紋身，或狂野張揚，或文藝清新，總能讓人與眾不同。而美國的法律正在逐漸利用紋身來指認罪犯，以及來辨認犯罪活動或自然災害的受害者。

如今，警察會對疑犯的紋身進行拍照記錄，然后根據(jù)名為“ANSI-NIST-ITL1-2011”的生物測量標準，按照關(guān)鍵詞將其分類。該標準共有八個大類，例如“動物”“植物”，七十個小類，如貓，鳥，花，葉。FBI現(xiàn)在已經(jīng)建立起一個紋身識別數(shù)據(jù)庫，作為他們下一代身份認證系統(tǒng)的一部分。

然而根據(jù)關(guān)鍵詞搜索紋身存在一些問題，因為這些分類不夠詳細，加上人們有時會用稍微不同的方式紋上相似的圖案，給一些類別本身帶來模糊。

“每個人在看待紋身的時候都非常主觀”，F(xiàn)BI生物特征中心管理與項目分析師Eric Phillips說。

舉個例子，NIST（美國國家標準技術(shù)研究所）的計算機科學家Mei Ngan曾做過這樣的研究：底特律老虎隊的“D”字母隊徽經(jīng)常被曲解，有人可以認出這是個棒球隊的徽章，但是有的人覺得這就是一個英文字母，或者是個抽象的設(shè)計。

底特律老虎隊隊標

這就是為什么FBI更傾向于使用基于圖像處理的紋身識別技術(shù)。相比于基于關(guān)鍵詞的搜索，紋身識別技術(shù)利用算法來比較和匹配從紋身圖像中截取的一部分圖案。FBI向NIST尋求解決方案，并在去年秋天公開發(fā)布了關(guān)于這個高精尖技術(shù)的一個題目。共有六個組織參與到其中，以FBI提供的一組數(shù)據(jù)作為自家算法的訓練對象。

今年六月，這六個組織報告了他們的算法分別針對五種不同的數(shù)據(jù)組的表現(xiàn)情況。其中對于三種情況他們都能有90%以上的識別率：

• 檢測圖像中是否包含紋身

• 一段時間后在同一個人身上辨認相同紋身

• 辨認一幅紋身中的一個片段。

而在下面兩種情況下這些算法只有不到15%的準確率：

• 分辨不同人身上的相似紋身

• 在草圖、掃描圖、照片等多種媒介中搜索相似紋身圖案。

密西根州立大學計算機科學工程學院的教授Anil K. Jain說道：“紋身圖像識別類似于人臉識別以及其他圖像識別技術(shù)?！彼昵霸徺I了MorphoTrak公司的一種處理算法用來學習和研究。

這些算法都是基于對從紋身圖像中抽取的關(guān)鍵點的處理和分析。但相比之下，指紋有端點、分叉點和短紋的特征，人臉有眼睛和鼻子，但是紋身卻沒有這樣的特征來進行辨識和比較。（值得一提的是，Jain近日證明了指紋并不會隨著時間改變。令人驚訝的是，警方在刑事審判上長期以來應用的指紋技術(shù)，一直都是基于未被證明的假設(shè)）

NIST的Ngan表示：除了了解到現(xiàn)有算法的缺點外，紋身識別技術(shù)所包含的挑戰(zhàn)也說明了在兩個方面我們迫切需要進步與完善。

• 第一，執(zhí)法機關(guān)需要制定收集紋身圖案的具體方式：例如對每個手臂上的圖案分別拍攝照片，而不是一張拍下雙臂，再如記錄時要排除衣服和首飾的干擾等。

• 第二，生物識別產(chǎn)業(yè)一定要明確紋身辨認技術(shù)中的具體識別特征和內(nèi)容。我們需要更好地為這些算法定義：什么是吻合，什么是相似，什么是不同。

via ieee

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。