指紋鑒定結(jié)論的概率化表述

王仲第，劉 寰，吳 浩,*，薛 靜

（1.吉林省遼源市公安局，吉林 遼源136200；2.公安部物證鑒定中心，北京100038）

指紋鑒定結(jié)論的概率化表述

王仲第1，劉 寰2，吳 浩2,*，薛 靜2

（1.吉林省遼源市公安局，吉林 遼源136200；2.公安部物證鑒定中心，北京100038）

目的基于指紋的5類紋型、9種細節(jié)特征點所占的概率及5類特征組合概率構(gòu)建計算模型，用出現(xiàn)相同概率表述指紋鑒定同一結(jié)論。方法將選取指紋樣本紋型分為5類、細節(jié)特征分為5類，根據(jù)5類特征中一、二、三類特征“連”與“非連”的屬性劃分9種細節(jié)特征點。結(jié)果統(tǒng)計分析全國三年比中2萬余人份指紋樣本5類紋型、細節(jié)特征點出現(xiàn)概率存在穩(wěn)定的規(guī)律；選取廣東、江蘇、河南、青海、黑龍江五省指紋數(shù)據(jù)4 400余萬人份，統(tǒng)計分析AFIS識別紋型的出現(xiàn)概率，佐證樣本指紋5類紋型出現(xiàn)概率具有穩(wěn)定規(guī)律。構(gòu)建檢材指紋出現(xiàn)概率計算模型，構(gòu)建檢材指紋5類特征在樣本指紋5類特征中可能出現(xiàn)的最大值計算模型，驗證概率化表述的指紋鑒定結(jié)論是否具有唯一性。結(jié)論基于構(gòu)建的計算模型，計算出檢材指紋與樣本指紋相同的出現(xiàn)概率，實現(xiàn)概率化表述指紋鑒定結(jié)論的目的。

指紋；鑒定結(jié)論；概率；計算模型

指紋是指人體手指第一指節(jié)乳突紋線所構(gòu)成的特殊紋線，具有人各不同、終生基本不變和觸物留痕的特性，指紋細節(jié)特征的特殊性和穩(wěn)定性使其廣泛用于個體識別、認定個人[1]。指紋鑒定結(jié)論在案件偵查、起訴和審判過程中發(fā)揮著重要的證據(jù)作用。國內(nèi)外指紋鑒定結(jié)論是檢材指紋與樣本指紋具有一定數(shù)量的相同細節(jié)特征點，無質(zhì)的差異或者是差異點可以得到科學合理的解釋，得出指紋鑒定同一的經(jīng)驗性結(jié)論。隨著數(shù)字化技術(shù)與概率統(tǒng)計的快速發(fā)展，利用概率化的方式科學、準確表述指紋鑒定結(jié)論是司法鑒定發(fā)展的必然趨勢。

1 材料與方法

1.1 指紋樣本

不同年份的指紋樣本：選取全國2007年、2013年、2014年比中跨區(qū)域作案人員十指指紋樣本2萬余人份，統(tǒng)計5類紋型的出現(xiàn)概率、細節(jié)特征點出現(xiàn)概率。

不同地域的指紋樣本：選取廣東、江蘇、河南、青海、黑龍江五省指紋數(shù)據(jù)庫中4 400余萬人份，利用計算機統(tǒng)計指紋4種紋型，權(quán)重后分析4種紋型出現(xiàn)概率。

1.2 方法

1.2.1 指紋樣本五類紋型的分類

按照指紋乳突紋線流向構(gòu)成指紋紋型的特有屬性，將指紋紋型劃分為斗型紋、左箕型紋、右箕型紋、弓型紋和雜疤型紋五類紋型。斗型紋、左箕型紋、右箕型紋、弓型紋定義與手印學中相同[1]，雜疤型紋是指前4種紋型不能包含及后天由于損傷到真皮影響中心花紋形態(tài)的紋型。

