forensic Diving en Speleo

•

Identificatie Slachtoffers - Accidenten - Incidenten - Rampen

•

Helpdesk Forensische Wetenschap & Technologie

•

Informatie aan Magistratuur, Politie en Hulpdiensten

•

Research & Development

2.6 Identificatiemethodes De hoofddoelstelling en de voornaamste taak van het DVI is een lichaam(sdeel) een naam te bezorgen. Voor deze identificatie zijn verschillende methoden voorhanden.

•

Politionele gegevens omvatten alle voorwerpen die op een lichaam of in de buurt van de stoffelijke resten te vinden zijn. Voorbeelden hiervan zijn: juwelen en kledij. Ook

12

VAN DE WEYER, A., Het D.V.I. binnen de gereorganiseerde politie in België., (Scriptie Lic. Criminologie), Gent, 2002-2003, 16-19.

10

externe kenmerken (tatoeages, vingerafdrukken, …) kunnen een belangrijke rol spelen bij het identificeren van een slachtoffer.13 •

De

medico-legale

identificatiemethode

is

hoofdzakelijk

de

taak

van

de

wetgeneesheer die zowel intern (bv. maaginhoud) als extern (bv. littekens) op zoek gaat naar sporen die kunnen leiden naar de identiteit van de overleden persoon. •

Odontologische of tandheelkundige gegevens kunnen eveneens veel zeggen over de identiteit van een lichaam. Het gaat voornamelijk om een gebitsbeschrijving van het slachtoffer, protheses of RX-beelden van het gebit.14

•

De antropologische techniek bestaat uit het onderzoeken van skelet en botten. Aan de hand hiervan kan men meer te weten komen over ziektes, zoals artrose, en operatieve ingrepen.

•

Het vergelijken van het post mortem-DNA (desoxyribonucleïnezuur) van het slachtoffer met ofwel het ante mortem-DNA-profiel van het slachtoffer zelf (via bijvoorbeeld haren op zijn of haar kam, tandenborstel, …) ofwel het DNA-profiel van zijn of haar familieleden is de vijfde en laatste identificatiemethode.15

De gegevens die door middel van deze identificatiemethodes verzameld worden, worden naderhand vergeleken met de ingezamelde ante mortem-informatie. Deze vergelijking is zeer belangrijk om te komen tot een juiste identificatie van een lijk. De wet voorziet visuele identificatie maar het kan zijn dat, tengevolge van verminking of verkoling, de visuele identificatie niet kan gebeuren. Op dat moment zijn de medicolegale en odontologische identificatietechnieken van primordiaal belang. Het is tevens mogelijk dat tandheelkundige gegevens ontoereikend zijn omdat er bijvoorbeeld geen ante morteminformatie voorhanden is. Dit is dan ook de reden waarom het DVI-team in de meeste gevallen een combinatie van verschillende methoden hanteert. Daarnaast dient men goed voor ogen houden welke de limieten en beperkingen zijn van elke identificatiemethode. Uit cijfers van het DVI blijkt dat odontologische gegevens de meest gebruikte identificatiemethode zijn (80%). Op de tweede plaats komen politionele gegevens (45%), en daarna de medicolegale en antropologische identificatiemethoden (samen goed voor 35%). DNA wordt slechts in 15% van de gevallen gebruikt. Dit vooral omwille van de hoge kostprijs en de lange duur van deze methode.16 13

TIMPERMAN, J. en PIETTE, M., Gerechtelijke geneeskunde, Deurne, Kluwer Rechtswetenschappen België, 1992, 21-23. 14 OWEN, D., Hidden evidence, London, Quintet Publishing Limited, 2000, 32. 15 OWEN, D., Hidden evidence, London, Quintet Publishing Limited, 2000, 200-207. 16 VAN DE WEYER, A., Het D.V.I. binnen de gereorganiseerde politie in België., (Scriptie Lic. Criminologie), Gent, 2002-2003, 19-20.

11

De technieken die hier beschreven zijn om een lichaam of een lichaamsdeel te identificeren, zijn diegene die het meest frequent gebruikt worden bij Disaster Victim Identification. Daarnaast zijn er nog een aantal technieken die de identificatie van een onbekend lijk kunnen ondersteunen zoals bv. gelaatsreconstructie in 2-D of 3-D. Ook de oorvergelijkingstechniek die centraal staat in deze masterproef, kan in de toekomst één van de methoden worden om lichamen te identificeren. Om deze techniek te optimaliseren moet wel nog het nodige wetenschappelijke onderzoek worden verricht.

2.7 Visie en missie De basiswaarden van het Disaster Victim Identification-team van de Belgische Federale Politie zijn: •

Dienstbaarheid aan de gemeenschap

•

Toewijding aan hun taak

•

Respect voor eenieder

•

Menselijkheid in alle contacten

•

Beschikbaarheid voor de opdrachten

Hun doelstelling bestaat eruit de omstandigheden van de dood te achterhalen, materiële sporen nuttig voor het gerechtelijk onderzoek te vrijwaren en de stoffelijke resten van de slachtoffers terug te geven aan de nabestaanden zodat zij de kans krijgen een afscheidsritueel te organiseren als ondersteuning van het rouwproces. Om dit te realiseren wordt elke aanvraag tot inzet van het DVI komende van de gerechtelijke en/of administratieve autoriteiten als een nieuwe uitdaging beschouwd om als een interdisciplinair team met een globale aanpak, alle mogelijke ethisch verantwoorde middelen te gebruiken die gestoeld zijn op een wetenschappelijke basis teneinde onze opdracht kwaliteitsvol en professioneel te vervullen. Tevens streeft het DVI er permanent naar hun werking te optimaliseren door zelfevaluatie en door te zoeken naar vernieuwende technieken.17

17

DE WINNE, J., DVI Belgium, http://www.piba.be/viewDownload.aspx?Docid=338, 9 januari 2009, 37. (brochure)

12

2.8 Besluit Het DVI heeft, door de jaren heen, in binnen- en buitenland een goede reputatie verworven. Daardoor worden ze steeds meer en doelgerichter ingezet. De tijd waarin DVI alleen werd opgeroepen bij grote rampen, is voorbij. Het zou bovendien zonde zijn om de expertise die ze hebben ontwikkeld, alleen dan in te zetten. Tegenwoordig komen ze tussen in elke zaak waarbij slachtoffers onherkenbaar verminkt of verbrand zijn, of in een dergelijke staat van ontbinding verkeren dat het voor de lokale politiediensten niet mogelijk is de persoon te identificeren. Ook als er slechts één slachtoffer betrokken is, treedt het team in werking. Men mag immers nooit vergeten dat het voor de familieleden weinig uitmaakt of hun geliefde om het leven is gekomen bij een grootschalig incident met veel doden of bij een ‘banaal’ verkeersongeval waar slechts één dode valt. Voor hen is het verlies van vader, moeder, zoon, dochter, broer, zus of partner steeds een ingrijpende en moeilijk te verwerken gebeurtenis. Ook zij hebben recht op een snelle, wetenschappelijk onderbouwde identificatie en de nodige nazorg.18 We besluiten dit hoofdstuk met de kernspreuk van het Belgische Disaster Victim Identification-team.

TO SPEAK FOR THE DEAD, TO PROTECT THE LIVING

18

DE POOT, D., DE WINNE, J., Als doden een gezicht krijgen, Leuven, Uitgeverij Van Halewyck, 2007, 264266.

13

Hoofdstuk 3: Ooridentificatie 3.1 Inleiding Het menselijke oor heeft veel te bieden aan onderzoekers binnen de verschillende domeinen van de forensische praktijk zoals de forensische pathologie, antropologie, identificatie en de faciale reconstructie. Toch wordt dit potentieel vaak onderschat.19 Ook het wetenschappelijk onderzoek naar de mogelijkheden van deze methode laat te wensen over. Ooridentificatie blijft tot op vandaag wellicht de meest controversiële identificatiemethode uit de geschiedenis van de forensische wetenschappen. De ontwikkeling van deze methode wordt gekenmerkt door een aaneenschakeling van kritieken en tegenstand vanuit diverse hoeken van de wetenschappelijke gemeenschap. Bovendien kan men slechts sinds een decennium spreken van een echte wetenschappelijke vooruitgang in het onderzoek naar ooridentificatie.20 In het eerste deel van dit hoofdstuk wordt de plaats van het oor binnen de forensische identificatiewetenschappen, meer bepaald de identificatie van potentiële daders (of het sporenonderzoek) en identificatie van slachtoffers (of de forensische pathologie) toegelicht. In een volgende paragraaf wordt de ooridentificatiemethode van Iannarelli uitgelegd. Er volgt een objectieve beschrijving van deze methode en de onderliggende theoretische hypotheses worden besproken. Het is op basis van deze methode dat foto’s in de databank worden ingeladen en vergeleken.

