PAPEL DIGITAL Y MULTIMEDIA CIENCIAS

Las posibilidades y limitaciones de Comparación Forense Mano

RESUMEN: En las grabaciones de ciertos delitos, la cara no siempre aparece. En tales

casos, las manos pueden ofrecer una solución, si están completamente visibles. Un aspecto

importante de este estudio fue desarrollar un método para la comparación de la mano. El

método de investigación se basó en la morfología, la antropometría y biometría de las

manos. Un nuevo aspecto de este estudio fue que se aplicó una prueba manual y

automatizada, que, respectivamente, al evaluar muchas características, proporciona tasas

de identificación de forma rápida. Una observación importante fue que las imágenes de

buena calidad pueden proporcionar suficientes detalles de la mano. Las características más

distintivas son la relación longitud / anchura, el patrón de línea de palma y la cantidad de

características muy distintivas presentes, y la forma en que se distribuyen. Los resultados

indican que la experiencia no mejoró las tasas de identificación, mientras que la prueba

manual lo hizo. La variabilidad intra-observador no influyó en los resultados, mientras que

las manos de los familiares se juzgaron mal con frecuencia. Ambas pruebas proporcionaron

tasas altas de identificación.

PALABRAS CLAVE: ciencia forense, biometría, análisis de imágenes, antropometría,

identificación biométrica, la comparación mano

Como consecuencia de la mayor disponibilidad de las cámaras digitales y la creciente

aplicación de la Internet como un instrumento para la circulación de imágenes indecentes,

los métodos de comparación entre dos conjuntos de imágenes se están convirtiendo

progresivamente en importantes. Tradicionalmente, la identificación de los autores de este

tipo de pruebas a través de características físicas ha tenido lugar a través 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

más sus rostros, el reconocimiento facial no siempre es una opción adecuada (1). Por lo

tanto, ha surgido la necesidad de examinar métodos a través del cual las características

físicas que se encuentran en otras partes del cuerpo aparte de la cara que se puedan

comparar. Los elementos humanos comunes disponibles para la evaluación son las manos

del delincuente, a pesar de que no son visibles por definición y pueden ser cubiertos por el

uso de guantes. Para ello, se ha vuelto significativa para establecer criterios de comparación

objetivas para infractor y morfologías de la mano del sospechoso. De esta manera, se

puede determinar si estas características están discriminando. Si estas características son de

hecho distintivas y pueden ayudar en las investigaciones (2).

Casi todo el mundo ha pigmentado lesiones, especialmente en áreas expuestas como las

manos. Pecas, lunares, manchas solares, y marcas de nacimiento varían en apariencia y

pueden ser un recurso valioso para la determinación 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 fotografías (4-6). Cicatrices, lesiones (por ejemplo, los tatuajes) y las impresiones

(por ejemplo, marcas), los llamados marcadores biométricos suaves, están distribuidos al

azar. Esta distribución también puede ser utilizado para caracterizar las marcas y para

reducir las posibilidades o incluso para identificar a las personas (7-11). Para evaluar la

localización de características, la mano puede ser segmentado en 14 regiones utilizando

puntos de referencia anatómica fácilmente discernible (Fig. 1). A continuación, cada lado

se puede evaluar por el número de características que se encuentran en cada región. La

cantidad de lesiones presentes y la forma en que se distribuyen a través de las regiones

puede proporcionar información sobre cómo las manos se pueden diferenciar unos de otros

(5,6).

