现场图作为刑事案件现勘记录的重要组成部分,是进行犯罪现场重建的重要依据,是侦查破案的重要信息来源。在目前大数据技术、人工智能技术飞速发展的背景下,使用计算机辅助方法对刑事案件现场图中信息归类分析将成为未来“信息化勘查”的发展趋势。现场图的自动分类则为实现此目标奠定了基础。本文依据时代背景提出了现场图自动分类的研究问题,并且提出了基于卷积神经网络的现场图自动分类方法。首先,通过查阅相关资料,总结了现场图的多种分类标准以及制图标准,并且根据实际需要及调研结果的基础上提出了本文采用的分类标准及制图标准。其次,通过对多年从事刑侦工作人员的走访调查以及对全国公安机关现场勘验系统中现场图数据的调查,确定了建立的现场图数据集中应当包含的现场图种类,并利用系统中现有现场图先后构建了现场图数据集基础版和改良版,最终改良版数据集中包括64 098幅现场图和作为负类的27162张现场照片。再者,结合经典卷积神经网络结构的设计思想,先后提出了适用于现场图自动分类问题的基础版卷积神经网络结构CSSNet(Crime Scene Sketch Net)和改良版网络结构XCTNet(现场图网络)。最后,使用准确度、ROC曲线、混淆矩阵等方式分别展现了CSSNet和XCTNet的性能,并提取出分类错误的图像,分析该网络结构的分类性能。实验结果表明最终改良版网络结构XCTNet模型参数量仅为AlexNet的十分之一的条件下,在测试集上的分类准确度达到了98.65%,相比较AlexNet提升了3.8个百分点。其中,模型对地图方位示意图、现场平面示意图和负类的识别精度较高,对自绘方位示意图的识别精度有待提升。