3.2 De rol van het oor binnen de forensische identificatiewetenschappen Het menselijke oor kan op twee manieren gehanteerd worden binnen de zoektocht naar de dader van een bepaald delict. Ten eerste kan de dader van bijvoorbeeld een huisinbraak een spoor van zijn oor achtergelaten hebben op de plaats van delict, door aan de deur of het venster te luisteren om te zien horen of er iemand thuis is. In dit geval kan men oorafdrukken hanteren in het sporenonderzoek. Daarnaast is het ook mogelijk (hoewel er nog te weinig wetenschappelijk onderzoek naar werd gevoerd) de dader te identificeren aan de hand van

19

SWIFT B., RUTTY G.N., The human ear: Its role in forensic practice, Journal of Forensic Sciences, 2003, vol. 48 (1), p 153. 20 ORTEGAT-TRAEN, T., De waarde van de ooridentificatie als forensiche identificatiemethode., (Scriptie Lic. Criminologie), Gent, 2006-2007, 1-3.

14

beelden van zijn/haar oor die bijvoorbeeld door een (bewakings)camera werden gemaakt. In dit geval zal men oorfoto’s moeten vergelijken in plaats van oorafdrukken, wat een heel andere techniek impliceert. Wij zullen het hier, in het kader van deze masterproef, enkel hebben over de tweede techniek, waarbij foto’s van oren worden vergeleken. Meer nog dan om mogelijke daders te identificeren, is deze techniek vooral interessant voor het identificeren van slachtoffers bij bijvoorbeeld massarampen.

3.2.1 Daders De oorsprong van deze methode ligt evenwel in het proberen identificeren van daders. De aanzet voor een dergelijke methode werd midden de jaren ‘60 gegeven door de Amerikaanse politiecommissaris Alfred Iannarelli, een baanbreker op het vlak van ooridentificatie aan de hand van foto’s. Zijn aanvankelijke methode wordt besproken in 3.3. Hoogstrate, van den Heuvel en Huyben van het Nederlands Forensisch Instituut (kortweg het NFI) onderzochten de mogelijkheid om individuen te identificeren aan de hand van foto’s van hun oren die uit videobeelden werden verworven. Hun motivatie voor het ontwikkelen van een dergelijke identificatiemethode lag in het feit dat de mogelijkheid om een persoon te identificeren aan de hand van kleine lichaamsdelen, zoals het oor, met behulp van beelden van bewakingscamera’s een handig instrument kan worden daar de beschikbaarheid van dergelijke videobeelden momenteel snel aan het toenemen is. De aanzet voor dit onderzoek was een zaak van tankstationovervallen waarbij beelden waren vastgelegd waarop een oor van de dader zichtbaar was. Om te onderzoeken of het mogelijk is om op dergelijke wijze een persoon te identificeren, zo stellen zij, moet men eerst een antwoord kunnen bieden op twee belangrijke vragen. Ten eerste, zijn oren uniek of persoonlijk genoeg om tot een individualisatie of positieve identificatie te komen? Ten tweede, zijn de opnames van de (bewakings)camera’s van voldoende kwaliteit om genoeg details te kunnen onderscheiden voor individualisatie (= positieve identificatie)? De eerste vraag is zeer pertinent, daar de uniciteit van het menselijke oor een gemeenschappelijk knelpunt blijkt te zijn van alle identificatiemethodes waarin het oor een hoofdrol speelt. Hierover bestaat nog steeds geen algemene consensus. Verder wetenschappelijk onderzoek dringt zich dan ook op.

15

Het antwoord op de tweede vraag is uiteindelijk steeds afhankelijk van de kwaliteit van de gebruikte camera. Proefpersonen in het onderzoek van Hoogstrate, van den Heuvel en Huyben waren wel in staat te oordelen of zij voldoende informatie hadden om een vergelijking of individualisatie te maken, maar waren minder in staat om personen effectief te individualiseren. Laszlo van de Budapest University of Technology and Economics onderzocht ook de mogelijkheid om individuen te identificeren aan de hand van videobeelden waarop hun oren zichtbaar waren. Hij onderzocht vooral een manier om de precieze locatie en rotatiehoek van het oor op deze camerabeelden (met hoge resolutie) te bepalen. Hij besloot dat het mogelijk was om de locatie van het oor op videobeelden te bepalen met een aannemelijke nauwkeurigheid en foutmarge.21

3.2.2 Slachtoffers Het proberen identificeren van slachtoffers door middel van oorfoto’s is nauw verbonden met de forensische pathologie. Dit vakgebied richt zich op het onderzoeken van plotse, onnatuurlijke, onverklaarde, of gewelddadige doodsoorzaken. Forensische pathologen zijn, in hun rol van medische onderzoeker of lijkschouwer, verantwoordelijk voor het beantwoorden van verscheidene fundamentele vragen zoals: “Wie is het slachtoffer?”, “Welke

verwondingen

zijn

aanwezig?”,

“Wanneer

hebben

deze

verwondingen

plaatsgevonden?”, “Waarom en hoe werden deze verwondingen aangebracht?”. De voornaamste rol van de medische expert is het vaststellen van de doodsoorzaak.22 Naast de forensische patholoog of wetsdokter zijn ook andere instanties bevoegd met de identificatie van slachtoffers. Hier kunnen we het Disaster Victim Identification-team situeren. Zij werken ook vaak samen met de Cel Vermiste Personen van de federale gerechtelijke politie. Binnen de werkzaamheden van het DVI kan men het gebruik van deze nieuwe identificatiemethode aan de hand van oorfoto’s plaatsen. Aan het hoofd van deze federale dienst stond tot voor kort commissaris Joan De Winne, één van de prominentste figuren op

21

ORTEGAT-TRAEN, T., De waarde van de ooridentificatie als forensiche identificatiemethode., (Scriptie Lic. Criminologie), Gent, 2006-2007, 10-11. 22 SAFERSTEIN R., Criminalistics, an introduction to forensic science, Prentice Hall, New Jersey, 2001, 17.

16

het gebied van ooridentificatie in België. Hij heeft in samenwerking met de universiteiten van Gent en Leuven een nieuwe methode van ooridentificatie onderzocht en ontwikkeld. Zijn techniek houdt in dat men een vergelijking gaat maken tussen ante mortem oorfoto’s van vermiste personen en post mortem oorfoto’s van een ongeïdentificeerd slachtoffer. Wanneer een persoon als vermist wordt opgegeven, zou het de bedoeling zijn dat aan de naaste familieleden en vrienden foto’s worden gevraagd waarop het oor van de persoon in kwestie zichtbaar is. Deze foto’s kunnen nadien vergeleken worden met post mortem foto’s van ongeïdentificeerde lichamen. Hiervoor ontwikkelde De Winne een vergelijkingsmethode. Voor deze vergelijking gaat hij er van uit dat het oor van elke individu uniek is, wat natuurlijk een absolute vereiste is voor het welslagen van een dergelijke methode.23

3.3 De ooridentificatiemethode van Iannarelli 24 Het werk van Alfred Iannarelli kan als standaardwerk binnen deze discipline worden beschouwd. De ‘Earology’ van deze Amerikaanse politieagent fungeert steeds weer als vertrekpunt voor wetenschappers of ooridentificatie-experts binnen hun onderzoek naar nieuwe en betere methodes van oorbiometrie. Hij ontwikkelde drie processen voor ooridentificatie: positieve identificatie aan de hand van vergelijkingen van oorfoto’s, het maken van oorafdrukken aan de hand van inktafdrukken en het vergelijken van oorafdrukken opgenomen op een plaats van delict. Een gedetailleerde bespreking van zijn werk wordt in deze paragraaf weergegeven. Iannarelli verrichte ook onderzoek naar de uniciteit van DNA, vinger- en oorafdrukken aan de hand van tweelingenstudies en onderzoek naar raciale verschillen met betrekking tot de structuur van het oor. Daarnaast beschreef hij ook de evolutie van het oor vanaf de embryonale fase.

3.3.1 Onderliggende theoretische assumpties en praktische implicaties Iannarelli’s Ooridentificatie Systeem kan volgens de auteur zelf gehanteerd worden (1) in zaken waarbij geen vingerafdrukken van het individu kunnen worden afgenomen omwille van 23

ORTEGAT-TRAEN, T., De waarde van de ooridentificatie als forensiche identificatiemethode., (Scriptie Lic. Criminologie), Gent, 2006-2007, 12-14. 24 ORTEGAT-TRAEN, T., De waarde van de ooridentificatie als forensiche identificatiemethode., (Scriptie Lic. Criminologie), Gent, 2006-2007, 24-30.

