comparar. Los elementos humanos comunes disponibles para la evaluacin son las manos
del delincuente, a pesar de que no son visibles por definicin y pueden ser cubiertos por el
uso de guantes. Para ello, se ha vuelto significativa para establecer criterios de comparacin
objetivas para infractor y morfologas de la mano del sospechoso. De esta manera, se
puede determinar si estas caractersticas estn discriminando. Si estas caractersticas son de
hecho distintivas y pueden ayudar en las investigaciones (2).
Casi todo el mundo ha pigmentado lesiones, especialmente en reas expuestas como las
manos. Pecas, lunares, manchas solares, y marcas de nacimiento varan en apariencia y
pueden ser un recurso valioso para la determinacin de la individualidad. En general, estos
marcadores son bastante constantes durante toda la vida (3). Debido a las nuevas lesiones
pueden formarse durante la vida de uno, se necesitan datos actuales y relativamente
recientes fotografas (4-6). Cicatrices, lesiones (por ejemplo, los tatuajes) y las impresiones
(por ejemplo, marcas), los llamados marcadores biomtricos suaves, estn distribuidos al
azar. Esta distribucin tambin puede ser utilizado para caracterizar las marcas y para
reducir las posibilidades o incluso para identificar a las personas (7-11). Para evaluar la
localizacin de caractersticas, la mano puede ser segmentado en 14 regiones utilizando
puntos de referencia anatmica fcilmente discernible (Fig. 1). A continuacin, cada lado se
puede evaluar por el nmero de caractersticas que se encuentran en cada regin. La
cantidad de lesiones presentes y la forma en que se distribuyen a travs de las regiones
puede proporcionar informacin sobre cmo las manos se pueden diferenciar unos de otros
(5,6).
El
Lista de verificacin
A nivel mundial, hay varias tcnicas que se aplican actualmente para la comparacin facial.
En el Reino Unido, por ejemplo, la comparacin global, anlisis morfolgico,
fotoantropomtrico y superposicin se practican (14). En los Pases Bajos, hay dos tcnicas
principales que se aplican actualmente para la comparacin facial: comparacin integral y
anlisis morfolgico. La seleccin del mtodo adecuado depende de la calidad de la
imagen, la educacin y la experiencia del investigador, y el propsito de la prueba (12).
La lista de verificacin utilizada en este estudio se basa en la morfologa y la antropometra
de las manos. Contiene caractersticas cualitativas (la mayora) y las caractersticas
cuantitativas (o proporciones). Dos proporciones se evalan, que comprenden la relacin de
longitud / anchura y dgitos (Fig. 2). Los resultados iniciales mostraron que la relacin
longitud / anchura pareca ser una de las caractersticas ms distintivas probadas. Por lo
tanto, se decidi mantener esta relacin en la lista y en otras pruebas. Se sabe que existe
una correlacin clara entre la longitud y la cantidad de la hormona sexual masculina
testosterona que un feto est expuesto a en el tero. En las mujeres, los dedos ndice y
anular son comnmente comparables en longitud, cuando se mide desde el pliegue entre la
regin 11.07 y 09.12 de la yema del dedo (Fig. 1). En los hombres, el dedo anular es a
menudo sustancialmente
atrs / base de datos de la vena contiene cinco directorios (cuatro con la mano izquierda en
diferentes condiciones y una con la mano derecha). Todos ellos comprenden 300 imgenes
pertenecientes a 100 personas, por lo que en cada directorio, tres imgenes por persona
estn disponibles. Las condiciones de escaneado fueron como las siguientes. Recursos de
posicionamiento no se aplicaron. Los sujetos pusieron sus manos relajadas en el escner en
cualquier posicin. La nica condicin era que sus dedos se mantuvieran por separado. Los
sujetos no tienen que quitarse los anillos y relojes. Las manchas blanquecinas espurios
causados por la presin de la mano desigual aplican en el escner no influyen en la
exactitud de los resultados, ya que estas caractersticas se puede quitar fcilmente durante
una de las etapas de procesamiento de filtrado de paso alto. Los algoritmos necesitan 5.6
segundos para investigar las manos y pueden analizar forma de la mano y la informacin de
textura (es decir, los patrones de impresin de palma), comparar imgenes, y ofrecer tasas
de identificacin (13,20,21).
