PAPEL DIGITAL Y MULTIMEDIA CIENCIAS

Las posibilidades y limitaciones de Comparacin Forense Mano

RESUMEN: En las grabaciones de ciertos delitos, la cara no siempre aparece. En tales
casos, las manos pueden ofrecer una solucin, si estn completamente visibles. Un aspecto
importante de este estudio fue desarrollar un mtodo para la comparacin de la mano. El
mtodo de investigacin se bas en la morfologa, la antropometra y biometra de las
manos. Un nuevo aspecto de este estudio fue que se aplic una prueba manual y
automatizada, que, respectivamente, al evaluar muchas caractersticas, proporciona tasas
de identificacin de forma rpida. Una observacin importante fue que las imgenes de
buena calidad pueden proporcionar suficientes detalles de la mano. Las caractersticas ms
distintivas son 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. Los resultados
indican que la experiencia no mejor las tasas de identificacin, mientras que la prueba
manual lo hizo. La variabilidad intra-observador no influy en los resultados, mientras que
las manos de los familiares se juzgaron mal con frecuencia. Ambas pruebas proporcionaron
tasas altas de identificacin.
PALABRAS CLAVE: ciencia forense, biometra, anlisis de imgenes, antropometra,
identificacin biomtrica, la comparacin mano
Como consecuencia de la mayor disponibilidad de las cmaras digitales y la creciente
aplicacin de la Internet como un instrumento para la circulacin de imgenes indecentes,
los mtodos de comparacin entre dos conjuntos de imgenes se estn convirtiendo
progresivamente en importantes. Tradicionalmente, la identificacin de los autores de este
tipo de pruebas a travs de caractersticas fsicas ha tenido lugar a travs de los rasgos
faciales. Como los delincuentes -con especial referencia a los casos de delincuentes
sexuales, casos de pedofilia, secuestros y asesinatos trofeo lo hacen cubriendo cada vez
ms sus rostros, el reconocimiento facial no siempre es una opcin adecuada (1). Por lo
tanto, ha surgido la necesidad de examinar mtodos a travs del cual las caractersticas
fsicas que se encuentran en otras partes del cuerpo aparte de la cara que se puedan

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

objetivo del proyecto de investigacin, que

sirvi de base para este artculo, fue
desarrollar un mtodo para la comparacin mano. Finalmente, la comparacin debe llevarse
a cabo en un / configuracin sospechoso delincuente, por lo que una imagen / grabacin de
la perpetrador debe compararse con la imagen / grabacin de un sospechoso. Otros dos
objetivos fueron determinar si las caractersticas de la mano son lo suficientemente
variables para ser utilizadas para la identificacin y si la imagen en calidad es lo
suficientemente bueno para proporcionar suficientes detalles de la mano. Este trabajo es un
primer estudio sobre la viabilidad de comparacin en manos forenses. Como tal, se tomaron
un nmero limitado de comparaciones de mano. En consecuencia, otra limitacin del
estudio fue que las imgenes sobre todo de buena calidad se compararon. Por lo tanto, las
imgenes de mala calidad requieren una mayor investigacin. Por otra parte, los nicos dos
proporciones evaluados en este estudio fueron la proporcin relacin longitud / anchura y
dgitos. Es posible que existan otras relaciones, que varan an ms. Por ltimo, se
examinaron slo las manos de la raza caucsica. Es posible que las manos de otras razas
proporcionen diferentes resultados.
Materiales y METODOS

Se desarroll una prueba manual (lista de verificacin) para facilitar la comparacin de

manos. Se inspir en la lista de verificacin para la comparacin facial forense, que es el
estndar para la comparacin facial en los Pases Bajos (12). El propsito de la prueba era
poder procesar la informacin paso a paso consistente con un horario fijo. De esta manera,
el anlisis sistemtico del material se realiza de la manera ms objetiva posible. Por otra
parte, una base de datos de manos estaba disponible, lo que no slo ofrece una gran
cantidad de material de estudio, sino tambin algoritmos Matlab para las manos izquierda y
derecha. Estos algoritmos permiten pruebas automatizadas de imgenes y producen tasas de
identificacin. Todas las imgenes de mano analizados durante este estudio fueron
probados por ambos mtodos para descubrir qu mtodo es ms adecuado para la
comparacin de la mano.
Se utilizaron imgenes que pertenecen a las manos de la base de datos y las imgenes de
fabricacin propia (hecha con un escner plano Epson Perfection V750 Pro con una
resolucin de 2550 x 3509 pxeles). En general, la mano izquierda se investig, como la
mano derecha est causando una ms regordete deformacin de palma, con el contacto de
la mquina y tienen intravariaciones ms grandes con el tiempo (13). La comparacin de
las imgenes se llev a cabo mediante la presentacin en una pantalla de visualizacin. En
Adobe Photoshop, las imgenes fueron optimizados ajustando el brillo y el contraste y
hacer zoom sobre los detalles. Cada imagen se consider por separado y slo en ltima lado
a lado para reducir el sesgo. La comparacin de las diversas partes de una mano se produjo
por separado. Adems, el resto de la mano estaba cubierto. De esta manera, cada
componente de la mano fue revisado independientemente de otras partes de la mano. La
posicin, el nmero, y el patrn de la palma y / o aumento de nudillos, y la presencia y
morfologa de las lesiones pigmentadas y cicatrices fueron revisados. Al final, la forma
general de la mano, las proporciones y la colocacin de las partes de la mano se
compararon tambin (12). El nmero de caractersticas detectadas y el grado de parecido
entre las caractersticas observadas fueron la base para la conclusin del examen. Estos
aspectos pueden influir en el apoyo a una de las dos hiptesis, que, respectivamente,
incluyen el supuesto de que las imgenes se refieren a la misma persona y que estas
imgenes no consideran a la misma persona.