17

fysieke gebreken; (2) bij het identificeren van pasgeborenen; (3) voor het identificeren van (slachtoffers van): massarampen, ongevallen, oorlogsslachtoffers, vermiste en gevluchte individuen; (4) het vergelijken van politiefoto’s, subversieve activiteiten, foutieve identiteiten, het vergelijken van foto’s verworven d.m.v. bewakingscamera’s, paspoortfoto’s waarop een drievierde profiel zichtbaar is, en andere niet in deze opsomming vermelde gevallen. Iannarelli beklemtoont dat het ooridentificatiesysteem niet bedoeld is om het bestaande vingerafdruksysteem te vervangen. Het werd ontwikkeld ten behoeve van specifieke situaties zoals ze hierboven werden opgesomd. Daarenboven kunnen beide technieken elkaar aanvullen bij het identificatieproces. ‘Earology’ is de term bedacht door deze auteur om een dergelijke wetenschap te omschrijven. Naast vingerafdrukken, bevat het uitwendige oor volgens hem de meest unieke vormen en karakteristieke eigenschappen nodig voor identificatiedoeleinden. Geen enkel ander deel van de menselijke anatomie bevat lijnen en rondingen met danig unieke en individuele karakteristieken en vormen. Met meer dan 50 jaar onderzoek en inzet in ‘Earology’, stelt Iannarelli dat van de duizenden en duizenden oren dat hij onderzocht – zij het visueel of door middel van foto’s of oorafdrukken – er nooit (ongeacht het ras of geslacht) twee oren identiek bleken te zijn. Zelfs de twee oren van een zelfde individu verschillen van elkaar. Aanvullend aan zijn onderzoek verrichtte Iannarelli een studie naar de uniciteit van DNA, vingerafdrukken en oorconfiguratie bij identieke en broederlijke twee-, drie- en vierlingen. Hij stelde dat hoewel zij allen hetzelfde DNA delen, de uiterlijke vorm van hun oren en vingerafdrukken steeds verschillen.

3.3.2 De methode De algemene vorm van het oor kan geclassificeerd worden als ovaal, driehoekig, rechthoekig en rond. De mogelijke omvang van het oor kan geordend worden van klein over medium tot groot. Verder zijn er diverse posities mogelijk: normaal, hoog en laag. Binnen deze drie positie kunnen oren nog omschreven worden als vlak gezet, dicht gezet, diep gezet of uitpuilend. Deze classificaties van het oor worden beschouwd als de klasse karakteristieken van het oor. Om individuele karakteristieken van het oor van een individu te onderscheiden ontwikkelde Iannarelli een classificatiesysteem dat een primaire, secundaire en subsecundaire methode inhoudt.

18

De primaire classificatiemethode onderscheidt het individu naar geslacht en ras, de secundaire methode is gebaseerd op 12 antropometrische metingen van het oor. Om deze metingen te nemen, moet men eerst het oor in acht delen verdelen, zoals in de foto hieronder geïllustreerd. Het snijpunt van de acht driehoeken wordt over de ‘crus of the helix’ of het kruis van de helix geplaatst. De metingen zijn de opgenomen afstanden, langs de snijlijnen, tussen twee verschillende punten die op de foto van het oor worden aangeduid. Voorts vond hij het nodig, om in geval van significante gelijkenis, zes bijkomende ‘subsecundaire’ metingen te nemen.25

Al deze metingen gebeuren op specifiek geroteerde en genormaliseerde foto’s van het rechter oor. Om deze afbeeldingen te roteren en normaliseren worden ze geprojecteerd op een (door Iannarelli gestandaardiseerde) vergrotende projectieplaat die horizontaal en vertikaal gedraaid wordt tot de foto een voorgeschreven plaats op het projectieplaatje bedekt. Deze methode vereist de exacte rotatie en normalisatie van de oorfoto’s zoals beschreven door Iannarelli.

25

EGAN T., ‘Are Dutch ears different from American Ears?’ A comparison of Evidence Standards, [WWW] http://www.forensic-evidence.com/site/ID/ID00004_1.html [06/05/09].

19

3.4 Besluit Dit hoofdstuk bespreekt de methode van de ooridentificatie aan de hand van oorfoto’s. Zowel in het zoeken van daders, als in het identificeren van slachtoffers kan deze methode een belangrijke rol spelen. Een pijnpunt blijft echter dat er nog steeds te weinig wetenschappelijk onderzoek naar de mogelijkheden van deze methode gevoerd wordt. Toch komt er het laatste decennium meer aandacht voor deze methode. Het beste voorbeeld hiervan is het project van commissaris De Winne, dat nu ook na zijn pensioen verder blijft ontwikkelen. De ooridentificatiemethode van Iannarelli blijkt nu nog steeds actueel. Op het gebied van oorfoto’s is Iannarelli een absolute baanbreker. Hij zette zich liefst 50 jaar in voor het onderzoek naar ooridentificatie en breidde zijn werk uit naar de studie van de embryologie en de uniciteit van het oor. Hij leverde een belangrijke aanzet voor verder onderzoek en hoewel zijn methode niet de nodige wetenschappelijke onderbouw heeft, werd ze nooit volledig verlaten. Ze staat tot op heden nog model voor vele andere ooridentificatiemethodes. Ook de foto’s in de testdatabank voor biometrische oorvergelijking worden op basis van deze methode opgeslagen en vergeleken.

20

Hoofdstuk 4: Uitbreiding van een testdatabank 4.1 Inleiding ‘Uitbreiding van een testdatabank voor biometrische oorvergelijking’ luidt de volledige titel van deze masterproef. Onze doelstelling bestond eruit om deze aanpassing te realiseren en een aanzet tot de uitbreiding te geven. Verder moest er ook uitgebreid met de nieuwe databank geëxperimenteerd worden ten einde de validatie van de technieken (in samenwerking met en onder begeleiding van de onderzoekers) te ondersteunen. Meer concreet houdt de taak in dat: (1) een EER-diagram wordt ontwikkeld voor de uitbreiding van de huidige databank met meta-data zoals geslacht, leeftijd, ras, outliers (oorringen, piercings), fotokwaliteit, … (2) het EER-diagram wordt omgezet naar een relationeel databankschema (3) dit databankschema wordt geïmplementeerd in een MySQL databank (4) de oorvergelijkingstechniek getest wordt met nieuwe data. Na de eerste afspraak met de promotor en assistent werd meteen duidelijk dat communicatie en feedback heel belangrijk zou zijn bij het werken aan deze masterproef. Vandaar dat Dries en ik ook opteerden om steeds in het Technicum, in het bureau van de assistenten af te spreken, om daar samen te werken aan onze masterproef. Deze manier van werken had verschillende voordelen. Om samen een afstudeerwerk te maken is het nodig veel af te spreken, en de taken goed op elkaar af te stemmen. En wanneer je zoals in ons geval niet echt dicht bij elkaar woont, is een centrale afspreekplaats erg wenselijk. Daarnaast was ook het snelle en directe contact met de professor en de assistenten een absoluut pluspunt. Zowel over problemen, als over de te volgen strategie konden we steeds onmiddellijk overleggen en discussiëren. Op deze manier konden we enerzijds samen zelfstandig vlot doorwerken aan ons project, en anderzijds ook snel aanpassen of bijsturen aan de hand van de feedback. In deze neerslag over onze eigenlijke masterproef wordt de structuur van het officieel opgaveblad aangehouden. De verschillende doelstellingen vormen ook hier de titels in dit hoofdstuk. Het is ook op deze manier dat we samen gewerkt hebben aan het project. In een eerste paragraaf wordt de ontwikkeling van het EER-diagram besproken. 4.3 behandelt de omzetting van dit EER-diagram naar een relationeel databankschema. In 4.4 bespreken we de implementatie van dit databankschema in een databank. 4.5 beschrijft de aanpassing van het programma, de validatie en de uitgevoerde testen. Tenslotte is er nog de conclusie bij dit hoofdstuk.

