When forensic examiners try to identify the perpetrator of a felony, they use individual facial marks when comparing the suspect with the perpetrator. Facial marks are often used for identification and they are nowadays found manually. To speed up this process, it is desired to detect interesting facial marks automatically. This master thesis describes a method to automatically detect and separate permanent and non-permanent marks. It uses a fast radial symmetry algorithm as a core element in the mark detector. After candidate skin mark extraction, the false detections are removed depending on their size, shape and number of hair pixels. The classification of the skin marks is done with a support vector machine and the different features are examined. The results show that the facial mark detector has a good recall while the precision is poor. The elimination methods of false detection were analysed as well as the different features for the classifier. One can conclude that the color of facial marks is more relevant than the structure when classifying them into permanent and non-permanent marks. / När forensiker försöker identifiera förövaren till ett brott använder de individuella ansiktsmärken när de jämför den misstänkta med förövaren. Dessa ansiktsmärken identifieras och lokaliseras oftast manuellt idag. För att effektivisera denna process, är det önskvärt att detektera ansiktsmärken automatiskt. I rapporten beskrivs en framtagen metod som möjliggör automatiskt detektion och separation av permanenta och icke-permanenta ansiktsmärken. Metoden som är framtagen använder en snabb radial symmetri algoritm som en huvuddel i detektorn. När kandidater av ansiktsmärken har tagits, elimineras alla falska detektioner utifrån deras storlek, form och hårinnehåll. Utifrån studiens resultat visar sig detektorn ha en god känslighet men dålig precision. Eliminationsmetoderna av falska detektioner analyserades och olika attribut användes till klassificeraren. I rapporten kan det fastställas att färgskiftningar på ansiktsmärkena har en större inverkan än formen när det gäller att sortera dem i permanenta och icke-permanenta märken.

Möjligheten för individer att uttrycka sig på internet har underlättat för det fria ordet, som är en demokratisk grundsten i vårt samhälle. Baksidan av detta mynt är att alltmer våldsam radikalisering sker runt om på digitala plattformar. I digitala miljöer sprids idag våldsbejakande propaganda där våldsverkare hyllas som hjältar, våld mot fienden rättfärdigas, och instruktioner om hur attentat kan genomföras delas. För socialt utsatta individer som får sin verklighetsförankring i dessa våldsbejakande digitala miljöer kan världsuppfattningen ändras till den grad att de till slut själva väljer att utföra grova våldsdåd. Att kunna identifiera digitala plattformar där diskussioner om våld är mer vanligt förekommande kan därför ge en första indikation på vilka sidor som riskerar att potentiellt främja våldsutövning. Tidigare forskning om hotbedömning genom textanalys har främst fokuserat på att identifiera individer som utgör ett hot. Mindre utrymme har ägnats åt att utveckla metoder som istället kan identifiera gemenskaper som utgör ett hot för individen. Det saknas idag applicerbara och validerade metoder som genom automatiserad textanalys kan mäta diskussioner om våld på digitala forum. Arbetets forskningsmål var att skapa en metod som ska kunna mäta förekomsten av våld i diskussioner på digitala plattformar, och tillämpar metodramverket designforskning. Genom både kvalitativa och kvantitativa metoder skapades en ordlista över en mängd våldsuttryck som används på flera samtida sociala medier. Programkod utvecklades för att automatiskt kunna räkna antalet förekommande våldsuttryck i en given textsamling. Genom tidigare tillgänglig data från flera olika forum utfördes en testning och utvärdering av metoden. Resultaten visar att våldsuttryck var upp till 100 gånger mer vanligt förekommande på vissa av de mer kända högerextrema forumen jämfört med mer generella diskussionsforum. Spektrumet är i linje med vad som initialt skulle kunna förväntas utifrån karaktären på dessa olika forum och indikerar därmed att metoden levererar realistiska resultat. En djupare kvalitativ analys av inläggen skulle vara nödvändig för att identifiera hur stor del av de identifierade våldsuttrycken tas upp i diskussioner med en positiv inställning till våld. / Individuals being able to express themselves on the internet has been a boon to free speech, a democratic pillar to our community. The backside of this is that an increasing amount of violent radicalization is happening all over social media. At this moment, propaganda that praises violence is being spread on digital platforms, where violent perpetrators are praised as heroes, violence against "the enemy" is justified, and instructions on how to perform violent attacks are being spread. Socially vulnerable individuals repeatedly exposed to violent social communities can have their worldview change so drastically that they end up committing violent crimes. That is why identifying digital platforms where discussions about violence are more commonly occurring could give a first indication of which sites pose a higher risk of promoting violent attacks. Previous research on threat assessment through text analysis has mainly focused on detecting warning behaviours in radicalised individuals. Less room within this area of research has been given to developing methods that instead identify communities that can pose a risk to the individual. Therefore, there is a lack of applicable and validated methods that can measure discussions of violence on social media through automated text analysis. The research goal of this thesis was to create a method that can measure the occurrence of violent discussions on digital platforms using the method framework Design Science. A list of violent words and expressions commonly used on social media was created with qualitative and quantitative methods. Code was then developed to automatically count the number of occurrences of these expressions in a given text. Testing and evaluation of the method were carried out with data previously made available from several forums. The results show that violent expressions occurred up to 100 times more often on some of the more known right-wing extremist forums than on more general discussion forums. The resulting spectrum aligns with what one initially could expect to find by judging the character of these forums and therefore indicates that the method delivers accurate results. A deeper qualitative analysis of the posts would be necessary to identify how many of the identified violent expressions appeared in discussions with a positive attitude toward violence.