比起人臉識別，紋身識別可能更難

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，然后根據名為“ANSI-NIST-ITL1-2011”的生物測量標準，按照關鍵詞將其分類。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現在已經建立起一個紋身識別數據庫，作為他們下一代身份認證系統的一部分。

然而根據關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”，FBI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。相比于基于關鍵詞的搜索，紋身識別技術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布了關于這個高精尖技術的一個題目。共有六個組織參與到其中，以FBI提供的一組數據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據組的表現情況。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。”他三年前曾購買了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，一直都是基于未被證明的假設）

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

• 第一，執法機關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，生物識別產業一定要明確紋身辨認技術中的具體識別特征和內容。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

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。