Durante este estudio se aplicaron umbrales, como los algoritmos producen tasas de
identificaciones. Estas tasas tienen que ser comparados con un valor crtico con el fin de ser
informativo. El umbral se fij en 0,60, a partir de este valor no hay falsos positivos ms
(Fig. 3). Como se mencion antes, la base de datos de mano contiene 1926 imgenes
pertenecientes a 642 individuos. Con el fin de ajustar los algoritmos y para determinar el
umbral, se seleccionaron las imgenes que pertenecen a 55 personas al azar. Las imgenes
de los otros 587 individuos fueron utilizados para generar los datos para la primera
subprueba. Por lo tanto, las imgenes utilizadas para el ajuste y las pruebas no eran los
mismos. En otras palabras, la prisin injusta de personas inocentes supera la liberacin
injusta de los criminales. Por lo tanto, las tasas de identificacin de menos de 0,60 se
clasificaron como desajustes, mientras que las tasas mayores que o iguales a 0,60 fueron
clasificados como partidos.
Resultados
Imgenes De Buena Calidad
Una prueba de ciego incluy a 10 pares de imgenes de palma, parte de la base de la mano
(la primera subprueba), 15 pares de imgenes de palma mano, hecho a s mismo (la
segunda subprueba), y 15 pares de mano, hecho a s mismo de imgenes (la tercera
subprueba) , que sea igualado o no coincide. Todas las imgenes tienen una buena calidad.
Por lo tanto, se utilizaron imgenes con alta resolucin y nitidez. La prueba fue creado por
un colega para minimizar / evitar el sesgo. Las imgenes se analizaron tanto por
manualmente (con la ayuda de la lista de verificacin) y por los algoritmos. Despus de la
prueba a ciegas fue realizado por el lista, los resultados se compararon con las respuestas
reales. Pronto se hizo evidente que las caractersticas eran las ms distintivas, ya que sus
resultados fueron (casi) el mismo en el caso de partidos y (sustancialmente) diferan entre s
en caso de desajustes. Para las otras caractersticas, este fue menor / no es el caso.
Los resultados de la prueba a ciegas mostraron que la relacin longitud / anchura, el patrn
de lnea de palma y la cantidad de caractersticas muy distintivas presentes, y la forma en
que se distribuyen parecan ser los rasgos ms distintivos cuando se prueba por la lista de
verificacin. En cuanto a los algoritmos, la identificacin de personas se basa en la
distancia de vectores de caractersticas, a saber, las caractersticas Anlisis de Componentes
Independientes (ICA). Los creadores de la base de datos evaluados esquemas de funciones
varias, y las caractersticas de la ACI parecan realizar superior a todas las otras
caractersticas juzgados. Las caractersticas comprenden partes independientes de la forma
de la mano; el clasificador se basa en la distancia eucldea. Extraccin de caractersticas y
reconocimiento evala la imagen de la escena completa, incluyendo la mano normalizada y
su entorno. La actuacin realizada de 99,65% verdaderos identificaciones para una
poblacin de 756 individuos es muy prometedor (20,21).
En el caso de la primera subprueba, se compararon 10 pares de imgenes palma de la mano
desde la base de datos mano. El propsito de esta prueba fue examinar si la funcin de
pruebas manuales y automatizadas y cules de estas pruebas proporciona resultados ms
precisos. Ambos mtodos se identificaron 90% de las imgenes correctamente y el 10%
(un falso negativo) errneamente. En este estudio, el trmino "identificado correctamente"
se utiliza para significar que los verdaderos partidos se declaran como tales y que los
verdaderos no partidos se declaran como tales. En ambos casos, el falso negativo se refera
al mismo par de fotografas (Fig. 4).
