指紋皺紋研究的現(xiàn)狀及展望

摘要：指紋是手指指腹上由乳突紋線構(gòu)成的花紋結(jié)構(gòu)，在日常生活中扮演著重要角色。指紋皺紋是皮紋學(xué)中非皮嵴紋構(gòu)型和屈肌褶紋的一個顯著特征，因其在捺印指印時表現(xiàn)為正常乳突紋線在不同方向上中斷，從而形成白色條紋，因此又稱為指紋白線。指紋皺紋的形成和表現(xiàn)與皮膚疾病、民族種群和個體差異等因素相關(guān)聯(lián)，故該特征在皮紋學(xué)、醫(yī)學(xué)、法庭科學(xué)和計算機識別等領(lǐng)域具有重要的應(yīng)用價值。本文對指紋皺紋的基本屬性進行了整理，重點介紹了其研究進展，并初步展望了未來的研究方向，希望為其科學(xué)研究提供有益的參考。

關(guān)鍵詞：指紋；指紋皺紋；生物人類學(xué)；法庭科學(xué)；皮紋學(xué)

1 引言

指紋皺紋是皮紋學(xué)中非皮嵴紋構(gòu)型和屈肌褶紋的一個明顯的特征，因其在捺印指印中呈現(xiàn)出能使正常乳突紋線在不同方向上中斷，從而形成白色條紋，因此又稱為指紋白線。作為手指上的常見指紋特征，指紋皺紋在多個領(lǐng)域得以研究和應(yīng)用：法庭科學(xué)領(lǐng)域，通過研究指紋皺紋的變化規(guī)律和數(shù)量規(guī)律，可以輔助判斷個體的年齡和性別；醫(yī)學(xué)領(lǐng)域，指紋皺紋可以作為部分皮膚疾病和精神疾病的參考；計算機自動識別領(lǐng)域，實現(xiàn)指紋皺紋的自動識別和提取，并納入指紋識別特征集，可以提高指紋自動識別系統(tǒng)的準(zhǔn)確性。本文對指紋皺紋的基本屬性進行了總結(jié)，重點介紹了其研究進展，并初步提出了未來研究的展望，旨在為指紋皺紋的科學(xué)研究提供有益的參考。

2 指紋皺紋的基本屬性

2.1 定義和形成

指紋皺紋是由手指皮膚的張弛和堆積活動形成的細小溝紋。最早可以在胎兒時期觀察到指紋皺紋[1]，但它們并非一成不變；隨著年齡增長，指紋皺紋會在表皮更替的過程中發(fā)生不同程度的變化。指紋皺紋的形成原因與皮膚松弛以及手指的屈伸活動導(dǎo)致的內(nèi)部正常細胞膜破裂有關(guān)[2]，同時還受到干濕程度、摩擦程度和疾病等因素的影響。此外，有學(xué)者觀察到指紋皺紋所在部位的組織切片上，表皮和真皮交界處并不存在任何結(jié)構(gòu)上的中斷，只涉及透明層的改變，因此推測指紋皺紋的形成不涉及真皮層的改變[3]。

2.2 形態(tài)特點及類型

指紋皺紋表現(xiàn)為中空的細長空白線條狀，寬度略大于小犁溝，與乳突紋線的方向通常會有一定的角度，呈現(xiàn)出并行或網(wǎng)格交叉等不同狀態(tài)[4]。根據(jù)指紋皺紋的方向角度，可以將其分為縱向皺紋和橫向皺紋；根據(jù)指紋皺紋的穩(wěn)定性，又可以將其分為短期皺紋和長期皺紋[5] 如圖1、圖2 所示，其中a 組與b 組為同一皺紋特征在表皮更替周期（約一個月）利用數(shù)碼顯微鏡所拍攝的圖片。圖1 所示的短期皺紋容易受到外界因素的影響，如氣候和濕度的變化，因此在表皮更替周期內(nèi)會發(fā)生較大的變化。圖2 所示的長期皺紋主要是皮膚老化和勞動活動造成的，因而在表皮更替周期內(nèi)表現(xiàn)出相對穩(wěn)定的特征[6]。

2.3 辨識

指紋皺紋和指紋傷疤被學(xué)術(shù)界合稱為次級折痕（Secondary Creases）[7]，是手指指紋上常見且顯著的細節(jié)特征。在乳突花紋和捺印指紋中，它們都表現(xiàn)為形態(tài)相似的中空線狀區(qū)域，容易引起混淆，但經(jīng)過仔細觀察可以明顯區(qū)分[8]，如圖3 所示。

