手印痕跡檢驗(yàn)技術(shù)在刑事偵查中的應(yīng)用

杜建軍 馬華東

上海市公安局浦東分局刑偵支隊(duì)刑事科學(xué)技術(shù)研究所，上海 200125

痕跡檢驗(yàn)是技術(shù)工作對(duì)案件痕跡進(jìn)行分析研究，運(yùn)用相關(guān)技術(shù)對(duì)痕跡數(shù)據(jù)進(jìn)行處理，從而為案件的偵破提供強(qiáng)有力的證據(jù)。在這些痕跡中，指紋痕跡和鞋印痕跡一樣，都是非常重要的痕跡，但是，指紋痕跡凹凸明顯，而且在現(xiàn)場(chǎng)通過(guò)相關(guān)工具一般都可以提取到指紋數(shù)據(jù)，因此，對(duì)指紋痕跡的處理已成為刑偵技術(shù)部門處理的主要對(duì)象之一。

一、手印痕跡及其提取

手印是手指或手掌在外力作用下所引起的物體表面形態(tài)的變化，隨著實(shí)際應(yīng)用的需求和技術(shù)的飛速發(fā)展，人們可以通過(guò)特定手段提取手印留下的痕跡，在刑事偵查中，手印痕跡是犯罪現(xiàn)場(chǎng)經(jīng)常遇到的一種形象痕跡。通過(guò)對(duì)其深入分析和技術(shù)處理，可以縮小偵察范圍、獲取犯罪嫌疑人的個(gè)人特點(diǎn)，甚至因?yàn)橹讣y的特定性與終身一致性，可以直接查明罪犯。利用手印痕跡檢驗(yàn)技術(shù)，可以對(duì)指紋痕跡進(jìn)行顯現(xiàn)、固定提取以及對(duì)比分析，其分析結(jié)果可以作為一種強(qiáng)有力的物證，是法定的證據(jù)類型之一，具有權(quán)威性，可確定出犯罪嫌疑人的身份及其犯罪事實(shí)，從而為案件偵破提供重大線索與信息。隨著技術(shù)的發(fā)展，手印痕跡的提取方法也越來(lái)越多，在實(shí)際應(yīng)用中，主要有以下幾種：拍照法、膠帶粘取法、物件提取法及靜電復(fù)印法。

二、手印痕跡的特征提取

通過(guò)上述方式獲取到的手印痕跡都是模擬圖像，為了方便計(jì)算機(jī)處理，需要進(jìn)行圖像的數(shù)字化處理，形成數(shù)字圖像。然后在此基礎(chǔ)上，運(yùn)用計(jì)算機(jī)處理技術(shù)對(duì)其進(jìn)行各種各樣的計(jì)算，具體包括特征提取和痕跡匹配等。

特征的提取的過(guò)程如下：

(一)濾波

濾波能降低圖像中過(guò)亮或過(guò)暗噪點(diǎn)的影響，在痕跡特征提取中，可以根據(jù)實(shí)際需要，選擇不同的濾波模板，具體參數(shù)可以從5到35進(jìn)行有效調(diào)節(jié)，會(huì)呈現(xiàn)不同的濾波處理結(jié)果。在此過(guò)程中，也會(huì)削弱圖像中的邊緣效應(yīng)，對(duì)噪聲的去除也會(huì)有不同的影響。

(二)閾值化

通常情況下，獲取到的數(shù)字化手印痕跡圖像是彩色的，從表面來(lái)看，彩色所表達(dá)出來(lái)的信息更加豐富。但是，對(duì)于特征的提取，卻不是這樣的，因?yàn)椴噬珗D像存儲(chǔ)和運(yùn)算復(fù)雜度更高，所以需要進(jìn)行灰度化處理，以此減少計(jì)算機(jī)運(yùn)算時(shí)間，提供運(yùn)算效率。在實(shí)際操作中，可以按照下面的公式進(jìn)行灰度化處理：

f(x，y)= 0.3R(x，y)+ 0.59G(x，y)+ 0.11B(x，y)