Durante la segunda subprueba, se compararon 15 pares de imgenes de palma de mano
hecho a s mismo. El propsito de esta prueba fue examinar si las pruebas manuales y
automatizadas an funcionan cuando se utilizan fotografas de si mismo y para comprobar
mala calidad y el tamao, las palmas de las manos a menudo son claramente visibles en
este tipo de imgenes, y la frmula habitual Matlab podran ser seguido (aunque ahora todo
el fondo tuvo que ser coloreado de negro). Al comparar las imgenes de una persona, se
compararon dos imgenes diferentes de la misma persona. Se asumi que las imgenes
pertenecan a una y la misma persona. Cuando la comparacin de imgenes de dos
individuos, obviamente, se compararon dos imgenes de diferentes individuos.
La figura 6 consta de tres subfiguras. La subfigura izquierda muestra una imagen de un
poltico que agita. En la subfigura medio, la imagen se muestra despus de seguir la
frmula habitual de Matlab.
Ratios
Despus de que se combinaran los 10 pares de imgenes de la palma de la mano con la base
de datos , y los 15 pares de imgenes de la palma de la mano hechos a s mismos, se obtuvo
una muestra de 25 pares de imgenes palma de la mano. Ahora, la tasa de identificacin de
la lista de control fue del 88%, y la tasa de identificacin de los algoritmos fue del 84%.
La longitud / anchura proporciones y las proporciones numricas de estas 50 imgenes de
mano se trazan en un grfico. En la interpretacin de la figura. 7, dos desviaciones estndar
pueden considerarse: la desviacin estndar de la relacin longitud / anchura y la relacin
dgitos y su impacto en la conclusin. La desviacin estndar de la relacin longitud /
anchura es igual a 0,11, mientras que la desviacin estndar de la relacin de dgito es igual
a 0,04. En general, la obtencin de una pequea desviacin estndar es deseable. Sin
embargo, en este caso, una desviacin estndar grande es preferible, ya que el propsito de
la prueba es determinar qu relacin es ms distintivo y por tanto ms adecuado para fines
de identificacin. La desviacin estndar de la relacin longitud / anchura es mayor que la
desviacin estndar de la relacin de dgitos. Por lo tanto, esta relacin parece ser ms
distintivo que la relacin dgitos (suponiendo que no se han producido errores de
medicin).
Estadstica descriptiva (rango, media y la varianza) se calcul comparar ambas relaciones
entre s. Se emplearon tcnicas estadsticas adicionales para determinar cul es la
caracterstica ms discriminativa: la relacin longitud / anchura o la relacin dgitos. La
caracterstica ms discriminativo es el que tiene la variacin ms grande. Una prueba que
compara las varianzas de las dos muestras entre s se aplic para ver si difieren el uno del
otro.
En el caso de la relacin longitud / anchura, la prueba Lillifors de normalidad mostr una
prueba estadstica de 0,0881 con un valor de p de 0,42. La prueba demostr que la relacin
longitud / anchura se distribuye normalmente. En el caso de la relacin de dgitos, la prueba
Lillifors de normalidad mostr una prueba estadstica de 0,1705 con un valor de p <0,001.
La prueba demostr que la relacin de dgitos no se distribuye normalmente. A medida que
la relacin de dgitos no se distribuye normalmente, se aplic el test de Levene. Prueba de
Levene mostr una estadstica de prueba de 16,45 con un valor de p <0,001. La prueba
demostr que las varianzas de las dos distribuciones difieren entre s. En caso de que el
error relativo, la prueba de Levene demostr una prueba estadstica de 0,0004 con un valor
de p de 0,98. La prueba demostr que las varianzas de los errores relativos pueden
considerarse iguales.