首先，指紋皺紋所形成的“空白區(qū)”通常具有較為連貫的形態(tài)，乳突紋線在橫斷處保持整齊無擠壓，不破壞乳突紋線的流向和路徑。相比之下，指紋傷疤所形成的“空白區(qū)”兩側(cè)，乳突紋線在橫斷處呈現(xiàn)出參差不齊的情況，可能存在收縮、聯(lián)結(jié)和錯位現(xiàn)象[9]。其次，相比較而言，指紋皺紋所形成的“空白區(qū)”通常寬度更寬和面積更大；而線條狀傷疤由于皮膚的補償性再生功能對創(chuàng)面的自動修復(fù)，往往呈現(xiàn)出較為狹長的形態(tài)，面積相對較小。再次，指紋皺紋由于屈肌動作或指腹脂肪堆積，其方向通常呈現(xiàn)為縱向或橫向的直線；而指紋傷疤的方向和軌跡與其受到損傷時的受力情況相關(guān)，因此具有不確定性。

3 研究進展

指紋皺紋的形成和表現(xiàn)，與皮膚疾病、民族種群以及個體差異等因素密切相關(guān)。因此，在皮紋學(xué)、醫(yī)學(xué)、法庭科學(xué)和計算機識別等領(lǐng)域，指紋皺紋具有重要的應(yīng)用價值。

3.1 皮紋學(xué)領(lǐng)域

指紋皺紋是手指皮紋上的重要細節(jié)特征，其穩(wěn)定性及形態(tài)表現(xiàn)與年齡、壓力、民族等因素有關(guān)，國內(nèi)外學(xué)者針對相關(guān)問題展開了以下探究。

近年來，國外學(xué)者Richmond（2004 年）[10] 以及國內(nèi)學(xué)者郭少波等（2013 年）[4] 均探究了不同壓力條件下指紋皺紋的表現(xiàn)情況：較低壓力下，皺紋特征更加明顯；隨著壓力增加，皺紋特征逐漸消失；直到壓力達到一定程度時，乳突紋線的中空部分開始變得連貫完整，由此說明皺紋形態(tài)受壓力影響程度較大。2016 年，Lara[11] 在研究中發(fā)現(xiàn)，隨著年齡的增長，乳突紋線磨損和指紋皺紋的增加可能導(dǎo)致出現(xiàn)不穩(wěn)定的指紋特征，影響指紋個體識別結(jié)果；實驗結(jié)果顯示，30% 的個體在衰老后無法進行指紋識別。Keith 等[12] 的研究指出，大多數(shù)指紋皺紋在一個月內(nèi)保持相對穩(wěn)定，但并非永久不變，其出現(xiàn)和消失的速率大致相同，并呈現(xiàn)出周期性變化的趨勢。2022 年研究[13] 顯示，隨著年齡增長，指紋皺紋的出現(xiàn)率、皺紋數(shù)量均呈現(xiàn)增加的趨勢，最長皺紋的長度也有增長的趨勢。隨后，張忠良[14]教授通過比對相隔30 年的指紋樣本發(fā)現(xiàn)，隨著年齡的增長，皮膚彈性逐漸降低，手指摩擦和屈伸活動的累積導(dǎo)致指紋皺紋由無到有、由少變多、由細變粗、由短變長、由簡單變復(fù)雜。因此推測，指紋皺紋的變化規(guī)律與年齡具有一定關(guān)聯(lián)。

此外，我國學(xué)者[10，15，16] 針對國內(nèi)各地各民族的指紋皺紋進行大量的統(tǒng)計分析，并發(fā)現(xiàn)同一地區(qū)不同民族和不同地區(qū)同一民族的指紋皺紋表現(xiàn)情況均存在著差異。例如，遼寧地區(qū)，滿族的指紋皺紋出現(xiàn)率為16.52%，漢族卻高達31.73%[17]；寧夏漢族的指紋皺紋出現(xiàn)率可達35.15%[18]，而江西漢族的指紋皺紋出現(xiàn)率僅為12%[19]。由此推測，指紋皺紋形成和表現(xiàn)還受到地區(qū)因素和種群因素的影響。

以上研究結(jié)果揭示了指紋皺紋的復(fù)雜性和多變性，為指紋皺紋的應(yīng)用和解釋提供了學(xué)術(shù)基礎(chǔ)。進一步的研究將有助于深入理解指紋皺紋的穩(wěn)定性、變化規(guī)律以及影響因素，為其在其他領(lǐng)域的研究和實踐提供更深入的理論支持和指導(dǎo)。

3.2 醫(yī)學(xué)領(lǐng)域

手指指紋區(qū)的皮膚真皮較薄，角質(zhì)層較厚，且皮紋區(qū)神經(jīng)末梢特別豐富。這些特征使得手指皮紋的生長發(fā)育與皮膚系統(tǒng)以及神經(jīng)系統(tǒng)的生長發(fā)育密切相關(guān)。因此，凡是能對神經(jīng)系統(tǒng)造成損害的因素都有可能影響手指皮紋的形成與發(fā)育，導(dǎo)致大量指紋皺紋的出現(xiàn)。故部分疾病會在手指皮紋上有所表現(xiàn)[20]（圖4）。

