Rechtsmedizin

, Volume 27, Issue 6, pp 528–535 | Cite as

A novel experimental approach for classifying blood trails in relation to three different speeds of movement

  • A.-K. Kröll
  • M. Kettner
  • P. Schmidt
  • F. Ramsthaler
Original articles
First Online:
  • 176 Downloads

Abstract

Purpose

When leaving a crime scene, bloodstained victims or offenders typically leave bloodstain patterns with a characteristic distribution and shape determined by the direction and speed of travel. The primary aim of this study was to examine whether shape and size characteristics of bloodstain patterns provide a method to accurately classify speed and arm movement.

Material and methods

In this study five subjects experimentally generated blood trails while moving over a distance of 10 m with a blood source mounted on the right arm. A tear-resistant paper placed on the ground captured the blood pattern. The subjects travelled this distance at three speeds (walking, jogging and running) and with two different associated arm movements (swinging arm versus non-swinging arm).

Results

By simple visual inspection characteristic geometric bloodstain pattern were identified: When moving slowly with a swinging arm, loop-like drip patterns, loops, were created. In contrast, slow movement with a non-swinging arm resulted in patterns resembling waves. The length and width of the loops and waves significantly increased in correlation with the step length (cm) and speed of motion (m/s). When analysis was limited to walking and running experiments, a significant, correct classification was achieved in 89% by including length and width (cm) of the loops and waves in a derived discrimination function. A new discriminant formula for differentiating between blood trails caused by walking and running movement is presented.

Conclusion

The analysis of the distribution and dimension of loop and wave-like drip patterns, including the speed of movement and biomechanical properties (i. e. arm movement) can greatly contribute to professional crime scene reconstruction.

Keywords

Blood stains Forensic medicine Models, biological Physical phenomena Crime  

Neuer experimenteller Ansatz zur Klassifizierung von Blutspuren in Bezug auf drei Bewegungsgeschwindigkeiten

Zusammenfassung

Hintergrund

Blutende Opfer oder blutbehaftete Personen hinterlassen beim Fortbewegen, bzw. beim Verlassen von Tatorten Blutspuren in Form von Tropfspuren, deren Form und Verteilung mögliche Rückschlüsse auf die jeweilige Bewegungsgeschwindigkeit und Bewegungsrichtung gestatten. Primäres Ziel dieser Studie war es zu prüfen, ob die Form- und Größeneigenschaften von Blutspurenmustern sich dafür eigenen, Geschwindigkeit und Armbewegungen exakt zu klassifizieren.

Methoden

Fünf Probanden erzeugten jeweils auf einer mit Papier ausgelegten Laufstrecke von 10 m geschwindigkeits- und bewegungsabhängige Tropfpfade. Die blutende Verletzung wurde durch eine am rechten Arm angebrachte, artifizielle Blutungsquelle imitiert. Die Probanden legten die Laufstrecke in drei Bewegungsgeschwindigkeiten (Gehen, Joggen und Rennen) und mit jeweils zwei bewegungsassoziierten Armpendelbewegungen (frei schwingender Arm/festgehaltener Arm) zurück.

Ergebnisse

Bereits visuell konnte eine geometrische Unterscheidung der Spurenbilder in „loops“ und „waves“ erfolgen, wobei „loops“ bei einem schwingenden Arm und „waves“ bei einem festgehaltenen Arm erzeugt wurden. Sowohl die Länge (cm), als auch die Breite (cm) der „loops“ und „waves“ nahm in Abhängigkeit von der Schrittlänge (cm) und Geschwindigkeit (m/s) zu (p < 0,001). In 89 % der Fälle konnte eine signifikante Klassifikation der Spurenbilder anhand der Länge und Breite (cm) in die Geschwindigkeitsklassen „Gehen“ und „Rennen“ erfolgen. Wir präsentieren eine Diskriminanzfunktion zur Einteilung der Spurenbilder in „Gehen“ und „Rennen“.

Schlussfolgerung

Könnte eine Tropfspur mögliche Rückschlüsse auf die Bewegungsgeschwindigkeit geben, empfiehlt sich im praktischen Alltag die Vermessung von Länge und Breite der Spurenbilder. Unter Voraussetzung entsprechender Blutspurenmuster kann dann einen Schätzung der Bewegungsgeschwindigkeit erfolgen.

Schlüsselwörter

Blutspuren Rechtsmedizin Biologische Modelle Physikalische Phänomene Verbrechen 
This is a preview of subscription content, log in to check access.

Notes

Compliance with ethical guidelines

Conflict of interests

A.-K. Kröll, M. Kettner, P. Schmidt and F. Ramsthaler declare that they have no competing interests.

This article does not contain any studies with human participants or animals performed by any of the authors.

