李 康，尹津引，吳 浩

（1.浙江警察學院，杭州 310053；2.公安部物證鑒定中心，北京 100038）

目前，全國公安機關指紋自動識別系統(tǒng)存儲十指指紋總量已達1.4億余人份，各地公安機關每年利用指紋信息比中案件12萬余起，抓獲犯罪嫌疑人5萬余人，一批大要案件通過指紋技術得以偵破。通過指紋查明犯罪嫌疑人真實身份、深挖犯罪嫌疑人余罪、發(fā)現(xiàn)破案線索等工作已經成為一種科學、高效、便捷、規(guī)范的偵查基本技戰(zhàn)法[1-3]。而指紋自動識別系統(tǒng)作為完成指紋同一認定的重要輔助工具，極大地提高了指紋篩選、匹配的效率，因此通過研究提高指紋自動識系統(tǒng)識別效率的方法加快指紋認定的速度，也是高效輔助偵查破案的手段之一。但是，我國對于指紋自動識別系統(tǒng)尚未建立全國統(tǒng)一的指紋大庫，存在各地各自為政、各自建庫的情況，各種系統(tǒng)標準的不同和研發(fā)人員的主觀影響使得我國指紋自動識別系統(tǒng)系統(tǒng)化程度較低。此外，因版權原因各個系統(tǒng)使用的算法不公開，導致技術人員進行特征標注的方法因人而異，也沒有相應的標準，操作者需要通過經驗或前期實驗來找到對應系統(tǒng)的最佳標注方法[4-7]。當前，指紋細節(jié)特征的人工標注方法以GA 774.5--2008《指紋特征規(guī)范（第5部分）：指紋細節(jié)特征點標注方法》中的標注方法[8]和指紋工作者在長期實踐過程中的習慣標注方法為主。由于系統(tǒng)不同，人員素質不同，對于習慣標注方法也不能一概而論，本文中提及的習慣標注方法主要是指“分歧結合標主線，主從不明標中間；小點小棒和小眼，兩端標注尾相連；小橋連接兩岸線，不標橋上標岸邊；小鉤標注似小橋，平行標注最重要”[9]這一常用標注方法。而模擬系統(tǒng)自動提取的標注方法作為由捺印指紋自動提取逆推而來的人工標注方式未被特別地重視和全面系統(tǒng)地總結，人機差異不能有效地減少。因此，本研究希望通過比較實驗的方法得到與PU-AFIS系統(tǒng)最為匹配的標注方法，明確標注過程中需要注意的事項，最大程度優(yōu)化查詢比對結果。

1 材料與方法

1.1 實驗設備和材料

計算機（公安網(wǎng)專用）、高性能服務器、北大高科指紋自動識別系統(tǒng)PU-AFIS 3.2版、Photoshop（ps5）軟件、指紋信息管理系統(tǒng)。

1.2 實驗樣本選取

在省級現(xiàn)場指紋庫中隨機抽樣選取可以在目標捺印庫中比中相應捺印指紋的200枚指紋。指紋特征點的選取主要遵循清晰、穩(wěn)定、不變形的原則，保證實驗的可靠性。為此，選取條件相對較好的現(xiàn)場指紋進行實驗，并且特征點最好位于指紋中心部位，清晰、完整、不變形。

1.3 對實驗中采用細節(jié)特征的認定

本次實驗涉及的細節(jié)特征，即起點、終點、分歧、結合、小橋、小勾、小點、小孔、小棒，為行業(yè)標準所定義的乳突紋線上的九大細節(jié)特征[10]。

2 實驗內容

先對指紋自動識別系統(tǒng)自動提取特征的標注方法進行統(tǒng)計研究，根據(jù)統(tǒng)計結果提煉出自動提取特征的最佳標注方法，作為模擬自動提取方法，再對三種方法進行比較研究。

2.1 指紋自動識別系統(tǒng)自動提取特征的標注方法

在PU-AFIS系統(tǒng)中隨機選擇800枚捺印指紋，在系統(tǒng)自動提取特征后觀察并統(tǒng)計這800枚指紋中終點、起點、分歧、結合這四個最常見特征的標注規(guī)律。此外，在這800枚指紋中分別找到有小橋、小勾、小點、小眼出現(xiàn)的指紋200枚，有小點出現(xiàn)的指紋120枚，分別對每個特征自動提取后的標注規(guī)律進行統(tǒng)計，分析得到系統(tǒng)自動提取標注方法。

2.2 不同標注方法及其對比對結果的影響

先對三種細節(jié)特征標注方法進行比較，找出九大細節(jié)特征中標注的異同點，再對不同的細節(jié)特征標注方法對比對結果的影響進行比較研究。三種指紋細節(jié)特征編輯方法對同一指紋具體標注方法如圖1所示。查詢完成后，記錄所選取現(xiàn)場指紋三種標注方法比較實驗結果。

圖1 三種標注方法對同一枚指紋細節(jié)特征的標注（a：行業(yè)標準；b：習慣標注方法；c：模擬自動提?。〧ig.1 Three methods to label the same fingerprint's minutiae points (a: one required by professional standard; b: the accustomed;c: simulating the way adopted by AFIS's automatic extraction)

3 結果與討論

3.1 系統(tǒng)自動提取標注方法的研究統(tǒng)計結果及分析

在200枚指紋中，小橋的標注方法出現(xiàn)三種，小勾的標注方法出現(xiàn)兩種，小點的標注與習慣標注差異較大，但標注方法唯一。三種細節(jié)特征的具體標注方法及出現(xiàn)概率如表1所示。除以上三種細節(jié)特征外，其余六種細節(jié)特征的標注方法都符合標注習慣。