1.2.2 指紋樣本五類特征的分類

指紋的細節(jié)特征點是手指第一指節(jié)花紋乳突紋線局部的細小結(jié)構(gòu)。按照指紋細節(jié)特征點形態(tài)、流向方向的不同，將指紋細節(jié)特征點分為5類特征。指紋細節(jié)特征點的起點、分歧、終點、結(jié)合定義與手印學中相同[1]。

一類特征：包括起點和分歧兩種細節(jié)特征點，個數(shù)用n1標記。

二類特征：包括結(jié)合和終點兩種細節(jié)特征點，個數(shù)用n2標記。

三類特征：包括小橋、小眼、小勾、小棒、錯頭五種細節(jié)特征點，每1個三類特征用2個細節(jié)特征點表示,三類細節(jié)特征點個數(shù)用n3標記，根據(jù)特征屬性n3為偶數(shù)。定義與手印學中基本相同，不同之處重新制定小橋、小眼、小勾、小棒、錯頭的長度屬性特征，小橋、小眼、小勾、小棒、錯頭的長度設定為所在指紋紋線位置大于二條紋線小于五條紋線間的垂直長度[2]。如手印學中“小橋”、“小眼”、“小勾”、“小棒”長度限定為1～5 mm，由于個體的生長，幼年時的“小橋”、“小眼”、“小勾”、“小棒”成年后可能變成一個一類特征和一個二類特征。

四類特征：小點，指本身呈點狀乳突線結(jié)構(gòu)，等于或小于所在紋線位置二條紋線間的垂直長度的線狀紋線結(jié)構(gòu)[2]。小點細節(jié)特征點個數(shù)用n4標記。

重新制定三類特征中的小橋、小眼、小勾、小棒、錯頭；四類特征小點的長度屬性特征，目的在于解決個體生長可能會導致小橋、小眼、小勾、小棒、錯頭；小點的屬性發(fā)生變化的可能。如手印學中“小點”長度限定為小于或等于1 mm，由于個體的生長，幼年時的“小點”成年后可能變成小棒。

五類特征：點狀線，亦稱細點線，位于二條乳突線之間，紋線寬度是相鄰乳突線一半左右的連續(xù)點或細線結(jié)構(gòu)[2]。點狀線無長度設定，每1個五類特征用2個細節(jié)特征點表示,五類細節(jié)特征點個數(shù)用n5標記，根據(jù)特征屬性n5為偶數(shù)。

1.2.3 指紋樣本細節(jié)特征的劃分

5類特征中一類特征包括分歧與起點，“連”是分歧、“非連”是起點；二類特征包括結(jié)合與終點，“連”是結(jié)合、“非連”是終點；三類特征包括小勾、小眼、小橋、小棒、錯頭，三類特征的兩端“連”與“非連”構(gòu)成小勾、小眼、小橋、小棒、錯頭。每一個一、二、三類特征只能是“連”或者“非連”其中的一種。四類特征和五類特征不涉及“連”與“非連”的屬性。

2 結(jié)果與分析

2.1 五類紋型出現(xiàn)概率統(tǒng)計

對所選指紋樣本進行5類紋型統(tǒng)計，用Pi表示某一種紋型出現(xiàn)概率，Pi=某類紋型數(shù)量/樣本數(shù)量（i=1、2、3、4、5）；根據(jù)統(tǒng)計結(jié)果，5種紋型的出現(xiàn)概率分別為斗型紋P1=50.79 %；左箕型紋P2=21.39 %；右箕型紋P3=23.70 %；弓型紋P4=2.10 %；雜疤型紋P5=2.02 %（見表1）。統(tǒng)計所選指紋樣本5類紋型在各指位上的出現(xiàn)概率（見表2）。選取廣東、江蘇、河南、青海、黑龍江5省指紋數(shù)據(jù)庫中4 400余萬人指紋進行4類紋型統(tǒng)計（見表3）。