La figura 8 muestra que cuando las dos variables se representan frente a la otra, hay una
correlacin clara se puede observar. Adems, durante esta prueba, la relacin longitud /
anchura de cada una de las 50 imgenes de la mano se represent, y los dos de longitud /
anchura proporciones de cada comparacin estaban conectados por una lnea. El smbolo de
partidos es de color gris claro, mientras que el smbolo para no partidos es de color gris
oscuro. El propsito de esta prueba era determinar qu diferencia entre las proporciones es
aceptable con el fin de asumir que hay una coincidencia. La situacin ideal sera que los
partidos se muestran mediante lneas horizontales y no partidos por lneas verticales. Sin
embargo, en el 46% de los partidos, las dos relaciones tienen el mismo valor (seis de las 13
lneas son horizontales), mientras que en el 92% de los desajustes, las relaciones no son
iguales (11 de las 12 lneas son verticales) (Fig. 9). En este estudio, la mayor diferencia
entre las proporciones de un partido era 0,16.
La Tabla 2 muestra algunas diferencias de resultados entre la lista de verificacin y los
algoritmos. La lista de verificacin, por ejemplo, tiene una sensibilidad ms grande y la
potencia, mientras que los algoritmos tienen una especificidad y la probabilidad proporcin
ms grande (LR). El LR anteriormente mencionado se calcula dividiendo "la sensibilidad"
por "uno menos la especificidad" (22). Al final, la LR debe calcularse dividiendo "la
probabilidad de obtener las observaciones dada la verdad de la proposicin fiscala (HP) y
teniendo en cuenta las circunstancias de casos pertinentes" por "la probabilidad de obtener
las observaciones dada la verdad de la proposicin de defensa (HD) y dadas las
circunstancias de casos relevantes "(7).
La influencia de la experiencia, la lista de verificacin, el Inter-Asunto Variabilidad y
parentesco
Una prueba que consta de cinco series de imgenes de palma de la mano se cre y
distribuy a los colegas y amigos. Se pidi a los participantes a usar su intuicin y despus
la lista de verificacin. Eventualmente, diez "expertos" y diez "laicos" reaccionaron a la
apelacin. Todos los expertos estaban empleados en el NFI dentro de los departamentos que
estn involucrados en algn tipo de reconocimiento de patrones, como el anlisis y la
textura mano. Parecen mirar a tamao absoluto en lugar de proporciones. Otro factor
determinante que parece influir en la exactitud de los algoritmos es la pose / posicin de las
manos. La evidencia de este estudio sugiere que en este momento, los algoritmos por s
solas no son lo suficientemente robusta como para fines de identificacin.
Por otra parte, los resultados de esta investigacin muestran que los algoritmos producen
resultados significativamente menos precisos al comparar una mano izquierda con la mano
derecha, mientras que los humanos tienen menos dificultad con este tipo de comparacin.
Por lo tanto, la expectativa es que las comparaciones de mano interindividuales seran an
ms discriminatoria. Otro hallazgo importante fue que los seres humanos evalan espaldas
mano con ms precisin que los algoritmos, que en parte puede explicarse por el hecho de
que los algoritmos fueron creados originalmente para el anlisis de las palmas de las
manos. En cuanto a las espaldas lado, tambin se descubri que la mejor manera de poner a
prueba la espalda de la mano izquierda por los algoritmos es por voltear horizontalmente y
el uso de los algoritmos para la mano izquierda.
La influencia de la experiencia, la lista de verificacin, el Inter-Asunto Variabilidad y
parentesco
Los hallazgos de este estudio sugieren que la experiencia no juega un papel en la mano y la
comparacin de que la lista de verificacin mejora los resultados. Despus de once
personas que miden la relacin longitud / anchura de una imagen de la mano, no se
observaron valores atpicos. La precisin de anlisis de imgenes tambin puede estar
influenciada por elementos "externos", como la iluminacin, la perspectiva, la distorsin y
la resolucin.