21

4.2 EER-diagram Alvorens we effectief begonnen met de ontwikkeling van een EER-diagram, hielden we ons op onze eerste ‘werkdagen’ bezig met het bestuderen van het programma en de programmacode. Op die manier hoopten we een beter inzicht te krijgen in de praktische werking ervan, en zo ook meer duidelijkheid te krijgen over onze eigen concrete opdracht. In al ons jeugdig enthousiasme wouden we zelfs onmiddellijk in de databank zelf tabellen gaan aanpassen, en code gaan wijzigen. Al snel bleek dit echter niet de correcte werkwijze, en dus gingen we meer pragmatisch te werk. Beginnen bij het begin, en in ons geval betekende dit het ontwikkelen van een Extended Entity Relationship-diagram. Onze letterlijke doelstelling bestond uit de ontwikkeling van een EER-diagram voor de uitbreiding van de huidige databank met meta-data zoals geslacht, leeftijd, ras, outliers (oorringen, piercings), fotokwaliteit, … Hierbij volgden we de werkwijze zoals beschreven in het boek ‘Principes van Databases’ van professor De Tré.26 Dit is dezelfde werkwijze die we hanteerden bij de oefeningen van het vak databanktechnologie. Stap 1: Identificatie van de reguliere entiteittypes, subtypes, supertypes en categorieën. Stap 2: Identificatie van de zwakke entiteittypes en hun identificerende relatietypes. Stap 3: Identificatie van attributen, hun karakteristieken en hun restricties. Stap 4: Identificatie van de reguliere relatietypes, hun eventuele attributen, hun restricties, en hun karakteristieken. Ontwerp van het EER-diagram: Stap 1: Identificatie van de reguliere entiteittypes, subtypes, supertypes en categorieën. Op basis van onze betrachting de databank uit te breiden en een 1 op N vergelijking mogelijk te maken konden we twee reguliere entiteittypes identificeren: ‘Case’ en ‘Picture’. Deze types beschrijven de entiteiten waarover informatie moet worden bijgehouden. Er zijn geen subtypes, supertypes of categorieën. Stap 2: Identificatie van de zwakke entiteittypes en hun identificerende relatietypes. Naast de twee reguliere entiteittypes, konden we ook één zwak entiteittype identificeren: ‘Point’. Een punt kan immers niet bestaan zonder dat er een foto is. ‘Point’ heeft een partieel sleutelattribuut ‘ID’. Het identificerende relatietype ‘Has’ tussen ‘Point’ en ‘Picture’ geeft aan dat elk punt precies bij één foto hoort, en dat voor elke foto meerdere punten mogelijk zijn.

26

DE TRE, G., Principes van databases, Pearson Education Benelux, 2007, 78-85.

22

Stap 3: Identificatie van attributen, hun karakteristieken en hun restricties. ‘Case’ heeft als enig sleutelattribuut ‘Number’, en als reguliere attributen ‘AM/PM’, ‘Year_birth’, ‘Gender’, ‘Race’, en ‘Lobe_Attachment’. ‘Picture’ heeft als enig sleutelattribuut ‘PictureID’. De andere attributen zijn ‘Year_picture’, ‘Left/Right’, en het samengestelde attribuut ‘Piercing’ met componentattributen ‘Lobe’, ‘Helix’, en ‘Other’. ‘Point’ tenslotte heeft de reguliere attributen ‘X’, ‘Y’, ‘Counter’, ‘Weight’ en ‘Reference’. ‘ID’ is zoals eerder gezegd een partieel sleutelattribuut van ‘Point’. Stap 4: Identificatie van de reguliere relatietypes, hun eventuele attributen, hun restricties, en hun karakteristieken. We kunnen twee reguliere relatietypes identificeren, die allebei binair zijn: -

Het relatietype ‘Contains’ tussen ‘Case’ en ‘Picture’ wordt gebruikt om weer te geven dat elke case uit verschillende foto’s kan bestaan, en dat elke foto tot één specifieke case behoort. Dit relatietype bevat een participatierestrictie: er is een totale participatie van ‘Picture’ in ‘Case’. Er zijn geen attributen.

-

Het relatietype ‘Has’ tussen ‘Picture’ en ‘Point’ geeft ,zoals reeds vermeld in stap 2, aan dat elk punt precies bij één foto hoort, en dat voor elke foto meerdere punten mogelijk zijn. Ook hier zijn er geen attributen.

Het resulterende EER-diagram is te zien op de volgende pagina.

23

PictureID

Year_birth Number

Case

Year_picture

Gender

1

N

Left/Right

Picture

Piercing

Contains

1 Other

Lobe

AM/PM Race

Lobe attachment

Helix Has

X Counte r

N Point Y

Weight ID

Reference

24

4.3 Relationeel databankschema Na de ontwikkeling van het EER-diagram kon de volgende stap vrij snel worden genomen: de omzetting van het EER-diagram naar een relationeel databankschema. Ook hier volgden we de logische en stapsgewijze werkwijze van het boek.27 Het omzettingsalgoritme voor relationele databases bestaat uit 9 stappen: Stap 1: Omzetting van reguliere entiteittypes. Stap 2: Omzetting van zwakke entiteittypes. Stap 3: Omzetting van specialisaties en generalisaties. Stap 4: Omzetting van categorieën. Stap 5: Omzetting van binaire één op één relatietypes. Stap 6: Omzetting van binaire één op meerdere relatietypes. Stap 7: Omzetting van binaire meerdere op meerdere relatietypes. Stap 8: Omzetting van meerwaardige attributen. Stap 9: Omzetting van n-aire relatietypes waarbij n>2. Omzetting: Stap 1: Omzetting van reguliere entiteittypes. Deze stap resulteert in de aanmaak van de relationele basisrelaties ‘Case’ en ‘Picture’: CASE (Number, Year_birth, Race, Gender, Lobe_attachment, AM/PM) Primaire sleutel: {Number} PICTURE (PictureID, Left/Right, Year_picture, Lobe, Helix, Other) Primaire sleutel: {PictureID} Stap 2: Omzetting van zwakke entiteittypes. Deze stap resulteert in de aanmaak van de relationele basisrelaties ‘Point’: POINT (ID, PictureID, Counter, Reference, Weight, X, Y) Primaire sleutel: {ID, PictureID} Vreemde sleutel: {PictureID}, verwijst naar ‘Picture’ Stap 3: Omzetting van specialisaties en generalisaties. Er komen geen specialisaties of generalisaties voor in het diagram. Stap 4: Omzetting van categorieën. Er komen geen categorieën voor in het diagram. 27

DE TRE, G., Principes van databases, Pearson Education Benelux, 2007, 141-167.

25

Stap 5: Omzetting van binaire één op één relatietypes. Er komen geen binaire één op één relatietypes voor in het diagram. Stap 6: Omzetting van binaire één op meerdere relatietypes. Er zijn twee binaire één op meerdere relatietypes, namelijk ‘Contains’ en ‘Has’. De gebruikelijke omzetting resulteert in het toevoegen van de primaire sleutel van de basisrelatie van het entiteittype met kardinaliteit ‘één’ als vreemde sleutel aan de basisrelatie van het entiteittype met kardinaliteit ‘meerdere’. Basisrelatie ‘Point’ moet niet worden omgezet, daar deze aanpassing al is gebeurd in stap 2. Basisrelatie ‘Picture’ wordt als volgt aangepast: PICTURE (PictureID, Number, Left/Right, Year_picture, Lobe, Helix, Other) Primaire sleutel: {PictureID} Vreemde sleutel: {Number}, verwijst naar ‘Case’ Stap 7: Omzetting van binaire meerdere op meerdere relatietypes. Er komen geen binaire meerdere op meerdere relatietypes voor in het diagram. Stap 8: Omzetting van meerwaardige attributen. Er komen geen meerwaardige attributen voor in het diagram. Stap 9: Omzetting van n-aire relatietypes waarbij n>2. Er komen geen n-aire relatietypes met n>2 voor in het diagram.

Resulterend relationeel databankschema: CASE (Number, Year_birth, Race, Gender, Lobe_attachment, AM/PM) Primaire sleutel: {Number} PICTURE (PictureID, Number, Left/Right, Year_picture, Lobe, Helix, Other) Primaire sleutel: {PictureID} Vreemde sleutel: {Number}, verwijst naar ‘Case’ POINT (ID, PictureID, Counter, Reference, Weight, X, Y) Primaire sleutel: {ID, PictureID} Vreemde sleutel: {PictureID}, verwijst naar ‘Picture’

26

4.4 Databank De officiële doelstelling luidde ‘implementatie van het relationeel databankschema in een MySQL databank’, maar met toestemming van de assistent implementeerden we het databankschema in een Access-databank (Access 2007). Ook de originele databank was met Access (2003) gemaakt, vandaar deze keuze. De originele databank werkte met vier tabellen: AM Generic Data, AM Points, PM Generic Data, en PM Pionts. Aangezien we deze structuur niet meer konden behouden werd een volledig nieuwe databank gemaakt. Een databank die het moest mogelijk maken meerdere AM foto’s te vergelijken met één PM foto. Op basis van het EER-diagram en het relationeel databankschema konden we aan de slag gaan. Al snel bleek dat Access 2007 in grote mate veranderd was in vergelijking met de 2003 versie. Het was dus nieuw, en het vereiste voor ons wel wat uitzoeken hoe het allemaal in zijn werk ging. We begonnen met het creëren van de tabellen, in overeenstemming met de entiteiten uit het relationeel databankschema. De nieuwe databank bestaat uit drie tabellen: CASE, PICTURE en POINT. Vervolgens werden de verschillende attributen van de entiteiten in overeenkomstige kolommen gegoten. De attributen ‘Lobe’, ‘Helix’ en ‘Other’, zoals ze voorkwamen in het relationeel databankschema, werden hernoemd naar ‘Piercing_Lobe’, ‘Piercing_Helix’ en ‘Piercing_Other’. Het uitzicht van onze drie tabellen ziet u hieronder.