表1 具體標注方法與統(tǒng)計結果Table 1 Specific labeling methods and statistical results

在觀察統(tǒng)計系統(tǒng)自動識別特征并標注的過程中還發(fā)現(xiàn)，指紋自動識別系統(tǒng)在自動提取特征過程中存在以下問題：

1）特征點漏提。在系統(tǒng)提取特征點時，存在部分特征點被忽略或者提取不全的現(xiàn)象，如圖2藍圈內所示。

2）特征點誤提。由于現(xiàn)場指紋模糊或嚴重變形導致指紋照片質量較差，個別細節(jié)特征點在圖像預處理階段沒有被準確識別，因此在細節(jié)特征抽取階段往往將這些點作為特征點錯誤提取，如圖2藍框內所示。

3）特征點提取偏差。在自動提取結束后，很多標注并非準確地標注在紋線上，標注的位置存在細微甚至幾根紋線的偏離并且標注的方向也會發(fā)生細微的偏差，如圖2藍色箭頭所示。

4）點特征無法識別，系統(tǒng)無法識別點特征與小于一個紋線寬度的小勾，也使得小點與小勾的自動提取標注方式與小棒近似。

此外，還存在系統(tǒng)因無法識別小橋而將其視為一個分歧和一個結合，以及細微的連接點較難識別等問題。這些系統(tǒng)識別特征時產生的問題是造成自動提取特征與日常習慣標注方法存在差異的根本原因。

圖2 自動提取中存在的問題示意圖Fig.2 Indication for the problems occurring in automatic extraction

3.2 三種常用標注方法比較及分析

3.2.1 標注方法相同的細節(jié)特征

通過比較發(fā)現(xiàn)三類標注方法在起點、終點、小眼、短棒四類細節(jié)特征中標注方法完全相同，具體標注方法如圖3所示。

圖3 標注方法相同的細節(jié)特征示意圖Fig.3 Sketch of the minutiae points which have the same labeling method

3.2.2 標注方法不同的細節(jié)特征

在剩下的五大細節(jié)特征中，行業(yè)標準和習慣標注方法只在分歧和結合存在主線時標注有差異，其他特征標注方法都相同。而自動提取與另外兩個方法比，除了分歧和結合的標注方式與習慣標注方法完全相同以外，其余小點、小橋、小勾三類細節(jié)特征標注差異較大。標注方法不同的特征具體標注方式如圖4所示。

3.3 不同標注方法對比對結果的影響及分析

在三種標注方法的比較實驗中，我們共選擇現(xiàn)場指紋200枚，先后對200枚現(xiàn)場指紋用三種標注方法分別進行標注并發(fā)送查詢，共發(fā)送查詢600次。其中行業(yè)標準得分最高的指紋共8枚，占全部指紋的4%；習慣標注方法得分最高的指紋共16枚，占全部指紋的8%；模擬自動提取得分最高的指紋共171枚，占全部指紋的85.5%；其余的5枚現(xiàn)場指紋存在不同標注方法之間得分相同的情況，三種標注方法得分都相同的3枚，占全部指紋1.5%。行業(yè)標準和習慣標注方法得分相同且高于自動提取標注方式的2枚，占全部指紋的1%。部分指紋的比較實驗結果如表2所示。

圖4 標注方法不同的細節(jié)特征示意圖Fig.4 Sketch of the minutiae points which have the different labeling methods

表2 部分指紋的比較實驗結果Table 2 Comparative results of the selected fingerprints

此外，主線識別錯誤會使得分大幅度降低，在使用三種方法對指紋細節(jié)特征進行編輯的過程中，發(fā)現(xiàn)對現(xiàn)場指紋的主線判斷存在一定的難度，且會增加標注特征的時間。而主線標注錯誤的指紋匹配效果較差，比對的得分也大幅度降低。針對主線判斷錯誤對系統(tǒng)造成的影響，選擇指紋50枚，對每一枚指紋用兩種方法進行標注。一種方式為正確識別主線，另一種則錯誤識別主線，將兩種標注方法進行比較研究。發(fā)送查詢100次。部分指紋兩種標注方法的具體結果見表3。根據(jù)實驗結果可明確，在準確識別主線的情況下用習慣標注方法標注分歧與結合會大大提高指紋的匹配率，但是若在運用公安行業(yè)標準時錯誤識別紋線主線會大大降低系統(tǒng)的匹配率。

表3 主線識別實驗結果Table 3 Results of recognition against main lines of the selected fingerprints

4 結論

4.1 模擬自動提取的標注方法與系統(tǒng)最匹配

將由捺印指紋自動提取統(tǒng)計的標注方法逆向運用到現(xiàn)場指紋的細節(jié)特征標注中去，使得捺印指紋和現(xiàn)場指紋在細節(jié)特征上最大程度匹配，指紋比對的準確率更高，排名、得分和比中概率等指標均最優(yōu)。

4.2 大部分指紋在用行業(yè)標準和習慣標注方法標注時排名、得分相同

分析使用不同標注方法排名和得分相同的現(xiàn)場指紋，發(fā)現(xiàn)行業(yè)標準和習慣標注方法的差異只是在能否區(qū)分主次線的分歧和結合上，在其他的特征標注上是不存在差異的。并且在實驗研究過程中發(fā)現(xiàn)僅有少量指紋可以區(qū)分主次線的分歧或結合，根據(jù)存在可區(qū)分主次線的分歧和結合的現(xiàn)場指紋分析可以得到，習慣標注方法優(yōu)于行業(yè)標準。