由于指紋自動識別系統(tǒng)中只存在斗型紋、左箕型紋、右箕型紋及弓型紋4種基本紋型，對指紋紋型模糊不清的情況下進行雙紋型標識，權(quán)重后分析4類紋型出現(xiàn)概率與統(tǒng)計結(jié)果相當。

統(tǒng)計5類紋型結(jié)果表明：一是5類紋型的出現(xiàn)概率具有穩(wěn)定的規(guī)律；二是5類紋型的出現(xiàn)概率與犯罪沒有必然的聯(lián)系；三是5類紋型的出現(xiàn)概率與指位有關。

表1 指紋5類紋型分布概率（2萬余人）Table 1 Probabilities of 5-type fngerprint patterns in the samples (≥20000 persons’ 10-digit fngerprints)

表2 各指位5類紋型統(tǒng)計（2萬余人）Table 2 Statistics of 5-type fngerprint patterns of different fngers (≥20000 persons’ 10-digit fngerprints)

表3 5省指紋數(shù)據(jù)5類紋型統(tǒng)計（4000萬余人）Table 3 Statistics of 5-type fngerprint patterns among sampled fngerprints in fve provinces (≥40000000 persons’ 10-digit fngerprints)

2.2 5類特征組合出現(xiàn)概率計算

2.3 指紋細節(jié)特征出現(xiàn)概率統(tǒng)計與計算

對選取指紋樣本進行五類特征統(tǒng)計：用Fi表示某5類特征出現(xiàn)概率，F(xiàn)i=某一級特征數(shù)量/特征數(shù)量（i=1、2、3、4、5）；根據(jù)統(tǒng)計結(jié)果，一類特征F1=39.53 %、二類特征F2=36.49 %、三類特征F3=19.48 %、4類特征F4=3.97 %、五類特征F5=0.53 %（見表4）。對指紋樣本一、二、三類特征進行“連”與“非連”統(tǒng)計：用f表示“連”出現(xiàn)概率，f =連/數(shù)量；f ′表示“非連”的出現(xiàn)概率，f ′=非連/數(shù)量；根據(jù)統(tǒng)計：指紋“連”與“非連”分布基本相同，與手別、指別無關，f= f′≈50 %（見表5）。根據(jù)“連”與“非連”統(tǒng)計結(jié)果：一類特征中的起點或分歧出現(xiàn)概率f1=f1′=19.76 %；二類特征中的結(jié)合或終點出現(xiàn)概率f2=f2′=18.25 %；三類特征中（每一端）連與非連的出現(xiàn)概率f3=f3′=9.74 %；小點出現(xiàn)概率F4=3.97 %；點狀線出現(xiàn)概率F5=0.53 %。對所選指紋樣本在各指位上的5類特征出現(xiàn)概率進行統(tǒng)計，根據(jù)統(tǒng)計結(jié)果表明：五類特征的出現(xiàn)概率具有穩(wěn)定的規(guī)律；5類特征的出現(xiàn)概率與指位無關。(見表6)

2.4 指紋鑒定結(jié)論概率化計算模型的構(gòu)建

2.5 指紋鑒定結(jié)論概率化的驗證

表4 指紋5類特征統(tǒng)計（2萬余人）Table 4 Statistics of 5-type features of sampled fngerprints (≥20000 persons’ 10-digit fngerprints)

表5 一、二、三類特征“連”與“非連”統(tǒng)計Table 5 Statistics of the “connection” and “disconnection” among the frst, second and third of the 5-type features

表6 五類特征在各指位的分布統(tǒng)計表（1萬余人）Table 6 Statistics of 5-type features of different fngers (≥10000 persons’ 10-digit fngerprints)