27

Een laatste stap bestond uit het bepalen van de eigenschappen per kolom, en het definiëren van de relaties tussen de tabellen. Hiervoor kan je in Access 2007 werken met het handige Design View (Ontwerpweergave). Per tabel kan je op deze manier de primaire sleutel selecteren, en verder specificeren. Number, de primaire sleutel van de tabel Case, is het nummer van de case zelf zoals het door de gebruikers (de mensen van DVI) wordt bepaald. Deze moet dus handmatig worden ingevoerd. PictureID (de primaire sleutel van Picture) en ID (de primaire sleutel van Point) worden automatisch gegenereerd wanneer respectievelijk een foto en een punt in de databank worden ingeladen. Dit kunnen we via het Design View vastleggen.

28

Verder kan via het Design View en de Veldeigenschappen voor elk attribuut worden opgegeven welk gegevenstype het attribuut is, welke antwoordmogelijkheden je hebt (bijvoorbeeld ‘L’ of ‘R’ in de kolom Left/Right), de veldlengte, of het vereist is een antwoord te geven (bijvoorbeeld specificeren of het om een AM of een PM case gaat; dit is verplicht), de standaardwaarde, enzovoort. Een voorbeeld van het Design View zie je hieronder op deze pagina. Na het bepalen van de eigenschappen van de attributen was de databank aangemaakt.

29

4.5 Programma Wat niet expliciet in de doelstellingen werd vermeld, maar waar uiteindelijk toch het meeste werk in is gekropen, is de aanpassing van het programma. In navolging van de databank moest ook de programmacode aangepast worden om een 1 op N vergelijking mogelijk te maken. Hieronder volgt een bespreking van het programma en de verschillende functionaliteiten ervan. Hierbij wordt vooral de nadruk gelegd op de aanpassingen die wij hebben moeten doorvoeren, en de verbeteringen die er gebeurd zijn. Eerst wordt een globaal beeld gegeven van het programma, waarbij enkele algemeenheden worden uitgelegd. Daarna worden de verschillende functies voor de gebruiker besproken, zoals ze ook naar voor komen in de Graphical User Interface. De gebruiker krijgt een venster dat bestaat uit vier tabs (te zien in de figuur hieronder), elk van deze tabs heeft een bepaalde functionaliteit die we aan de hand van de code zullen uitleggen. Ook de uitgevoerde testen van elke functionaliteit zullen we kort bespreken.

30

4.5.1 Algemeen De aanpassingen aan het programma gebeurden vooral in de klassen Handler, Matcher, Evaluator, en EISGUI. Het is uiteraard niet de bedoeling de volledige code hier te overlopen. Wel worden de belangrijkste functies en functionaliteiten besproken. Daarbij wordt de relevante code becommentarieerd. De nadruk ligt voornamelijk op het doel van de functionaliteiten, en hoe wij deze hebben aangepakt. Ook eventuele moeilijkheden tijdens het programmeren worden vermeld, net als de uitgevoerde testen. De grootste en meest tijdrovende moeilijkheid was toch wel het inwerken en leren kennen van andermans code. Het is absoluut niet evident de manier van werken van iemand anders te begrijpen, laat staan op dezelfde manier te werken. Wat het echter makkelijker maakte de programmacode te leren kennen, was de vele commentaar die tussen de code staat. Hierop voortbouwend hebben we ook zelf de nodige commentaar toegevoegd waar nodig. Belangrijk bij het werken met het programma, is dat er steeds een connectie moet gemaakt worden met de databank. Dit gebeurt door in de GUI linksboven op ‘Database’, en vervolgens ‘Connect’ te klikken. In het ‘Edit connection settings’-venster dat nu wordt geopend moet bij ‘Source name’ de naam van de databank worden ingegeven (in ons geval EIS). ‘User’ en ‘Password’ zijn voor ons niet gespecificeerd, en moeten dus niet worden ingevuld.

31

De code die achter de connectie met de databank zit, bevindt zich in de Handler.

De methode ‘getSource’ geeft sourcenaam van de huidige databron van de Handler terug. De methode ‘setSource’ bepaalt de databron waarmee de Handler verbinding moet maken, en de methode ‘connect’ maakt de verbinding met de databron zoals gespecificeerd door ‘source’, ‘user’ en ‘password’. In ons geval is enkel ‘source’ gespecificeerd, namelijk EIS (afkorting van Ear Identification System).

32

4.5.2 Insert Case Aangezien de databank zelf een hele nieuwe structuur had, moest ook het inladen in de databank helemaal aangepast worden. Het was dan ook logisch dat we hiermee begonnen. Zonder foto’s in de databank konden we immers niet gaan vergelijken. De databank was in vergelijking met het ‘oude’ programma in grote mate gewijzigd. Vroeger werd de foto ingeladen in ofwel de PM ofwel de AM tabel. Met andere woorden; er kon telkens maar één foto worden toegevoegd aan een AM of PM Case. De gekozen punten werden in de overeenkomstige tabel ingeladen. Hierbij stond het ID van de foto centraal bij het identificeren van foto’s en punten. In de nieuwe databank, en voor het inladen van een foto via het programma, is het nummer van de case het belangrijkste identificerende attribuut. Zoals te zien in de GUI is schijnbaar enkel het ‘ID number’ vervangen door het ‘Case number’, maar dit vereiste ook in de code heel wat aanpassing. Links zie je de ‘Insert Case’-tab van de oude GUI, rechts de nieuwe.

De aanpassingen in de code dienden vooral te gebeuren in de Handler. Belangrijk hierbij zijn de methodes ‘insertCase’, ‘insertPicture’, en ‘insertPoints’. De grootste veranderingen waren de queries die moesten aangepast worden, aangezien we met een andere databank te maken hebben. Daarnaast moest ook de mogelijkheid bestaan om meerdere foto's binnen een case in te laden. Indien je bij ‘Case number’ het nummer opgeeft van een reeds bestaande (AM) case, dan wordt de nieuwe foto die wordt ingeladen toegevoegd aan diezelfde case. Dit hebben we in de code aangepakt door te controleren of een case al aanwezig is. Indien ja, dan wordt enkel de foto en punten bij de case gevoegd. Indien de

33

case nog niet aanwezig is, wordt ook de case ingevoegd. Zo vermijden we dat eenzelfde case verschillende keren voorkomt in de database. De code die controleert of een case zich al dan niet in de databank bevindt, is terug te vinden in de methode ‘insertCase’ in de Handler. Voor de foto’s wordt bij het inladen automatisch een nummer gegenereerd binnen de databank, net als voor de punten. In de code worden foto's, net als punten, opgeslagen in een array die gelinkt is aan een bepaalde case. In de klassen ‘Case’, ‘Picture’, en ‘Point’ binnen de Handler worden die arrays gedefinieerd. Het toevoegen van een foto aan de databank verloopt volgens een aantal stappen. In de GUI zelf moeten eerst een aantal specificaties in verband met de foto worden ingevuld. Eerst en vooral moet worden geselecteerd om wat voor type van case het gaat: AM of PM. Vervolgens moet het nummer van de case worden opgegeven. Indien je een foto wilt toevoegen aan een case moet je hier het nummer van die bestaande case invullen. Indien je een nieuwe case wilt aanmaken, vul je een onbestaand case nummer in. Bij de volgende vragen moet je enkele eigenschappen van de persoon op de foto en van de foto zelf opgeven. Gaat het om een foto van het linker of het rechteroor? Betreft het een man of een vrouw, en tot welk ras behoort hij of zij? Verder moet je ook nog specificeren hoe de bevestiging van de oorlel is, en of er piercings aanwezig zijn. Ook het jaar waarin de foto is genomen, als het geboortejaar van de persoon in kwestie moeten hier worden opgegeven.

34

De volgende stap bestaat uit het selecteren van de foto via de ‘Load’-knop, en het aanduiden van de punten op de foto. Er moeten twee soorten punten worden aangeduid: referentie punten en ID punten. Eerst moet je de referentiepunten aanduiden op de foto. R1 moet op de top van het kleine bultje aan de binnenkant van het oor aangeduid worden, zoals te zien op de foto hieronder. R2 moet geplaatst worden op het snijpunt van het gezicht met de centrale lijn. Ook hier biedt de foto meer duidelijkheid. Voor het aanduiden van het derde referentiepunt verschijnt er een kruis. Dit kan je vergroten met de rechtermuisknop (indien het kruis op de foto niet duidelijk zichtbaar is, kan ook de kleur worden aangepast met de scroll-knop) zodat het kruis grenst aan de bovenkant en de zijkant van het oor. Daar plaats je het derde referentiepunt.

De laatste stap bestaat uit het aanduiden van de ID punten. Na het aanduiden van R3 verschijnt er automatisch op de foto een raster. Om de ID punten aan te duiden volstaat het de snijpunten van de lijnen van het raster met de buitenkant van de oorschelp aan te duiden. Dit zie je duidelijk op de foto op de volgende bladzijde.

