当我们通过指纹读取器访问智能手机时，我们每天都有无数次的指纹匹配。干净的整体指纹对于完善这场比赛至关重要。但是作为法医过程，指纹分析比以前有些脏。犯罪现场的潜在印刷经常被弄脏，扭曲，不完整和部分烙印。结果是一门法医科学，通常依靠专家从业者之间的主观解释。
美国国家标准技术研究所（NIST）和密歇根州立大学（MSU）的科学家开发了一种算法，该算法在指纹分析过程中自动化了关键步骤。该系统将帮助指纹检查人员更有效地处理证据，同时减少错误的可能性。
“我们知道，当人类分析犯罪现场指纹时，这一过程本质上是主观的。”说NIST的计算机工程师，研究的合着者Elham Tabassi。“通过降低人类的主观性，我们可以使指纹分析更加可靠，更有效。这意味着我们将能够研究错误，并找到随着时间的推移来修复它们的方法。”
目前，大多数执法机构都使用自动指纹识别系统（AFIS），该系统使用数字成像技术来获取，存储和分析指纹数据。但是，图像质量差，匹配细节的匮乏或主观错误有时会产生错误的结果。
“如果您向没有足够信息的AFI提交印刷品，那么您更有可能获得错误的匹配项，” Tabassi说。另一方面，“如果您不提交实际上确实有足够信息的印刷品，肇事者就会脱离钩子。”
为了构建其算法，科学家使用了机器学习，这需要大量的数据集进行培训和测试。到目前为止，由于隐私问题，研究人员无法使用大量潜在指纹数据集。在这种情况下，密歇根州警察在首次删除了所有识别信息的数据后，向研究人员提供了测试数据集。
Tabassi说：“我们已经根据250,000印刷的数据库来运行算法，但我们需要对数百万的算法进行操作。”“这样的算法必须非常可靠，因为生活和自由受到威胁。”
为了获得培训示例，研究人员有31位指纹专家分析了100张潜在印刷品，每个标准的质量为1到5。这些印刷品及其分数用于训练算法，以确定潜在印刷品包含多少信息。
训练完成后，研究人员通过获得新的潜在印刷品来测试算法的性能。然后，他们将这些评分打印的印刷品提交给了AFIS软件，该软件连接到一个超过250,000卷印刷品的数据库。所有潜在的印刷品在该数据库中都有匹配，他们要求AFIS找到它。
该测试方案与实际案例工作不同，因为研究人员知道每个潜在印刷品的正确匹配。如果评分算法正常工作，那么AFI的能力发现正确匹配应与质量得分相关，NIST报告。In other words, prints scored as low-quality should be more likely to produce erroneous results—that’s why it’s so important to not inadvertently submit low-quality prints to AFIS in real casework—and prints scored as high-quality should be more likely to produce the correct match.
根据对NIST而言，评分算法的表现略高于研究中涉及的人类检查员的平均值。
他们的研究发表在IEEE信息取证和安全性交易。
总取证部门 - 分析仪器，指纹识别，药物识别，计算机取证和所有其他壁nir-变得很可观，并且正在迅速增长。
在十月的报告中法医技术：新的和不断增长的市场，B乐动体育-西甲2019赞助商CC研究估计，从2017年到2022年，美国法医产品和服务的总销售额将以7.7％的复合年增长率增长，达到结束年的192亿美元。