早在1950 年，Cherril[21] 就在其發(fā)表在《自然》上的文章中將指紋皺紋與疾病的發(fā)生聯(lián)系起來。1970 年，David 等[22] 研究發(fā)現(xiàn)，在活動性腹腔疾病中，乳突紋線嚴(yán)重萎縮，指紋皺紋消失，當(dāng)腹腔疾病得到控制時，乳突紋線重新開始生長，指紋皺紋重新出現(xiàn)。1971 年，Hirsch 和Recke[23] 在研究中觀察到，在26 例有各種皮膚病的患者中，指紋皺紋的出現(xiàn)頻率顯著增加，并推測指紋皺紋的形成可能與遺傳因素有關(guān)。之后，國外研究發(fā)現(xiàn)[24，25] 相對于普通人來說，精神分裂患者更頻繁且更密集地出現(xiàn)指紋皺紋，國內(nèi)甘子明[26] 和陸國芳[27] 教授也發(fā)現(xiàn)抑郁癥和精神分裂癥患者的指紋皺紋出現(xiàn)率更高，這可能是精神類疾病的重要指紋特征之一。此外，糖尿病患者指紋皺紋的出現(xiàn)率也明顯高于正常人群[28]。Lee 發(fā)現(xiàn)嚴(yán)重的手部皮炎會導(dǎo)致患者的手指指紋皺紋出現(xiàn)異常，從而導(dǎo)致指紋的識別和鑒定失敗[29]，如圖4 所示。

綜上所述，指紋皺紋與皮膚系統(tǒng)和神經(jīng)系統(tǒng)具有一定的關(guān)聯(lián)性，因此指紋皺紋的出現(xiàn)和數(shù)量異?？梢宰鳛椴糠制つw疾病和精神疾病的參考依據(jù)。值得注意的是，復(fù)旦大學(xué)人類表型組研究院的重大研究成果指出人類指紋和肢體發(fā)育有高度的基因關(guān)聯(lián)[30]，說明了指紋在先天疾病早篩、人體病變預(yù)防、職業(yè)體質(zhì)選拔等領(lǐng)域具有重要價值。未來，可以從指紋皺紋角度出發(fā)，為疾病的預(yù)防和檢測提供更多線索。

3.3 法庭科學(xué)領(lǐng)域

指紋皺紋既是一種常見形態(tài)特征，也是指紋檢驗中不可忽視的指紋細節(jié)特征，充分挖掘指紋皺紋的檢驗鑒定價值，也是法庭科學(xué)領(lǐng)域中的重要研究方向。

2004 年，薄海玲在實驗中針對指紋皺紋進行提取、存儲和應(yīng)用，并初步嘗試將指紋皺紋作為特征線段進行特征匹配識別[31]；隨后，有學(xué)者提出利用特征接合法將指紋皺紋納入指紋鑒定，即利用指紋皺紋的線條狀特征進行接合比對檢驗[32]。然而，2016 年Nitesh 建立模型利用皺紋進行指紋檢驗鑒定[33]，卻根據(jù)其實驗結(jié)果得出結(jié)論：不能僅憑皺紋特征進行指紋檢驗鑒定。由此可見，指紋皺紋的反應(yīng)性受到多種因素影響，將其應(yīng)用于指紋鑒定之中具有一定的局限性，但并不能否定指紋皺紋在指紋鑒定，尤其是疑難指紋鑒定方面的重要價值。

由于指紋皺紋作為皮膚表面的一種形態(tài)表現(xiàn)，會因性別、手位和年齡的差異而有不同的表現(xiàn)，因此可以根據(jù)指紋皺紋與性別、手位和年齡之間的聯(lián)系，進行個體身份信息的推測。多位學(xué)者[34-36] 提取大量乳突紋線、乳突紋線密度、指紋皺紋數(shù)量和長度等特征數(shù)據(jù)，利用模糊c 均值聚類（Fuzzy C-means Algorithm）、線性判別分析（Linear DiscriminantAnalysis） 和神經(jīng)網(wǎng)絡(luò)（Nerual Networks） 等算法進行不同性別之間指紋圖像的差異性分析，成功實現(xiàn)了對性別的預(yù)測。其中，Magaji[37] 和Lawan[38] 采用Mann-Whitney 和二元邏輯回歸分析方法，利用不同指位之間指紋皺紋數(shù)量差異實現(xiàn)性別預(yù)測，并于2020 年的文章[39]中利用指紋皺紋數(shù)量在雙手上差異實現(xiàn)手位預(yù)測。2022 年，田潤之等[40] 基于指紋皺紋等指紋形態(tài)特征的數(shù)理統(tǒng)計分析，建立了多元線性回歸模型實現(xiàn)個體年齡的預(yù)測。由此可見，指紋皺紋在法庭科學(xué)領(lǐng)域不僅具備鑒定價值，還攜帶著豐富的個人信息可供探究。