35

Het aantal punten dat moet worden aangeduid, wordt in de code vastgelegd. Er moeten standaard drie referentiepunten worden aangewezen. Het aantal ID punten hebben wij voorlopig ingesteld op vijf. Dit omwille van het feit dat het op deze manier sneller en makkelijker was voor ons om testen uit te voeren, en om het testen vlotter te laten verlopen. Voor een goed gebruik van het programma en voor het bekomen van preciezere resultaten moet het aantal aan te duiden ID punten worden opgeschroefd. Hier geldt ‘hoe meer punten, hoe beter je kan matchen, en hoe nauwkeuriger de resultaten van de vergelijkingen zijn’. Het is belangrijk steeds het aantal punten in te geven, zoals vereist is volgens het programma. Indien je dit niet doet, kan je ook de foto niet inladen. Als je het juiste aantal ID punten hebt aangeduid, ben je klaar om via de ‘Add Case’-knop onderaan de ‘Insert Case’tab van de GUI, de foto toe te voegen aan de database. Als de foto hierop volgend verdwijnt, werd hij succesvol aan de databank toegevoegd.

36

4.5.3 Flexible Matching Deze functionaliteit heeft tot doel het eigenlijke vergelijken van de foto’s. Fundamenteel moest er niets veranderd worden aan de code die instaat voor het matchen. Het was dus niet nodig het wiel opnieuw uit te vinden. Op basis van het bestaande algoritme worden de foto’s met elkaar vergeleken. De enige echte aanpassing is dat in de plaats van een foto met een andere foto te matchen, het programma nu een array van foto’s gaat overlopen, en deze één voor één gaat vergelijken met een bepaalde foto. In de programmacode werd dit vertaald naar een eenvoudige for-lus die ervoor zorgt dat de foto’s één voor één worden overlopen en vergeleken. Er zijn trouwens twee soorten vergelijkingen mogelijk: AM-to-PM en PM-to-AM. Bij een AM-to-PM vergelijking wordt één te selecteren AM case vergeleken met alle PM cases. Bij een PM-to-AM vergelijking moet je één PM case selecteren die daarna vergeleken wordt met alle AM cases. Naast de gewone vergelijking zoals hierboven besproken, zijn er wel nog enkele extra functionaliteiten geïmplementeerd in het matchen. De eerste bestaat erin om, vooraleer we alle foto’s van één geselecteerde AM case gaan vergelijken met alle foto’s van alle PM cases, eerst de foto’s van de geselecteerde AM case onderling te vergelijken om werk te besparen. (We gaan hier uit van een AM-to-PM vergelijking). Op deze manier werkt het programma nadien enkel verder met de beste foto’s. Het aantal foto’s waarmee je wenst verder te werken kan je in de GUI bepalen via ‘Selection size’. Hier kan je een getal ingeven, en dus kiezen met hoeveel foto’s van de geselecteerde AM case het programma verder werkt. Foto’s die onderling slecht matchen, kunnen wijzen op een foto van mindere kwaliteit. Hierdoor kunnen we al vermoeden dat het weinig zin heeft om met die mindere foto(‘s) verder te werken. Op deze manier worden deze foto’s onmiddellijk weggefilterd. De onderlinge vergelijking fungeert als een kwaliteitsschatting van de foto’s binnen één en dezelfde AM case. Het idee hierachter is om enerzijds het programma geen nutteloze bewerkingen te laten uitvoeren met foto’s die ontoereikend zijn en om anderzijds zelf ook enkel verder te werken met de betere foto’s. Namelijk deze die het best onderling overeenkomen alvorens de AM case met alle PM cases te gaan vergelijken. Een tweede extra functionaliteit bij het matchen bestaat erin om bij de eigenlijke vergelijking van AM en PM case(s) te selecteren welk resultaat je wenst te verkrijgen. Je kan ervoor kiezen de foto van de AM case te gebruiken die het beste resultaat geeft, of de foto die het derde beste resultaat geeft. (Ook hier gaan we uit van een AM-to-PM vergelijking). Het komt er op neer om na de vergelijking van de foto’s uit de geselecteerde AM case met alle PM cases, je kan opteren om de beste match als resultaat te krijgen, of de derde beste match.

37

Het idee hierachter om niet enkel de beste match als resultaat te geven, maar ook de mogelijkheid te geven voor de derde beste match, is om toeval uit te sluiten. In het geval voor ‘Best fit’ kunnen we een goed resultaat krijgen op basis van die ene ‘goede’ foto, terwijl, indien we zouden kijken naar de andere foto’s, er juist een slechte overeenkomst zou moeten optreden. Met andere woorden, die ene ‘goede’ foto vertoont een goede overeenkomst op basis van toeval. In het geval van ‘Third best fit’ proberen we die toevalsfactor uit te sluiten. Als we kiezen voor een match met de foto’s die als derde beste naar voren komt, weten we dat er nog 2 foto’s zijn die een nog beter resultaat geven. Als dus die derde beste match al een goed resultaat levert, kan je met een grotere zekerheid zeggen dat de betreffende AM en PM case overeenstemmen. De code voor de ‘Flexible Matching’ bevindt zich in de klasse ‘Matcher’. De belangrijkste methoden hier zijn de methode ‘matchAMtoPM’ (zoals te zien in de afbeelding hieronder), en de methode ‘matchPMtoAM’. Deze methoden maken gebruik van de methodes ‘getAllAMPMCases’ en ‘getCase’ zoals we ze gedefinieerd hebben in de Handler, om de vereiste cases op te roepen. Via de for-lus worden hier de foto’s van de geselecteerde AM case één voor één vergeleken met alle beschikbare PM cases. Onderaan deze methode wordt dan de methode PTV match opgeroepen. De ‘Selection size’ wordt in deze methode via ‘size’ meegegeven; De boolean fit vertelt ons, of we te maken hebben met ‘Best fit’ of ‘Third best fit’.

38

Hieronder volgt (een deel van) de methode ‘PTV match’.

De methode ‘PTV match’ gaat telkens eerst oor, ras en geslacht gaan vergelijken, via de overeenkomstige methode in de klasse ‘Evaluator’. Vervolgens wordt aan de hand van de gemaakte keuzes van de gebruiker de juiste ‘EvaluatePoints’ methode uit de klasse ‘Evaluator’ opgeroepen. De eerste ‘if’ geldt wanneer gekozen werd voor ‘Best fit’ en geen selection size werd opgegeven. De volgende ‘else if’ geldt bij ‘Best fit’ als er wel een selection size werd ingegeven. De tweede ‘else if’ geldt in het geval dat er voor ‘Third best fit’ en geen selection size werd geopteerd, de derde ‘else if’ bij ‘Third best fit’ en wel een selection size. Op die manier wordt de correcte ‘EvaluatePoints’ methode opgeroepen, en kunnen de punten worden vergeleken.

39

Hoe gaat het matchen nu concreet in zijn werk? Eerst en vooral moet in de GUI geselecteerd worden om wat voor ‘Type of Match’ het gaat: een AM-to-PM vergelijking, of een PM-to-AM vergelijking. Daarna selecteer je via ‘Case ID’ welke AM of PM case moet vergeleken worden met respectievelijk alle PM of alle AM cases. Vervolgens kies je nog de ‘Selection size’ waarmee je bepaalt hoeveel foto’s van je geselecteerde case worden meegenomen in de vergelijking. Tenslotte kies je de ‘Type of fit’ waarmee je ofwel het ‘Best fit’, ofwel het ‘Third best fit’ resultaat zal krijgen. Op de afbeelding van de ‘Flexible Matching’-tab van de GUI hieronder worden deze zaken geïllustreerd.

Nu rest enkel nog het interpreteren van de resultaten van de vergelijking, zoals je ze bij wijze van voorbeeld hierboven te zien krijgt. De resultaten krijg je onder de vorm van een cijfer. In dit geval hebben we de AM case ‘test2’ vergeleken met alle PM cases, namelijk ‘test4’ en ‘test5’ (met optie ‘Third best fit’). Per PM case krijg je twee cijfers. Deze cijfers zeggen, allebei onafhankelijk van elkaar, wat de kans is dat het om één en dezelfde persoon gaat of juist niet. Concreet is er hier een 1.0 kans, een zeer grote kans dus, dat het om dezelfde persoon gaat. Daarnaast is er evenwel nog een 0.313 kans dat het niet dezelfde persoon is. Belangrijk is hier ook het aantal ID punten die aangeduid worden op de foto’s. Hoe meer

40

punten je verplicht aan te duiden, hoe meer punten er zijn om mee te vergelijken, en hoe nauwkeuriger de resultaten zullen zijn. Als je dus veertig ID punten zou gebruiken, dan zal je ook veel preciezere resultaten krijgen. Als laatste punt bij ‘Flexible Matching’ nog een woordje over de uitgevoerde testen. De matcher werd voldoende getest teneinde alles naar behoren te kunnen valideren. Hierbij ging ook bijzondere aandacht naar uitzonderingen, en fouten die het programma eventueel zou kunnen genereren. Op die manier werd getracht het programma zo gebruiksvriendelijk mogelijk te maken. Zo werd er bijvoorbeeld aan gedacht om een foutmelding te geven indien de gebruiker de optie ‘Third best fit’ selecteert, maar er zich niet genoeg foto’s (minder dan drie dus) in de case bevinden. In dat geval krijgt de gebruiker het volgende venster te zien.

