Odczyt linii papilarnych wykorzystywanych do identyfikacji osób to główny element technik śledczych i częste dowody w sprawach sądowych. Ale na ekranie wygląda to dużo inaczej. W rzeczywistości ich analiza to bardzo trudna sprawa pozostająca w zakresie ekspertyz. Naukowcy z National Institute of Standards and Technology (NIST) i Michigan State University nieustannie oddają się wiwisekcji korzystając z algorytmów i technologii, aby zautomatyzować proces oraz dokładność i wydajność otrzymywanych wyników.
Czytnik linii papilarnych wbudowany w smartfony może sprawiać wrażenie, że automatyczny analizator linii papilarnych dla badaczy sądowych mógłby być w użyciu i działaniu banalnie łatwy. To prawda, jeśli pobrane materiały są konkretne, czyste, to wówczas całe druki można dopasować i połączyć obrazowo rzutnikiem i kilkoma slajdami. Problem polega na tym, że przestępcy są bardzo „niechlujni” i pobrane odciski z miejsca przestępstwa lub zbrodni są zazwyczaj niekompletne, zniekształcone, rozmazane lub pozostawione na wzorzystych powierzchniach, takich jak banknoty, które czynią je trudnymi do czytania. Wtedy zaczynają się schody i dopasowanie pobranego materiału jest bardzo skomplikowane.
Federacje śledcze utworzyły automatyczny system identyfikacji odcisków palców AFIS (Automated Fingerprint Identification System), gdzie skomputeryzowanie systemy mogą odczytywać linie papilarne z 10 naszych palców. W systemie AFIS zrealizować można wszystkie możliwe porównania kart daktyloskopijnych i śladów. Ale jeśli odciski palców nie są prawidłowo sprawdzone pod względem ich możliwości dostarczania informacji, szanse na powrót błędnych dopasowań niestety znacznie wzrastają.
Poczęto eksperymenty badawcze. Zespół NIST Michigan (National Institute of Standards & Technology) zwrócił się do 31 ekspertów z dziedziny daktyloskopii, aby poddali analizie 100 wydruków pobranych materiałów. Odbitki były oceniane w skali od 1 do 5 w odniesieniu do jakości przez ekspertów a następnie przez zdefiniowany algorytm w oparciu o nową technologię.
Osiągnięcia wynikające z wydajności systemu były przetestowane na nowych wpływach do ewidencji utajnionych baz danych pobranych linii papilarnych. Wydruki dostarczono do AFIS, która została połączona z bazą danych zawierającą ponad 250 000 wydruków, zawierały się w niej też te utajone. Aby uniknąć obaw dotyczących prywatności, wydruki z bazy danych policji w stanie Michigan zostały pozbawione wszelkich informacji osobistych.
Według naukowców zaszła spójna współzależność pomiędzy jakością i precyzją. Wydruki odcisków słabej jakości i mniejszej dokładności podały mylne informacje. W dodatku rezultaty uzyskane dzięki algorytmowi okazały się nieco lepsze niż wyniki wynikające z pracy ekspertów. Następnie zespół próbował udoskonalać algorytm i dokładniej zmierzyć jego błąd, używając większego zbioru danych.
“Wytoczyliśmy nasz algorytm w kontrze 250000 zarejestrowanym odciskom palców z bazy danych, ale musimy go wytoczyć przeciwko milionom”, mówi Elham Tabassi, inżynier komputerowy w firmie NIST. “Algorytm taki musi być niezwykle wiarygodny, ponieważ stawia na szali i życie i wolność badanego człowieka”.
Źródło: newatlas.com/machine-learning-fingerprint-matching/50909/