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

ms largo que el ndice (15). La prueba tambin incluye

caractersticas de palma mano especficos (por ejemplo, el patrn de lneas de palma),

caractersticas especficas de la mano (por ejemplo, el modelo de estructura de vena y
uas), y las caractersticas comunes (por ejemplo, la forma, las proporciones, el color de
piel son caractersticas muy distintivas ) (16,17). La Tabla 1 muestra la lista de verificacin.
Matlab Algoritmos
La base de datos de mano utilizada en este estudio pertenece a la Universidad del Bsforo
en Estambul y est destinado a la investigacin biomtrica. Contiene las manos de muchas
personas realizadas con un escner plano en un plazo de 4 aos y los algoritmos de
MATLAB para las palmas de la mano izquierda y derecha. La base de datos de palma mano
contiene dos directorios (uno con la mano izquierda y otro con la mano derecha), que son
adecuados para Matlab. Ambos comprenden 1926 imgenes pertenecientes a 642 personas,
por lo que en cada directorio, tres imgenes por persona estn disponibles. 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). 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

si dentro de un individual, la mano derecha puede ser discriminado de la mano izquierda.

Supongamos que todava no existe un sospechoso, pero hay algunos casos con imgenes
que probablemente pertenecen a la misma persona. Sin embargo, en un caso, una imagen de
una mano derecha est disponible, mientras que en el otro caso slo la imagen lado a la
izquierda es visible. En tales casos, puede ser til comparar la mano izquierda y la derecha
desde presumiblemente el mismo individuo. Con el fin de procesar las imgenes hechos a s
mismos por los algoritmos, una "frmula Matlab" tuvo que ser desarrollado. La frmula
incluye los siguientes pasos: escanear las palmas de las manos / la espalda con un fondo
negro y guardarlas como archivos JPEG, en un compartimento de 382 x 525 pxeles en
Adobe Photoshop y colorear los bordes negro restante (Fig . 5). En caso de dos pares de
imgenes, la mano izquierda y derecha de la misma persona se compararon. La mano
derecha se haba volteado horizontalmente, por lo que el examinador no era consciente de
ello durante la prueba. Los resultados de la segunda subprueba mostraron que los
algoritmos comparan una mano izquierda con la mano derecha con menos precisin que la
prueba manual. El ochenta y siete por ciento de las imgenes se identific correctamente
con la ayuda de la lista de verificacin; se observaron dos falsos positivos. Los algoritmos
identificaron 80% de las imgenes correctamente; Se observaron dos falsos negativos (los
dos pares de imgenes con lo que se compara la mano izquierda y derecha de la misma
persona) y un falso positivo.
Durante la tercera subprueba, se compararon 15 pares de imgenes de la mano hacia atrs
hecho a s mismo. El propsito de esta prueba fue examinar si las pruebas manuales y
automatizadas an funcionan cuando se utilizan imgenes de si mismo mirando hacia atrs.
Los resultados de la tercera subprueba
Mala calidad de Imgenes
El objetivo final de la comparacin lado forense es la posibilidad de comparar las imgenes
de mala calidad, como imgenes de casos reales suelen ser de calidad comparable. Para eso,
las imgenes de la mano de mala calidad fueron adquiridas a travs de Internet. Por lo
tanto, se utilizaron las imgenes con una resolucin baja y la nitidez. Estas imgenes en
cuestin de seis celebridades cuando estaban agitandolas, como los polticos y los
miembros de las familias reales. Dos imgenes de cada persona se generaron. Aparte de la

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.

No obstante, ahora se obtuvieron falsos positivos. La

subfigura derecha muestra la imagen despus de la ampliacin de la mano de una manera