指紋皺紋是形態(tài)明顯的細節(jié)特征，也是甄別偽造指紋的重點所在。2021 年，李珍珍[41]指出，正確區(qū)分硅膠指印與真實指紋指印的關(guān)鍵在于正確區(qū)分兩者在捺印過程中由皺紋等導(dǎo)致的乳突紋線模糊、斷連、缺失特征。2022 年，蔣煥[42] 在對不同年齡階段人的硅膠仿生指紋印泥痕跡特征的探究中發(fā)現(xiàn)，老年階段的皺紋的空白特征和斷裂特征，與真實指紋痕跡的區(qū)別最明顯，如圖5 藍色箭頭所示部分。

綜上所述，作為手指上普遍存在的特征，指紋皺紋包含著大量的形態(tài)學(xué)信息，因而在人身識別、個人信息推測、偽造指紋辨析等方面具有潛在的應(yīng)用價值。

目前指紋皺紋缺乏系統(tǒng)性研究，也并沒有得到廣泛的認(rèn)可與科學(xué)評斷，其層次歸屬也是眾說紛紜。國內(nèi)現(xiàn)行的行標(biāo)《法庭科學(xué)指紋專業(yè)術(shù)語》將指紋皺紋歸屬于一級特征；在國外[43]，美國國家標(biāo)準(zhǔn)與技術(shù)研究院（National Institute of Standards and Technology， NIST）在指紋標(biāo)準(zhǔn)更新研討會的基礎(chǔ)上，創(chuàng)建了“擴展特征定義委員會（Committee to Define anExtended Fingerprint Feature Set， CDEFFS）”來定義擴展指紋特征集[44]，其中指紋皺紋屬于二級特征；而在國際鑒定協(xié)會（International Association for Identification， IAI） 的第92 屆國際鑒定協(xié)會交流大會中，密歇根州立大學(xué)的Anil Jain 和Yi Chen[45] 發(fā)布的指紋擴展特征集將其納入為指紋三級特征；美國指紋分析、研究和技術(shù)工作組（Scientific Working Group on FrictionRidge Analysis， Study and Technology， SWGFAST） 提出，指紋皺紋可以反映在所有三種層次的細節(jié)特征中，例如皺紋的流向?qū)儆谝患壧卣鳎窂綄儆诙壧卣?，形態(tài)屬于三級特征[46]。由此看來，關(guān)于此類問題學(xué)術(shù)界并沒有形成統(tǒng)一的具有說服力的見解，后續(xù)可以著重根據(jù)指紋皺紋的特性、識別價值和鑒定風(fēng)險等，制定標(biāo)準(zhǔn)化評價標(biāo)準(zhǔn)，探討其層次歸屬。

3.4 計算機自動識別領(lǐng)域

隨著指紋自動識別系統(tǒng)的廣泛應(yīng)用，國內(nèi)外學(xué)者致力于將指紋皺紋納入指紋自動識別比對系統(tǒng)中，并對指紋皺紋的自動識別算法展開研究。

自1993 年起，Vernon 就開始探討自動檢測和分離次級皺紋的自動化技術(shù)[7]。2003 年，清華大學(xué)伍晨愉將指紋上的皺紋作為一種特征信號，研究相關(guān)的建模、檢測和匹配等問題，并探究了利用指紋皺紋改進傳統(tǒng)識別方法的可能性[47]。同年，國外學(xué)者Zhou 使用參數(shù)化的矩形來模擬折痕，并開發(fā)了一個多通道濾波器框架來檢測任何方向上的指紋皺紋，從而實現(xiàn)了指紋皺紋的自動識別與檢測[48，49]。

2005 年，Hymer 提出指紋皺紋和疤痕（ 統(tǒng)稱為Secondary Creases） 可作為指紋識別的輔助手段，并且將Gabor 濾波器和Hough 變換算法應(yīng)用于指紋皺紋和疤痕的自動識別上[50]。2009 年，國外學(xué)者J.Zhou 等將指紋皺紋自動檢測識別系統(tǒng)與傳統(tǒng)的指紋識別算法相結(jié)合，將指紋皺紋作為老年人指紋的一個新特征來處理，提高了指紋識別系統(tǒng)在老年人指紋識別方面的性能[51]。

2012 年，Laseinde 基于指紋圖像的像素強度和乳突紋線在方向圖上的差異點，提出了兩種新的指紋皺紋自動檢測算法[52]。2016 年，Nitesh 等探討了一種使用皺紋特征進行指紋識別的神經(jīng)網(wǎng)絡(luò)算法模型流程，該模型表明將指紋皺紋與其他特征信息相結(jié)合，具有提高指紋鑒定性能的巨大潛力[33]。2019 年，國內(nèi)學(xué)者提出了一種以指紋細節(jié)特征密度分布為基礎(chǔ)的新型皺紋檢測與修復(fù)方法，減少了指紋識別系統(tǒng)中的偽特征，明顯地提高了指紋識別精度[53]。