Ook indien er wel genoeg foto’s in de case aanwezig zijn, maar de gebruiker te weinig foto’s geselecteerd heeft via de ‘Selection size’ (opnieuw minder dan drie foto’s dus) verschijnt de volgende aangepaste foutmelding.

Verder werkt het programma verder met de maximale aanwezige foto’s binnen een case indien de ‘selection size’ die wordt opgegeven groter zou zijn dan het aantal aanwezige foto’s. Als gebruiker merk je hier niets van.

41

4.5.4 View Points Deze functionaliteit bestond ook al in het originele programma. Zelf hebben we hier bijna niets aan veranderd, enkel de manier waarop de nummers van de foto’s verschijnen. In de originele versie bestond het AM en PM nummer enkel uit het case number. Aangezien er per case slechts één foto aanwezig was, was het ook niet nodig om die foto’s te gaan identificeren. Nu staan de zaken er anders voor. We hebben nu te maken met cases waartoe verscheidene foto’s tot kunnen behoren. Daarom wordt het case nummer getoond in combinatie met de positie van de foto binnen de array van foto’s die behoren een bepaalde AM case. Zo weet je de hoeveelste foto binnen een case je kiest. Via deze functionaliteit kan je een foto van een bepaalde AM case selecteren, en een foto van een PM case. De output ervan geeft via punten en lijnen op een grafische manier de vergelijking van beide foto’s weer. Ook hier speelt het aantal ID punten dat op een foto moet worden aangeduid een rol, aangezien je zo een specifieker en nauwkeuriger resultaat zal bekomen.

42

4.5.5 Delete Deze nieuwe functionaliteit was een eigen idee dat we hebben geïmplementeerd. Via deze tab in de GUI kan je ofwel een ganse case ofwel een bepaalde foto uit een case verwijderen. We schreven en implementeerden de code voor deze functionaliteit zelf. De methoden ‘removeCase’ en ‘removePicture’ maken deel uit van de Handler. Andere aanpassingen gebeurden in de code van de GUI. Aanvankelijk was het de bedoeling om enkel de code voor het verwijderen van een case of foto te schrijven in de programmacode, maar uiteindelijk beslisten we toch deze extra functionaliteit te implementeren in een nieuwe tab. Dit is dan wel niet de meest belangrijke functionaliteit van het programma, maar het is toch een leuke handigheid. Bijvoorbeeld in het geval dat er een verkeerde foto aan een case wordt toegevoegd, aan een case een verkeerd nummer wordt meegegeven of wanneer je na verloop van tijd kwalitatief veel betere foto’s ter beschikking krijgt, waardoor je kwalitatief mindere foto’s uit de case kan verwijderen. Vandaar onze keuze om deze functionaliteit toch toe te voegen aan het programma en de GUI. In de dropboxen van zowel ‘Case’ als ‘Picture’ verschijnt na connectie met de databank automatisch een lijst van respectievelijk alle cases en alle foto’s. Hier kan je dan de gewenste case of foto selecteren om deze vervolgens te verwijderen.

43

Het verwijderen van een case gebeurt in een omgekeerde volgorde. Aangezien een case met één of meer foto’s is gelinkt en met die foto’s verscheidene punten, moet men bij het deleten beginnen met de punten te verwijderen, dan de foto’s en dan pas de case. Aangezien we hier te maken hebben met gelinkte tabellen laat dit ons niet toe om eerst de case, dan de foto en pas dan de punten te verwijderen.

4.6 Besluit In dit hoofdstuk werd een overzicht gegeven van de doelstellingen en onze invulling daarvan. Het betreft een neerslag van het eigenlijke werk waarmee we ruim zes weken zijn bezig geweest. We hebben met twee aan deze masterproef gewerkt, wat geen overbodige luxe bleek te zijn. Vooral het aanpassen en volledig debuggen van het programma nam veel tijd in beslag. Zoals reeds vermeld begonnen we onze eerste dagen met het proberen inwerken in het onderwerp. We namen het programma en de programmacode onder de loep, en zochten ook naar achtergrondinformatie over Disaster Victim Identification. Al snel kwamen de eerste ideeën over hoe we de databank en het programma zouden gaan aanpassen, en dus konden we verder aan de slag. Het opstellen van het EER-diagram verliep vrij vlot, al moesten we toch geregeld aanpassingen maken na wat brainstormen en nadenken over het eigenlijke doel en functie van het programma. Al vanaf de eerste stap was het nodig de uiteindelijke doelstelling voor ogen te houden. Ook de omzetting van het EER-diagram naar een relationeel databankschema konden we snel maken. Net zoals voor het ontwikkelen van het EER-diagram vormde het boek van professor De Tre hier de perfecte leidraad. De implementatie van het relationeel databankschema in een databank vergde al wat meer zoekwerk. Maar uiteindelijk bood de interface van Access 2007 voldoende ondersteuning en hulp. Nu de database gecreëerd was, konden we volop beginnen aan het aanpassen van de programmacode. Het aanpassen van de programmacode kostte het meeste tijd en werk. Ook hier begonnen we aanvankelijk samen achter één computer, maar al snel bleek dat het programmeren een werk van lange adem zou zijn. Omdat er op die manier te veel tijd zou zitten tussen het

44

programmeren en de schriftelijke neerslag ervan, opteerden we ervoor de taken te verdelen: ik begon al met het schrijven van het boek van de masterproef, terwijl Dries zich voornamelijk bezig hield met de programmacode. Aangezien we zij aan zij aan een bureau werkten, konden we zowel over het programmeerwerk als over het boek nog steeds makkelijk ideeën uitwisselen met elkaar. En het had bovendien als voordeel dat we beter konden doorwerken. Op deze manier vonden we een ideale synergie om te werken. We pakten de programmacode in een logische volgorde aan. Eerst werd functionaliteit om een case toe te voegen aan de databank in orde gebracht. Zonder cases en foto’s in de databank konden we immers ook de vergelijking niet testen. Vervolgens werd dan de matcher aangepast aan de nieuwe databank. Deze functionaliteiten konden we nadien volop testen aangezien een groot aantal AM en PM oorfoto’s beschikbaar waren. In een laatste stap werd ook de ‘View Points’-functionaliteit en de nieuwe ‘Delete’-functionaliteit geïmplementeerd en geconfigureerd. Ook hier werd in ruime mate getest, en werd ook rekening gehouden met uitzonderingen. Op deze manier hebben we dus de doelstelling volbracht. We zijn erin gelukt de vergelijking uit te breiden van een 1 op 1 vergelijking naar een 1 op N vergelijking. Door het ontwerp van zowel databank als programma is het zelfs mogelijk meerdere PM foto’s aan één PM case toe te voegen. Samen met de promotor en de assistenten gingen we in principe steeds uit van het feit dat een PM case slechts uit één foto bestaat, maar het kan misschien ook handig zijn meerdere PM foto’s per case te hebben. Bijvoorbeeld zowel een foto van het linker- als van het rechteroor. Dankzij het huidige ontwerp van de databank is het ook mogelijk meerdere PM foto’s in één PM case te stoppen. Het programma biedt ons nu een mogelijkheid om mensen te gaan identificeren op basis van één foto. Hierbij is een kwaliteitsschatting geïmplementeerd voor de AM foto’s onderling. In de toekomst zouden we dit nog kunnen doortrekken en die kwaliteitschatting gaan doorvoeren op het niveau van de punten. Beschouw enkele foto’s die behoren tot een AM case. Van al die foto’s is er geen ‘perfecte’ foto beschikbaar. Met andere woorden, binnen de foto’s kan niet ieder punt nauwgezet worden aangeduid omwille van haren die ervoor hangen, slechte hoek, slechte kwaliteit, … . Daar we weten dat alle foto’s binnen de AM case behoren tot één en dezelfde persoon zouden we alle overeenkomstige punten van de verschillende foto’s met elkaar kunnen vergelijken om telkens het ‘beste’ punt te behouden. Zo worden gaten binnen foto’s opgevuld en bekomen we de ‘perfecte’ foto op basis van die samenvoeging van verschillende foto’s.

