機器學習加速了法醫指紋比對：算法表現媲美人類專家
指紋是司法鑒定領域的一個重要部分，盡管我們已經在熒幕上見識過很多“高大上”的場景和劇情，但在現實生活中，分析和比對指紋依然是一項相當繁重的專家工作。好消息是，美國國家標準與技術研究所（NIST）與密歇根州立大學的科學家們，已經開發出了一套借助機器學習技術和算法的自動化流程，讓指紋比對工作變得更具效率。通過智能手機內建的指紋傳感器，使得面向司法鑒定的自動指紋分析看似輕而易舉。
新算法有助于讀取臟污或不完整的指紋。
智能機用戶在錄入指紋的時候，需要給出多個角度的清晰指紋，以便日后用于系統的快速比對和解鎖。問題在于，犯罪嫌疑人基本不會給法醫們留下這么好的現場物證。
通常情況下，法醫只能采集到不完整、扭曲、涂污、或留在其它圖案上方的指紋，比如難以讀取的銀行票據，因此更不用提分析和匹配了。
正因如此，指紋分析是一項以人為主、費時費力的專家工作。其不僅需要在警方文檔中的進行比對，還需確定是否有足夠多的信息去尋找匹配。
當前的計算機化系統可在受控條件下采集十指的指紋，但在現實生活中的可操作性并不強。即便有了自動化指紋識別系統（AFIS），但若沒有對提供的信息進行適當的審查，就極有可能增加匹配出錯的結果。
不過 NIST/密歇根州立大學的團隊，就在這方面做了充分的工作，目前看來也最有希望實現自動化，從而加快匹配過程、減少工作積壓。
研究人員們請來了 31 名指紋專家，讓他們分析 100 份潛藏的指紋，然后給出 1~5 之間的品質評級，以便借助機器學習技術來訓練其算法。
之后，該系統的又針對一組新案例進行了性能測試，然后將評分提交給 AFIS（其連接了超過 25 萬的潛藏指紋數據庫），正確的搜索結果會被給出相應的品質評分。
為消除隱私問題，研究中從密歇根州警署數據庫中抽調的指紋，均已被抹去了與個人身份相關的信息。研究團隊表示，其品質與精確度有一致相關性，低質量分的指紋會產生更多錯誤的結果。
相比之下，高質量分的指紋，算法的表現比人類專家還略勝一籌。下一步，該團隊將嘗試改進算法，并通過更大的數據集來檢驗和降低其錯誤率。
有關這項研究的詳情，已經發表在近日出版的 IEEE《信息取證與安全事務》（Transactions on Information Forensics and Security）期刊上。
來自: cnBeta