由此可見，指紋皺紋自動識別與檢測算法的不斷升級，能提高指紋自動識別系統(tǒng)的性能。隨著神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)和人工智能的不斷發(fā)展，指紋自動識別系統(tǒng)考察的特征種類范圍和檢驗維度也將隨之不斷擴大，未來將指紋皺紋納入系統(tǒng)的識別特征集是必然趨勢。

4 研究展望

經(jīng)過幾十年的發(fā)展，指紋皺紋在各個領(lǐng)域的相關(guān)研究不斷完善，但仍存在一些亟須解決的問題。基于近年來的新技術(shù)發(fā)展，我們初步預(yù)測了指紋皺紋未來的研究方向。

4.1 形成機理

指紋皺紋的形成機理是生物人類學(xué)和皮紋學(xué)一直有待解決的問題。然而，由于手指皮膚的多層次組織學(xué)結(jié)構(gòu)和復(fù)雜的外形結(jié)構(gòu)致使其研究難度較大，關(guān)于指紋皺紋形成機理的探究難以開展。

光學(xué)相干層析技術(shù)（Optical Coherence Tomography， OCT） 是20 世紀(jì)90 年代發(fā)展起來的一種新型光學(xué)斷層成像技術(shù)，具有原位、非接觸、無損、高分辨、真三維斷層成像等特點，在無損檢測方面有著重要的應(yīng)用價值和廣闊的發(fā)展前景[54]。在指紋的生物學(xué)探究方面，ZAM 利用OCT 技術(shù)顯現(xiàn)了指尖表皮下的指紋和血管網(wǎng)絡(luò)分布等附加生物特征[55]，Ding利用OCT 技術(shù)提取了表面指紋、內(nèi)部指紋和汗腺相關(guān)信息[56]，張寧等利用OCT 技術(shù)對表皮下毛囊分布進行可視化展示[57]。鑒于該技術(shù)廣泛的應(yīng)用價值，未來也可以借助OCT技術(shù)的斷層成像特點，在指紋皺紋形成初期、穩(wěn)定期和消失末期對指紋表皮層和真皮層進行比對，觀察指紋皺紋形成的不同階段里，表皮層至真皮層是否具有明顯差異性，以探究指紋皺紋形成的生物學(xué)機理。

4.2 鑒定價值

指紋皺紋的形態(tài)受到多種因素的影響，因此將其應(yīng)用于指紋鑒定之中具有一定的局限性。在沒有鑒定規(guī)范的情況下，法官難以對證據(jù)的鑒定意見合法性和合規(guī)性進行評斷[58]，致使在實際鑒定工作中指紋皺紋的作用發(fā)揮得很少，甚至一度被視為“個別特征”而錯誤應(yīng)用[59-61]。同時，法庭科學(xué)的比對檢驗依賴于指紋檢驗人員的判斷，是典型的主觀分析方法，該方法易受檢驗人員的錯誤、偏見和水平高低的影響，因此，如何客觀衡量指紋皺紋的鑒定價值，并判斷其是否能納入鑒定范疇仍是亟待解決的問題。

似然比（Likelihood Ratio）是一種基于貝葉斯理論的統(tǒng)計方法，可以為法庭提供衡量證據(jù)證明價值的標(biāo)準(zhǔn)，該方法在法庭科學(xué)各個領(lǐng)域均有一定程度的研究與應(yīng)用[62-65]。一些歐美國家已將似然比成熟地應(yīng)用于相關(guān)領(lǐng)域。例如，Alexandre 通過似然比評估了汗孔特征與二級特征相結(jié)合后在指紋比對檢驗過程中的鑒定價值[66]；Graham 利用似然比對傷疤特征的鑒定價值進行探究[67]。指紋皺紋的短期相對穩(wěn)定性同樣具有鑒定價值，未來可以利用似然比方法對其鑒定價值進行評估和量化，并將不同時期指紋皺紋特征的似然比結(jié)果進行橫向比較，探究指紋皺紋用于指紋鑒定時的有效時間范圍，從而將指紋皺紋特征合理地運用在指紋鑒定工作中。

4.3 結(jié)合神經(jīng)網(wǎng)絡(luò)的指紋皺紋自動識別技術(shù)開發(fā)

隨著大規(guī)模指紋數(shù)據(jù)庫的建立，指紋自動識別系統(tǒng)的發(fā)展已面臨多項技術(shù)瓶頸[68-70]，例如，當(dāng)前的指紋自動識別系統(tǒng)只能針對常規(guī)二級特征進行識別標(biāo)記。指紋皺紋作為手指上普遍存在的特征，因包含著大量的形態(tài)學(xué)信息而在人身識別領(lǐng)域具有潛在的應(yīng)用價值，將其納入指紋自動識別系統(tǒng)的識別范圍會成為一種趨勢，指紋皺紋也勢必會隨著新技術(shù)的發(fā)展，融入指紋自動識別系統(tǒng)的應(yīng)用當(dāng)中。