45

Hoofdstuk 5: Algemene conclusie De doelstelling van onze masterproef was om een testdatabank voor biometrische oorvergelijking uit te breiden. We zijn geslaagd in deze opdracht, en het is dan ook gelukt de vergelijking uit te breiden van een 1 op 1 vergelijking naar een 1 op N vergelijking. Concreet moet het nu mogelijk zijn om bijvoorbeeld in het geval van een vermiste persoon een AM case aan te maken die bestaat uit meerdere foto’s. Deze foto’s zullen allemaal van een verschillende kwaliteit zijn, en vanuit variërende invalshoeken getrokken zijn. Wanneer dan een ongeïdentificeerd lichaam wordt teruggevonden kan men hier een PM case van maken (bestaande uit één optimale foto), en deze case gaan vergelijken met alle AM cases die op dat moment in de databank zitten. Omgekeerd is het ook mogelijk om één AM case bestaande uit verschillende foto’s, in één keer te gaan vergelijken met alle PM cases. Uiteraard is er voor de optimalisatie van deze techniek nog verdere uitwerking nodig, en moet er bovendien nog meer getest worden. Toch zijn de resultaten al vrij positief, en kan deze techniek hopelijk in de toekomst een rol gaan spelen bij slachtofferidentificatie, en daarmee diensten zoals het DVI-team helpen met hun moeilijke en bewonderenswaardige taak. Mocht deze techniek geen definitief uitsluitsel kunnen geven wat de identificatie betreft, dan kan de oorvergelijkingstechniek misschien toch een ondersteunende methode vormen voor andere identificatiemethodes. In deze masterproef opteerden we ervoor om eerst enkele inleidende hoofdstukken aan te brengen om zo meer achtergrond te hebben omtrent het onderwerp. In hoofdstuk 2 werd een algemeen beeld gegeven van de dienst DVI. Als partner bij het ontwikkelen van dit programma leek het ons evident deze dienst voor te stellen, en dieper in te gaan op enkele facetten. Hoofdstuk 3 gaf op een bondige manier de geschiedenis van ooridentificatie weer, en ging specifiek in op de ooridentificatiemethode van Iannarelli. Aangezien ook het programma vergelijkt op basis van deze methode, werd deze methode kort toegelicht. Hoofdstuk 4 was dan de samenvatting van onze behaalde resultaten. De ontwikkeling van het EER-diagram, de omzetting ervan naar een relationeel databankschema, en zelfs de implementatie in een databank gebeurden allemaal vrij vlot. Dit had zonder twijfel te maken met het stap voor stap te werk gaan. Aanvankelijk maakten we nog de fout onmiddellijk te willen gaan aanpassen in de databank zelf. Al snel bleek echter dat het veel makkelijker werken was gewoon stap voor stap te volgen. Vooral in de aanpassing van de programmacode is de meeste tijd gekropen. Dit komt ook tot uiting in het verslag van de verschillende opdrachten. Het inwerken in een programmacode die door iemand anders

46

werd geschreven, was zeker geen sinecure. En daarbij komt ook nog dat wij nog niet echt veel ervaring hebben in het programmeren. Positief was wel dat er al veel commentaar in de programmacode stond, en wij voor het programmeren zelf veel code konden hergebruiken. Het was dus een uiterst intensieve opdacht, maar ook een zeer interessante en leerrijke. Ook vanuit onze gedeelde criminologische achtergrond was het bijzonder boeiend om rond dit onderwerp te werken. Rest ons enkel nog een aantal aanbevelingen te doen naar de toekomst toe. Het moet duidelijk zijn dat het programma nog niet helemaal klaar is om effectief op het terrein te worden gebruikt. Er zijn absoluut nog meer testen nodig met echte data, met echte AM en PM foto’s en cases. Enkel zo kan de echte waarde van het programma naar voor komen. Meer validatie is dus een must. Een verdere uitwerking van het programma is bovendien ook wenselijk. Foto’s worden nu aan een kwaliteitsschatting onderworpen op het niveau van de foto. Laten we dit proberen uitbreiden tot op het niveau van de punten, zodat overeenkomstige punten van verschillende foto’s beoordeeld worden. Fouten en gaten binnen foto’s door slechte kwaliteit, slechte hoeken, haren die ervoor hangen, … allerlei factoren die ons belemmeren een punt aan te duiden, kunnen zo worden opgevangen. Zo zouden we telkens het ‘beste’ punt kunnen behouden om uiteindelijk alle punten samen te voegen en zo de perfecte foto te bekomen om mee te matchen. Daarnaast zou het misschien ook handiger zijn om de resultaten van de vergelijking gebruiksvriendelijker te maken. Momenteel worden die nog voorgesteld door een getal dat de kans weergeeft in hoeverre de foto’s van twee cases al dan niet overeenstemmen. Werken met een percentage, of een puntenschaal die op een duidelijke manier aangeeft hoe goed de foto’s in de vergelijking overeenkomen, kan praktischer en interessanter zijn voor de gebruikers, in de eerste plaats de mensen van DVI. Als een vergelijking een positief resultaat geeft in het programma, hoeveel zekerheid hebben we dan dat het effectief om de juiste persoon gaat? Het interpreteren van de resultaten moet simpeler worden, en ook hier moeten nog meer testen uitgevoerd worden. De wetenschappelijke waarde van ooridentificatie is nog steeds een heikel punt van discussie. Dit werd duidelijk tijdens de zoektocht naar literatuur in verband met de ooridentificatiemethode van Iannarelli. Er is meer wetenschappelijk onderzoek nodig naar de uniciteit van oren. Zonder wetenschappelijke staving kunnen we ook dit programma en deze databank niet verder gebruiken. De waarde van de resultaten hangt hier immers van af.

47

Ooridentificatie verdient absoluut meer (wetenschappelijke) aandacht. DNA geeft dan wel een zeer grote zekerheid, maar het is duur en lang niet altijd voorhanden. Ooridentificatie zou een relatief eenvoudige en goedkope manier kunnen worden om mensen (zowel daders als slachtoffers) te identificeren. Of op zijn minst een ondersteunende techniek die ons in de goede richting kan leiden ter identificatie van personen.

48

Bibliografie BOURDOUX, G.L., DE RAEDT, E., DE MESMAEKER, M., LINERS, A. en BERKMOES, H., De wet op het politieambt. Het handboek van de politiefunctie, Brussel, Politeia, 2003, 429p. DE KUPPER, T., Necrosearch: een multidisciplinair samenwerkingsverband tussen DVI België en forensische deskundigen., (Scriptie Lic. Criminologie), Gent, 2004-2005, 152p. DE POOT, D., DE WINNE, J., Als doden een gezicht krijgen, Leuven, Uitgeverij Van Halewyck, 2007, 286p. DE TRE, G., Principes van databases, Pearson Education Benelux, 2007, 424p. DE WINNE, J., De politionele aspecten van rampenplanning. Taken van algemene politie en slachtofferidentificatie bij rampen, Etterbeek, 16p. (rapport) DE WINNE, J., DVI Belgium, http://www.piba.be/viewDownload.aspx?Docid=338, 9 januari 2009, 37p. (brochure) EGAN T., ‘Are Dutch ears different from American Ears?’ A comparison of Evidence Standards, [WWW] http://www.forensic-evidence.com/site/ID/ID00004_1.html [06/05/09]. ORTEGAT-TRAEN,

T.,

De

waarde

van

de

ooridentificatie

als

forensiche

identificatiemethode., (Scriptie Lic. Criminologie), Gent, 2006-2007, 81p. OWEN, D., Hidden evidence, London, Quintet Publishing Limited, 2000, 240p. PORTE, R., Disaster Victim Identification bij de ramp met de Herald of Free Enterprise. (Diss. Lic. Criminologie), Gent, 1990-1991, 60p. SAFERSTEIN R., Criminalistics, an introduction to forensic science, Prentice Hall, New Jersey, 2001, 579p. SMEYERS, E., De identificatie van lijken bij rampen. (Diss. Lic. Criminologie). Gent, 19992000, 79p.

49

SWIFT B., RUTTY G.N., The human ear: Its role in forensic practice, Journal of Forensic Sciences, 2003, vol. 48 (1), p 153-160. TIMPERMAN,

J.

en

PIETTE,

M.,

Gerechtelijke

geneeskunde,

Deurne,

Kluwer

Rechtswetenschappen België, 1992, 211p. VAN DE WEYER, A., Het D.V.I. binnen de gereorganiseerde politie in België., (Scriptie Lic. Criminologie), Gent, 2002-2003, 71p. VERVAST, G., ‘Disaster Victim Identification Team. DVI wil de doden een laatste keer doen spreken’, Menzo, 2004, 49-55. X. (z.d.), Directie van de speciale eenheden (CGSU) [WWW]. http://www.polfedfedpol.be/org/org_cg_dsu_nl.php [22/04/09]

50

51