2.6 指紋細節(jié)特征點之間屬性分析

此項研究沒有將指紋細節(jié)特征點之間的相對位置通過統(tǒng)計賦予一定的分值寫入計算模型當中，細節(jié)特征點之間相對位置關系包括：點與點之間的距離、點與點之間的角度、點與點之間的夾線等屬性。在指紋鑒定結(jié)論概率化的驗證方法中，檢材指紋的5類特征在樣本指紋5類特征中可能出現(xiàn)的最大值，實質(zhì)是把細節(jié)特征點之間所有可能出現(xiàn)的最大值計算出來，并應用到概率化結(jié)論唯一性驗證當中，解決了細節(jié)特征點之間相對位置如何賦予一定的分值的難題。

3 結(jié)論

做出同一認定鑒定結(jié)論的檢材指紋與樣本指紋，檢材指紋、樣本指紋根據(jù)5類特征定義確定每一類細節(jié)特征點數(shù)量、5類紋型、指位，利用構(gòu)建的概率化計算模型、計算出檢材指紋與樣本指紋相同概率；利用構(gòu)建的驗證計算模型，驗證概率化表述的指紋鑒定結(jié)論是否具有唯一性，實現(xiàn)指紋鑒定結(jié)論概率化表述。

表7 檢材指紋出現(xiàn)概率與樣本指紋組合最大值驗證Table 7 Verifcation of the maximal combination by the probability of test fngerprints and the sampled ones

［1］ 劉少聰．手印學［M］．北京：警官教育出版社，1994：16-123．

［2］ 王仲第，楊大偉，劉寰，等. 數(shù)字化描述指紋鑒定結(jié)論的初探［J］.刑事技術(shù)，2014(4)：37-40.

The Research on the Probabilistically-represented Conclusion of Fingerprint Identifcation

WANG Zhongdi1, LIU Huan2, WU Hao2,*, XUE Jing2
(1. Liaoyuan Public Security Bureau, Jilin, Liaoyuan 136200, China; 2. Institute of Forensic Science, Ministry of Public Security, Beijing 100038, China)

ObjectiveBased on the probabilities of fve types of fngerprint patterns, nine kinds of fngerprint minutiae and fve sorts of feature combinations, a calculation model was to set up for representing the conclusion of fngerprint identifcation by the same probability between one test fngerprint and the sampled counterpart.MethodsFive types of fngerprint patterns were defined along with the five sorts of features into which nine kinds of fingerprint minutiae were divided when the“connection” and “disconnection” were emerging among the frst, second and third of the fve-type features.ResultsThrough more than twenty thousand persons’ ten-digit fngerprints collected nationwide in three separate years, the stable occurrence of probabilities was observed from the fve-type fngerprint patterns and fve-sort features. Over forty-four million persons’ten-digit fingerprints selected in Guangdong, Jiangsu, Henan, Qinghai and Heilongjiang provinces were carried out the statistical analysis on their probabilities of fngerprint patterns, demonstrating true of occurring the above-observed stability of probability. The calculation model was built for the probability of the test fngerprint whose fve-sort features were thus able to show themselves with possible maximum in the sampled counterpart, thereby verifying the uniqueness of probabilistic representation of fingerprint identification conclusion.ConclusionWith the same probability obtained by the established calculation model between the test fngerprints and sampling ones, fngerprint identifcation conclusion can be represented by the deduced probability.

fngerprint; identifcation conclusion; probability; calculation model

DF794.1

A

1008-3650(2016)06-0437-005

2016-10-07

格式：王仲第，劉寰，吳浩，等. 指紋鑒定結(jié)論的概率化表述[J]. 刑事技術(shù)，2016,41(6):437-441.

10.16467/j.1008-3650.2016.06.002

痕跡科學與技術(shù)公安部重點實驗室開放課題項目（No.2014FMKFKT01）

王仲第（1966—），男，吉林遼源人，學士，高級工程師，研究方向為刑事技術(shù)指紋鑒定。E-mail：xjzd_wzd@163.com

* 通訊作者：吳浩（1984—），男，江蘇徐州人，碩士，助理研究員，研究方向為刑事技術(shù)指紋鑒定及計算機應用。E-mail：skyhell1985@aliyun.com