YOLOv5 是一種目標(biāo)檢測的神經(jīng)網(wǎng)絡(luò)算法，目前已初步應(yīng)用于指紋自動識別領(lǐng)域[71]。高夢婷等基于YOLOv5 算法實現(xiàn)了指紋“分歧”“結(jié)合”等常見二級特征自動檢測識別[72]。指紋皺紋相比常見的二級特征擁有更多的特征信息，或許可以在YOLOv5 算法的基礎(chǔ)上探究與指紋皺紋相關(guān)的自動識別技術(shù)，進一步與機器學(xué)習(xí)及人工智能等技術(shù)相融合，以期將指紋皺紋特征有效納入指紋自動識別系統(tǒng)的特征運用集中，同時提高指紋皺紋與傷疤特征等相似特征的自動辨識率與篩選率。

參考文獻

[1] 姚中港．指紋細點線的形態(tài)變化及識別方法研究[D]．北京：中國人民公安大學(xué)，2014， 4-5

[2] 鐘新文，張忠良．手印學(xué)[M]．北京：中國人民公安大學(xué)出版社，2014， 223-225

[3] B·肖曼，M·阿爾特，姚荷生．皮膚紋理學(xué)與疾病[M]．江蘇：江蘇科學(xué)技術(shù)出版社，1984， 122-123

[4] 郭少波，王芫，王炎，等．探析高分辨率指紋特定條件下三級特征的穩(wěn)定性[J]．中國司法鑒定，2013， 1：56-61

[5] 張瑾，劉曉明．運用指印特征提升疑難指印鑒定率[J]．中國人民公安大學(xué)學(xué)報（ 自然科學(xué)版），2016， 22（1）：4-10

[6] 羅亞平，郭威．指紋學(xué)教程[M]．北京：中國人民公安大學(xué)出版社，2010， 85-86

[7] Vernon DSG. Automatic detection of secondary creases in fingerprints[J]. Optical Engineering， 1993， 32（10）： 2616-2623

[8] Cummins H， Midlo C. Finger prints， palms and soles： an introduction to dermatoglyphics[M]. New York： Dover Publications， 1961， 41-42

[9] 韋向東．利用指紋傷疤印痕確定犯罪嫌疑人1 例[J]．刑事技術(shù)，2014， 5： 21

[10] Richmond S. Do fingerprint ridges and characteristics within ridges change with pressure？[J]. Australian Federal Police， Forensic Services， 2004， 5： 46-47

[11] Silva LRV， Mizokami L， Vieira PR， et al. Longitudinal and retrospective study has demonstrated morphometric variations in the fingerprints of elderly individuals[J]. Forensic science international， 2016， 259： 41-46

[12] Monson KL， Roberts MA， Knorr KB， et al. The permanence of friction ridge skin and persistence of friction ridge skin and impressions： a comprehensive review and new results[J]. Forensic science international， 2019， 297： 111-131

[13] 宋煥庭，唐瑋，張麗梅，等．指紋與年齡相關(guān)性的量化分析[J]．人類學(xué)學(xué)報，2022， 41（6）： 1047-1057

[14] 張忠良，宋煥庭，張麗梅，等．同一人不同年齡段的指紋特征信息變化[J]．中國刑警學(xué)院學(xué)報，2022， 3： 97-103

[15] 張致中，張虎，晁招相，等．新疆六個民族指紋白線的調(diào)查研究[J]．遺傳，1994， 1： 5-7

[16] 阿布都艾尼，艾瓊?cè)A，賽福鼎．新疆伊犁維吾爾族、哈薩克族和蒙古族指紋白線正常值分析[J]．解剖學(xué)雜志，1997， 1： 77-80

[17] 熊繼群，石君．湘西土家族、苗族、漢族指紋白線的研究[J]．華夏醫(yī)學(xué)，2006， 2： 179-181

[18] 莊振西，高秀珍．遼寧滿族和漢族指紋白線正常值分析[J]．人類學(xué)學(xué)報，1993， 3： 264-268

[19] 霍正浩，彭亮，陳銀濤，等．寧夏漢族指紋白線正常值分析[J]．中國優(yōu)生與遺傳雜志，1998， 6： 133-135

[20] 全躍龍．漢族指紋白線正常值分析[J]．人類學(xué)學(xué)報，1988， 2： 186-188

[21] Cherrill FR. Finger prints and disease[J]. Nature， 1950， 166（4223）： 581-584

[22] David TJ， Ajdukiewicz AB， Read AE. Fingerprint changes in coeliac disease[J]. Br Med J， 1970， 4（5735）： 594-596

[23] HIRSCH and Recke. Hautleisten und Krankheiten[M]. Berlin， Ernst-Reuter-Gesellschaft， 1971， 225-236

