机器学习加速了法医指纹比对:算法表现媲美人类专家

judy 提交于 周五, 08/18/2017
机器学习加速了法医指纹比对:算法表现媲美人类专家

指纹是司法鉴定领域的一个重要部分,尽管我们已经在荧幕上见识过很多“高大上”的场景和剧情,但在现实生活中,分析和比对指纹依然是一项相当繁重的专家工作。好消息是,美国国家标准与技术研究所(NIST)与密歇根州立大学的科学家们,已经开发出了一套借助机器学习技术和算法的自动化流程,让指纹比对工作变得更具效率。通过智能手机内建的指纹传感器,使得面向司法鉴定的自动指纹分析看似轻而易举。

新算法有助于读取脏污或不完整的指纹。

新算法有助于读取脏污或不完整的指纹。

智能机用户在录入指纹的时候,需要给出多个角度的清晰指纹,以便日后用于系统的快速比对和解锁。问题在于,犯罪嫌疑人基本不会给法医们留下这么好的现场物证。

通常情况下,法医只能采集到不完整、扭曲、涂污、或留在其它图案上方的指纹,比如难以读取的银行票据,因此更不用提分析和匹配了。

正因如此,指纹分析是一项以人为主、费时费力的专家工作。其不仅需要在警方文档中的进行比对,还需确定是否有足够多的信息去寻找匹配。

当前的计算机化系统可在受控条件下采集十指的指纹,但在现实生活中的可操作性并不强。即便有了自动化指纹识别系统(AFIS),但若没有对提供的信息进行适当的审查,就极有可能增加匹配出错的结果。

不过 NIST/密歇根州立大学的团队,就在这方面做了充分的工作,目前看来也最有希望实现自动化,从而加快匹配过程、减少工作积压。

研究人员们请来了 31 名指纹专家,让他们分析 100 份潜藏的指纹,然后给出 1~5 之间的品质评级,以便借助机器学习技术来训练其算法。

之后,该系统的又针对一组新案例进行了性能测试,然后将评分提交给 AFIS(其连接了超过 25 万的潜藏指纹数据库),正确的搜索结果会被给出相应的品质评分。

为消除隐私问题,研究中从密歇根州警署数据库中抽调的指纹,均已被抹去了与个人身份相关的信息。研究团队表示,其品质与精确度有一致相关性,低质量分的指纹会产生更多错误的结果。

相比之下,高质量分的指纹,算法的表现比人类专家还略胜一筹。下一步,该团队将尝试改进算法,并通过更大的数据集来检验和降低其错误率。

有关这项研究的详情,已经发表在近日出版的 IEEE《信息取证与安全事务》(Transactions on Information Forensics and Security)期刊上。

相关文章

Digi-Key