tal que su tamao se parece al tamao de la mano tiene que ser comparado con. Este
enfoque, sin embargo, produce falsos negativos. Los resultados de la prueba mostraron que
el tamao es muy importante, ya que los algoritmos consideran informacin de la forma de
la mano y la textura mano. Adems, el tamao absoluto se considera en lugar de
proporciones, y la posicin de las manos es muy importante. Una imagen se copia y se pas
a llamarse esa copia. La imagen original y la copia se analizaron en dos ocasiones por los
algoritmos. La primera vez que se haba reducido la copia. Matlab dio como resultado que
las manos pertenecen a diferentes personas. La segunda vez que la copia se mantuvo sin
cambios. Matlab dio como resultado que las manos pertenecen a la misma persona. En el
caso de la mano reducida, slo el tamao absoluto haba sido cambiado, las relaciones se
mantuvieron sin cambios. Matlab aparentemente encontr una falta de coincidencia en
lugar de un partido, ya que haba tenido en cuenta el tamao absoluto en lugar de las
relaciones. Actualmente, los algoritmos no son lo suficientemente robusta como para el
procesamiento de imgenes de mala calidad. Los falsos positivos y falsos negativos
solamente se generaron utilizando los algoritmos. Debido a la presencia de sesgo, las
imgenes de mala calidad no se analizaron por la lista de comprobacin. Sin embargo,
algunas imgenes se muestran en una pantalla y zoom en los detalles. Inmediatamente,
algunas similitudes y diferencias se hicieron evidentes, por ejemplo en relacin con el
patrn de lneas de palma. Por lo tanto, la comparacin manual de las imgenes de mala
calidad parece ms prometedor, aunque se requiere ms investigacin.

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

biometra imagen y la investigacin de huellas dactilares. El grupo de laicos consista de

amigos y conocidos. El propsito de la prueba fue investigar si la experiencia desempea
un papel en comparacin mano. Otros dos objetivos fueron investigar si la lista de control
mejora los resultados y en qu medida los resultados de medicin de diferentes personas
difieren. Los sujetos tenan que escribir sus primeras impresiones y sus conclusiones
despus de usar la lista de verificacin. Los resultados de las pruebas mostraron que el 70%
de los expertos juzg todas las imgenes correctamente, mientras que el 30% ha avanzado
al utilizar la lista de control (Fig. 10). El ochenta por ciento de los laicos evaluadas todas
las imgenes correctamente; 40% mejor sus calificaciones a travs de la lista de control
(Fig. 11). Por lo tanto, la experiencia no parece desempear un papel en la comparacin
lado, y la lista de verificacin mejora los resultados en ambos grupos. El propsito del
ltimo objetivo era poner a prueba la precisin miden personas. Once personas miden la
relacin longitud / anchura de una imagen de la mano. La media de estos 11 mediciones fue
2,13 con una desviacin estndar de 0,06. No hay valores atpicos se pueden observar (Fig.
12).
Por otra parte, las manos de cinco hermanos fueron escaneadas para comprobar si las
manos de los familiares son ms similares entre s que los de los no parientes. En la
encuesta, un conjunto de imgenes consista en una palma de la mano de un hermano y una
palma de la mano de otro hermano (Fig. 13). La mayora de los sujetos dudaron acerca de
esta serie de imgenes y las clasifican como un partido. Por lo tanto, las manos relacionadas
parecen influir en la comparacin lado, pero se requiere ms investigacin.
Discusin
Este estudio ha investigado las posibilidades y limitaciones de la comparacin mano. Un
par de conclusiones se pueden extraer de este estudio.
Lista de comprobacin y Ratios
Este estudio ha encontrado que en general 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 son las caractersticas ms distintivas, al evaluar las palmas de la mano. En el

caso de la espalda de la mano, las caractersticas cualitativas de la lista de verificacin son

ms informativos que las caractersticas cuantitativas.
En cuanto a las proporciones, los resultados de este estudio indican que la relacin
longitud / anchura es ms distintiva que la relacin de dgitos, como la desviacin estndar
de la relacin longitud / anchura vara ms que la desviacin estndar de la relacin de
dgitos. En este caso, una desviacin estndar grande es deseable, como distintivo es
preferible para fines de identificacin.
Adems, con el fin de determinar qu diferencia entre las proporciones es aceptable asumir
que hay una coincidencia, Fig. 9 fue creada, en el que se muestran las relaciones longitud /
anchura de 25 comparaciones de mano. En 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). En este estudio,
la mayor diferencia entre las proporciones de un partido era 0,16. Se requiere ms
investigacin para definir un lmite umbral que indica la similitud o diferencia en las
mediciones y, respectivamente, apoya una conclusin de identificacin o exclusin.
Matlab Algoritmos
En principio, los algoritmos slo fueron capaces de procesar las imgenes de la base de
datos de la mano del Bsforo. Casi todas las dems imgenes primero tuvieron que ser
procesado (de acuerdo con la frmula Matlab). La capacidad de Matlab para procesar las
imgenes es un aspecto importante del estudio, ya que la mayora de las imgenes se
ensayaron tanto por manualmente y por los algoritmos. Por lo tanto, uno de los hallazgos
ms importantes para salir de este estudio es que las imgenes deben ser adaptados de una
manera determinada para ser procesado por los algoritmos de MATLAB. Las palmas de las
manos y la espalda se deben analizar con un fondo negro y se guardan como archivos
JPEG. Luego, las imgenes deben ser colocados en un compartimiento de 382 x 525 pxeles
en Adobe Photoshop, y los bordes restantes deben ser de color negro. Otro hallazgo fue que
el contraste de color entre el primer plano y el fondo de una imagen es muy importante, ya
que la mano tiene que ser aislado del fondo durante una de las etapas de procesamiento. La
relevancia del tamao de las manos est claramente apoyado por los resultados actuales,
como los algoritmos consideran no slo forma de la mano, sino tambin informacin de

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.