[24] Cannon M， Byrne M， Cotter D， et al. Further evidence for anomalies in the hand-prints of patients with schizophrenia： a study of secondary creases[J]. Schizophrenia Research， 1994， 13（2）： 179-184

[25] Shakibaei F， Asadollahi GA， Tabibi A. Dermatoglyphics in patients with schizophrenia[J]. Journal of research in medical sciences：the official journal of Isfahan University of Medical Sciences， 2011， 16（8）： 1055

[26] 甘子明，徐蘭．精神分裂癥患者的指紋白線和嵴線離解的研究[J]．新疆醫(yī)學(xué)院學(xué)報，1995， 4： 215-218

[27] 陸國芳，李樹寧，高麗榮，等．抑郁癥患者的指紋類型及指紋白線[J]．解剖學(xué)報，2011， 42（5）： 703-706

[28] 孫淑芳，許振波，韓向君，等．糖尿病患者指紋白線的分析[J]．遺傳，1995， 2： 10-11

[29] Lee CK， Chang C， Johar A， et al. Fingerprint changes and verification failure among patients with hand dermatitis[J]. JAMA dermatology， 2013， 149（3）： 294-299

[30] Li J， Glover JD， Zhang H， et al. Limb development genes underlie variation in human fingerprint patterns[J]. Cell， 2022， 185（1）： 95-112

[31] 薄海玲．指紋沖擊線的識別與應(yīng)用[D]．長春：吉林大學(xué)，2004

[32] 歐陽常青．手印鑒定中接合比對檢驗法的應(yīng)用研究[J]．中國司法鑒定，2005， 4： 52-53+56

[33] Chauhan N， Soni M， Anand V， et al. Fingerprint classification using crease features[A]. In： 2016 IEEE Students’ Technology Symposium （TechSym）[C]. IEEE， 2016， 56-60

[34] Tadross RA， Badawi AM， Mahfouz MR， et al. Sex Determination from Fingerprint[J]. Cairo International Biomedical Engineering Conference， 2006， 6： 26-31

[35] Verma M， Agarwal S. Fingerprint based male-female classification[A]. In： Emilio C， Rodolfo Z， Paolo G， et al. Proceedings of the International Workshop on Computational Intelligence in Security for Information Systems CISIS’08[C]. Springer Berlin，Heidelberg， 2009， 251-257

[36] Richard Jonathan O. Taduran， et al. Sex determination from fingerprint ridge density and white line counts in Filipinos[J]. Homo，2016， 67（2）： 163-171

[37] Taura MG， Adamu LH， Asuku AY， et al. Adjacent digit fingerprint white line count differences： a pointer to sexual dimorphism for forensic application[J]. Egyptian Journal of Forensic Sciences， 2019， 9（1）： 1-8

[38] Adamu LH， Asuku AY， Muhd UA， et al. Fingerprint White Line Counts： An Upcoming Forensic Tool for Sex Determination[J].Arab Journal of Forensic Sciences amp; Forensic Medicine 2019， 1（9）： 1165-1173

[39] Taura MG， Adamu LH， Asuku AY， et al. Quantity and asymmetry of fingerprint white lines： forensic implication[J]. Canadian Society of Forensic Science Journal， 2020， 53（1）： 13-25

[40] 田潤之，趙雅彬．基于指紋形態(tài)特征的人群年齡刻畫研究[J]．中國人民公安大學(xué)學(xué)報（ 自然科學(xué)版），2023， 29（1）： 11-20

[41] 李珍珍．硅膠高仿指模的檢驗[J]．刑事技術(shù)，2021， 46（1）： 91-95

[42] 蔣煥，陳立宏，李俐明，等．不同年齡階段人的硅膠仿生指紋印泥痕跡特征[J]．刑事技術(shù)，2022， 47（4）： 400-404

[43] GA/T 1533-2018，法庭科學(xué)指紋特征分類規(guī)范[S]

[44] HICKLIN A. Extended features under consideration [EB/OL]. https：//www.nist.gov/system/files/documents/2016/12/19/p18_hicklin_extfpfeatures_2006-04.pdf. Released on：2006-03-31

[45] Jain AK， Chen Y， Demirkus M. Pores and ridges： High-resolution fingerprint matching using level 3 features[J]. IEEE transactions on pattern analysis and machine intelligence， 2006， 29（1）： 15-27

[46] Science Working Group on Friction Ridge Analysis， Study and Technology. Standards for examining friction ridge impressions and resulting conclusions （latent/tenprint） [S/OL]. http：//clpex.com/swgfast/documents/examinationsconclusions/111026_Examinations-Conclusions_1.0.pdf. Released on： 2005-01-13

[47] 伍晨愉．?dāng)嗉y檢測及其在指紋識別中的應(yīng)用研究[D]．北京：清華大學(xué)，2003

[48] Wu C， Zhou J， Bian Z， et al. Robust crease detection in fingerprint images[A]. In： 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition[C]. IEEE， 2003， 2： II-505