完成灰度化處理后，還需要進(jìn)行二值化處理，可進(jìn)一步獲取手印痕跡的有效信息，提升計(jì)算機(jī)的處理速度，具體公式如下：

在該式中，M代表閾值，其取值大小，是非常關(guān)鍵的，選擇合適的閾值會(huì)使手印痕跡與圖像背景有效分離，同時(shí)不導(dǎo)致信息大量丟失。從經(jīng)驗(yàn)上來(lái)講，閾值化對(duì)手印痕跡的提取效果比濾波操作要好很多。

(三)截面提取

本文使用矩形截取窗提取痕跡信息的方法，完成對(duì)手印痕跡的截面提取。首先手印痕跡片段進(jìn)行灰度化，處理過(guò)程中可以靈活旋轉(zhuǎn)θ角，從而讓取樣窗口中的痕跡與取樣窗口垂直。然后進(jìn)行雙線性插值操作，使得手印痕跡圖像得到旋轉(zhuǎn)矯正，再對(duì)圖像每一行像素求均值，可實(shí)現(xiàn)痕跡截面信息的提取。

三、痕跡匹配

通過(guò)手印痕跡匹配，可以得到痕跡相似度的結(jié)果。具體過(guò)程仍然使用前面截面提取的結(jié)果，在此基礎(chǔ)上通過(guò)一系列運(yùn)算，獲取曲線的最佳匹配片段，進(jìn)而進(jìn)行相似程度的度量，可按下面的步驟進(jìn)行：

(一)線痕搜索

由于曲線沒有實(shí)際的函數(shù)表達(dá)式，所以在函數(shù)擬合上非常困難。為此，將求導(dǎo)后的值進(jìn)行分組，即：正數(shù)、0和負(fù)數(shù)，從而產(chǎn)生特征曲線峰值，經(jīng)過(guò)多次對(duì)照比較發(fā)現(xiàn)，部分峰值為人眼容易辨別的手印痕跡，具體結(jié)果如圖1所示。

(二)區(qū)域匹配

為了有效計(jì)算痕跡的相似度，首先需要確定正確的比對(duì)區(qū)域，然后觀察痕跡對(duì)應(yīng)位置上是否存在峰值，從而獲取最佳起始匹配點(diǎn)，進(jìn)而形成最佳匹配區(qū)域，通過(guò)相似度計(jì)算得到最終的匹配結(jié)果。

在相似度計(jì)算上，可以采用皮爾遜相關(guān)系數(shù)、向量空間余弦相似度、歐式距離等，不同的度量方式有不同的解釋標(biāo)準(zhǔn)，但是在最終結(jié)果上，差異度不是很大。關(guān)于區(qū)域匹配的部分代碼如下：

//找出所有匹配之間的最小距離和最大距離，即是最相似的和最不相似的兩組點(diǎn)之間的距離

for(int i = 0；i < descriptors_1.rows；i++){

double dist = matches[i].distance；

if(dist < min_dist)min_dist = dist；

if(dist > max_dist)max_dist = dist；

}

//當(dāng)描述子之間的距離大于兩倍的最小距離時(shí)，即認(rèn)為匹配有誤。但有時(shí)候最小距離會(huì)非常小，設(shè)置一個(gè)經(jīng)驗(yàn)值30作為下限：

std：：vector< DMatch > good_matches；

for(int i = 0；i < descriptors_1.rows；i++){

if(matches[i].distance <= max(2 * min_dist，30.0)){

good_matches.push_back(matches[i])；

}

}

四、結(jié)束語(yǔ)

痕跡是犯罪嫌疑人在作案現(xiàn)場(chǎng)留下的個(gè)人特征信息，具有普遍性和客觀性，對(duì)其進(jìn)行各種檢驗(yàn)和處理，可以為案件的偵破提供有價(jià)值的線索。為此，本文針對(duì)手印痕跡的檢驗(yàn)和處理進(jìn)行了闡述，著重從計(jì)算機(jī)技術(shù)的角度介紹了具體的處理過(guò)程，從而為數(shù)字化痕跡的處理提供參考。