References

  1. 1.
    Kabaliuk N, Jermy MC, Williams E, Laber TL, Taylor MC (2014) Experimental validation of a numerical model for predicting the trajectory of blood drops in typical crime scene conditions, including droplet deformation and breakup, with a study of the effect of indoor air currents and wind on typical spatter drop trajectories. Forensic Sci Int 245c:107–120.  https://doi.org/10.1016/j.forsciint.2014.10.020 CrossRefGoogle Scholar
  2. 2.
    Illes MB, Carter AL, Laturnus PL, Yamashita AB (2015) Use of the Backtrack computer program for bloodstaib pattern analysis of stains from downward-moving drops. Can Soc Forensic Sci J 38(4):213–218CrossRefGoogle Scholar
  3. 3.
    Knock C, Davison M (2007) Predicting the position of the source of blood stains for angled impacts. J Forensic Sci 52(5):1044–1049.  https://doi.org/10.1111/j.1556-4029.2007.00505.x CrossRefPubMedGoogle Scholar
  4. 4.
    Buck U, Kneubuehl B, Nather S, Albertini N, Schmidt L, Thali M (2011) 3D bloodstain pattern analysis: ballistic reconstruction of the trajectories of blood drops and determination of the centres of origin of the bloodstains. Forensic Sci Int 206(1–3):22–28.  https://doi.org/10.1016/j.forsciint.2010.06.010 CrossRefPubMedGoogle Scholar
  5. 5.
    Behrooz N, Hulse-Smith L, Chandra S (2011) An evaluation of the underlying mechanisms of bloodstain pattern analysis error. J Forensic Sci 56(5):1136–1142.  https://doi.org/10.1111/j.1556-4029.2011.01835.x CrossRefPubMedGoogle Scholar
  6. 6.
    Peschel O, Kunz SN, Rothschild MA, Mutzel E (2011) Blood stain pattern analysis. Forensic Sci Med Pathol 7(3):257–270.  https://doi.org/10.1007/s12024-010-9198-1 CrossRefPubMedGoogle Scholar
  7. 7.
    Hulse-Smith L, Illes M (2007) A blind trial evaluation of a crime scene methodology for deducing impact velocity and droplet size from circular bloodstains. J Forensic Sci 52(1):65–69.  https://doi.org/10.1111/j.1556-4029.2006.00298.x CrossRefPubMedGoogle Scholar
  8. 8.
    Laber TL (1985) Diameter of a bloodstain as a function of origin: distance fallen, and volume of drop. Int Assoc Bloodstain Pattern Anal News 2(1):12–16Google Scholar
  9. 9.
    MacDonell H (1971) Flight characteristics and stain patterns of human blood. Law Enforcement Assistane Administration. National Institute of Law Enforcement and Criminal Justice, WashingtonGoogle Scholar
  10. 10.
    Kabaliuk N, Jermy MC, Morison K, Stotesbury T, Taylor MC, Williams E (2013) Blood drop size in passive dripping from weapons. Forensic Sci Int 228(1–3):75–82.  https://doi.org/10.1016/j.forsciint.2013.02.023 CrossRefPubMedGoogle Scholar
  11. 11.
    Attinger D, Moore C, Donaldson A, Jafari A, Stone HA (2013) Fluid dynamics topics in bloodstain pattern analysis: comparative review and research opportunities. Forensic Sci Int 231(1–3):375–396.  https://doi.org/10.1016/j.forsciint.2013.04.018 CrossRefPubMedGoogle Scholar
  12. 12.
    Arthur RM, Cockerton SL, de Bruin KG, Taylor MC (2015) A novel, element-based approach for the objective classification of bloodstain patterns. Forensic Sci Int 257:220–228.  https://doi.org/10.1016/j.forsciint.2015.08.028 CrossRefPubMedGoogle Scholar
  13. 13.
    Pontzer H, Holloway JHT, Raichlen DA, Lieberman DE (2009) Control and function of arm swing in human walking and running. J Exp Biol 212(Pt 4):523–534.  https://doi.org/10.1242/jeb.024927 CrossRefPubMedGoogle Scholar
  14. 14.
    Bruijn SM, Meijer OG, Beek PJ, van Dieën JH (2013) Assessing the stability of human locomotion: a review of current measures. J R Soc Interface 10:20120999CrossRefPubMedPubMedCentralGoogle Scholar
  15. 15.
    Ballesteros ML, Buchthal F, Rosenfalck P (1965) The pattern of muscular activity during the arm swing of natural walking. Acta Physiol Scand 63:296–310.  https://doi.org/10.1111/j.1748-1716.1965.tb04069.x CrossRefPubMedGoogle Scholar
  16. 16.
    Lieberman DE, Bramble DM, Raichlen DA (2007) Integration of the head and forelimb in bipedal hominids. J Morphol 268:1099Google Scholar
  17. 17.
    Bruening DA, Frimenko RE, Goodyear CD, Bowden DR, Fullenkamp AM (2015) Sex differences in whole body gait kinematics at preferred speeds. Gait Posture 41(2):540–545.  https://doi.org/10.1016/j.gaitpost.2014.12.011 CrossRefPubMedGoogle Scholar

Copyright information

© Springer Medizin Verlag GmbH 2017

Authors and Affiliations

  • A.-K. Kröll
    • 1
  • M. Kettner
    • 2
  • P. Schmidt
    • 1
  • F. Ramsthaler
    • 1
  1. 1.Institute of Legal MedicineUniversity of SaarlandHomburg/SaarGermany
  2. 2.Institute of Legal MedicineGoethe UniversityFrankfurt/MainGermany

Personalised recommendations