[49] Zhou J， Wu C， Bian Z， et al. Improving fingerprint recognition based on crease detection[A]. In： ICBA. Biometric Authentication：First International Conference[C]. Springer Berlin Heidelberg， Biometric Authentication， 2004： 287-293

[50] Hymer P. Extraction and application of secondary crease information in fingerprint recognition systems[D]. Sweden： Link?ping University， 2005

[51] Zhou J， Chen F， Wu N， et al. Crease detection from fingerprint images and its applications in elderly people[J]. Pattern Recognition，2009， 42（5）： 896-906

[52] Laseinde OP. Analysis and detection of fingerprint creases[D]. America： West Virginia University， 2012

[53] Jian W， Zhou Y， Liu H， et al. Crease Detection and Repair Based on Minutia Density Distribution[A]. In： 2019 IEEE 11th International Conference on Communication Software and Networks （ICCSN）[C]. IEEE， 2019， 446-451

[54] 吳迪，高樹輝，張寧，等．光學(xué)相干層析技術(shù)在法庭科學(xué)領(lǐng)域的研究進展與應(yīng)用展望[J]．激光與光電子學(xué)進展，2023，60（12）： 30-40

[55] Zam A， Dsouza R， Subhash HM， et al. Feasibility of Correlation Mapping Optical Coherence Tomography （cmOCT） for Anti-Spoof Sub-Surface Fingerprinting[J]. Journal of Biophotonics. 2013， 6（9）： 663-667

[56] Ding B， Wang H， Chen P， et al. Surface and Internal Fingerprint Reconstruction From Optical Coherence Tomography through Convolutional Neural Network[J]. IEEE Transactions on Information Forensics and Security. 2021， 16： 685-700

[57] Zhang N， Wang C， Li Z， et al. Preliminary analysis of facial hair follicle distribution for forensic identification using OCT[A]. In：Imaging， Manipulation， and Analysis of Biomolecules， Cells， and Tissues XVI[C]. SPIE， 2018， 10497： 17-24

[58] 潘自勤．指紋三級特征在指紋鑒定中的價值[J]．刑事技術(shù)，2014， 4： 45-47

[59] 盧有林，刁龍珍，曹麗姝．對手指褶皺紋變化的研究[A]．見：第一屆全國手印專業(yè)學(xué)術(shù)交流會論文選[C]．北京：警官教育出版社，1993， 81

[60] 趙雨涵．可見指印階段性特征研究[D]．上海：華東政法大學(xué)，2021

[61] Reneau RD. Unusual latent print examinations[J]. Journal of Forensic Identification， 2003， 53（5）： 531

[62] Davis LJ， Saunders CP， Hepler A， et al. Using subsampling to estimate the strength of handwriting evidence via score-based likelihood ratios[J]. Forensic science international， 2012， 216（1-3）： 146-157

[63] Hepler AB， Saunders CP， Davis LJ， et al. Score-based likelihood ratios for handwriting evidence[J]. Forensic science international，2012， 219（1-3）： 129-140

[64] Meuwly D， Ramos D， Haraksim R. A guideline for the validation of likelihood ratio methods used for forensic evidence evaluation[J]. Forensic science international， 2017， 276： 142-153

[65] 董鋒，趙雅彬，羅亞平，等．似然比方法體系在法庭科學(xué)中的研究進展[J]．證據(jù)科學(xué)，2019， 27（3）： 375-385

[66] Anthonioz A， Champod C. Integration of pore features into the evaluation of fingerprint evidence[J]. Journal of Forensic Sciences，2014， 59（1）： 82-93

[67] Jackson G， Black S. Use of data to inform expert evaluative opinion in the comparison of hand images-the importance of scars[J].International Journal of Legal Medicine， 2014， 128： 555-563

[68] 吳春生，李孝君，吳浩．基于深度學(xué)習(xí)的指紋自動識別技術(shù)[J]．刑事技術(shù)，2022， 47（1）： 88-95

[69] 沈希忠，吳迪．基于YOLO 的鋁型材料表面小缺陷檢測[J]．浙江工業(yè)大學(xué)學(xué)報，2022， 50（4）： 372-380

[70] 吳萌萌，張澤斌，宋堯哲，等．基于自適應(yīng)特征增強的小目標(biāo)檢測網(wǎng)絡(luò)[J]．激光與光電子學(xué)進展，2023， 60（6）： 65-72

[71] 高寶東．基于YOLOv5 的小目標(biāo)檢測算法與應(yīng)用研究[D]．銀川：寧夏大學(xué)，2022

[72] 高夢婷，孫晗，唐云祁，等．基于改進YOLOv5 的指紋二級特征檢測方法[J]．激光與光電子學(xué)進展，2023， 60（10）： 89-99

基金項目：國家社科基金重大項目（20amp;ZD257）