La mayora de los sujetos que participaron en los "expertos frente a los laicos" prueba
dudaron acerca de un conjunto de imgenes, que pertenecan a dos hermanos, y clasifican el
conjunto como un partido. Por lo tanto, los resultados de esta investigacin apoyan la idea
de que la precisin de la comparacin lado est influenciada por las manos que estn
relacionados, pero se requiere ms investigacin. Por otra parte, las condiciones, como el
ejercicio fsico y las diferentes condiciones climticas, no parecen influir en la visibilidad
de los patrones de las venas en el dorso de la mano. La mano hacia atrs / base de datos de
la vena contiene cinco directorios (cuatro con la mano izquierda en diferentes condiciones y
una con la mano derecha). Las condiciones incluyen el ejercicio fsico y las diferentes
condiciones climticas. Despus de haber comparado las imgenes de una persona hecha
bajo condiciones diferentes entre s, se pudo observar ninguna diferencia. Esto ha sido
realizado por un par de personas. Esto es positivo para las posibilidades y exactitud de la
comparacin mano.
Tomados en conjunto, estos resultados sugieren que tanto la lista de verificacin y los
algoritmos tienen ventajas y desventajas. Juntos, los dos mtodos tienen un potencial
prometedor para el anlisis de imgenes y la comparacin. La medida de los algoritmos de
la siguiente forma: forma de la mano y la informacin de textura (es decir, los patrones de
impresin de palma). Las medidas de la lista de verificacin de la siguiente forma: forma de
la mano, la longitud / anchura, relacin de dgitos, color de piel, patrn de lnea de palma,
las venas en el dorso de la mano, el crecimiento del pelo, rasgos muy distintivos (pecas,
lunares, manchas solares, lunares, cicatrices, tatuajes , impresiones, arrugas) actuales y la
forma en que se distribuyen y uas (rea lnula, tamao lmina ungueal, forma). Se puede
afirmar que la forma de la mano y el patrn de lnea de palma estn en comn entre
algoritmos y lista de comprobacin. La figura 8 muestra que cuando la relacin longitud /
anchura y la relacin de dgitos se representan frente a la otra, hay una correlacin clara se
puede observar. En el caso de las caractersticas cualitativas, es difcil establecer una
correlacin. Despus de haber analizado 25 pares de imgenes de palma de la mano, la tasa
de identificacin del autor fue del 88%, y la tasa de identificacin de los algoritmos "fue del
84%. En el caso de 10 pares de imgenes de la mano hacia atrs, el autor identifica el 100%
de las imgenes correctamente, y los algoritmos identific 73% de las imgenes
correctamente.
Las tasas de identificacin de la prueba manual son ligeramente superiores a los de los
algoritmos, y la lista de verificacin evala ahora ms caractersticas que los algoritmos.
Sin embargo, en el caso de la lista de verificacin, el 33,3% de los juicios equivocados
interesadas falsos negativos y 66,7% en cuestin falsos positivos, mientras que en el caso
de los algoritmos, el 87,5% de los juicios equivocados interesadas falsos negativos y 12,5%
en cuestin falsos positivos. En este estudio, la prisin injusta de personas inocentes supera
la liberacin injusta de los criminales. Por lo tanto, los errores falsos negativos se
consideran menos graves que los errores falsos positivos
Agradecimientos
Especial agradecimiento a Bulent Sankur y los dems creadores de la base de datos de
mano (vena) (Departamento de Ingeniera Elctrica y Electrnica de la Universidad del
Bsforo, Estambul) para el suministro de material durante la fase inicial del proyecto, sin la
cual la realizacin de este proyecto no habra sido posible. Muchas gracias tambin a
Christina Malone (Departamento de Evidencia Digital, Estados Unidos Penal Laboratorio
de Investigacin del Ejrcito, Forest Park, Ga.) Para el apoyo sustantivo durante el
proyecto.