El objetivo del proyecto de investigación, que sirvió de base para este artículo, fue

desarrollar un método para la comparación mano. Finalmente, la comparación debe llevarse

a cabo en un / configuración sospechoso delincuente, por lo que una imagen / grabación de

la perpetrador debe compararse con la imagen / grabación de un sospechoso. Otros dos

objetivos fueron determinar si las características de la mano son lo suficientemente

variables para ser utilizadas para la identificación 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 comparación en manos forenses. Como tal, se tomaron

un número limitado de comparaciones de mano. En consecuencia, otra limitación del

estudio fue que las imágenes sobre todo de buena calidad se compararon. Por lo tanto, las

imágenes de mala calidad requieren una mayor investigación. Por otra parte, los únicos dos

proporciones evaluados en este estudio fueron la proporción relación longitud / anchura y

dígitos. Es posible que existan otras relaciones, que varían aún más. Por último, se

examinaron sólo las manos de la raza caucásica. Es posible que las manos de otras razas

proporcionen diferentes resultados.

Materiales y METODOS

Se desarrolló una prueba manual (lista de verificación) para facilitar la comparación de

manos. Se inspiró en la lista de verificación para la comparación facial forense, que es el

estándar para la comparación facial en los Países Bajos (12). El propósito de la prueba era

poder procesar la información paso a paso consistente con un horario fijo. De esta manera,

el análisis sistemático del material se realiza de la manera más objetiva posible. Por otra

parte, una base de datos de manos estaba disponible, lo que no sólo ofrece una gran

cantidad de material de estudio, sino también algoritmos Matlab para las manos izquierda y

derecha. Estos algoritmos permiten pruebas automatizadas de imágenes y producen tasas de

identificación. Todas las imágenes de mano analizados durante este estudio fueron

probados por ambos métodos para descubrir qué método es más adecuado para la

comparación de la mano.

Se utilizaron imágenes que pertenecen a las manos de la base de datos y las imágenes de

fabricación propia (hecha con un escáner plano Epson Perfection V750 Pro con una

resolución de 2550 x 3509 píxeles). En general, la mano izquierda se investigó, como la

mano derecha está causando una más regordete deformación de palma, con el contacto de

la máquina y tienen intravariaciones más grandes con el tiempo (13). La comparación de

las imágenes se llevó a cabo mediante la presentación en una pantalla de visualización. En

Adobe Photoshop, las imágenes fueron optimizados ajustando el brillo y el contraste y

hacer zoom sobre los detalles. Cada imagen se consideró por separado y sólo en última lado

a lado para reducir el sesgo. La comparación de las diversas partes de una mano se produjo

por separado. Además, 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

posición, el número, y el patrón de la palma y / o aumento de nudillos, y la presencia y

morfología de las lesiones pigmentadas y cicatrices fueron revisados. Al final, la forma

general de la mano, las proporciones y la colocación de las partes de la mano se

compararon también (12). El número de características detectadas y el grado de parecido

entre las características observadas fueron la base para la conclusión del examen. Estos

aspectos pueden influir en el apoyo a una de las dos hipótesis, que, respectivamente,

incluyen el supuesto de que las imágenes se refieren a la misma persona y que estas

imágenes no consideran a la misma persona.

Lista de verificación

A nivel mundial, hay varias técnicas que se aplican actualmente para la comparación facial.

En el Reino Unido, por ejemplo, la comparación global, análisis morfológico,

fotoantropométrico y superposición se practican (14). En los Países Bajos, hay dos técnicas

principales que se aplican actualmente para la comparación facial: comparación integral y

análisis morfológico. La selección del método adecuado depende de la calidad de la

imagen, la educación y la experiencia del investigador, y el propósito de la prueba (12).

La lista de verificación utilizada en este estudio se basa en la morfología y la antropometría

de las manos. Contiene características cualitativas (la mayoría) y las características

cuantitativas (o proporciones). Dos proporciones se evalúan, que comprenden la relación de

longitud / anchura y dígitos (Fig. 2). Los resultados iniciales mostraron que la relación

longitud / anchura parecía ser una de las características más distintivas probadas. Por lo

tanto, se decidió mantener esta relación en la lista y en otras pruebas. Se sabe que existe

una correlación clara entre la longitud y la cantidad de la hormona sexual masculina

testosterona que un feto está expuesto a en el útero. En las mujeres, los dedos índice y

anular son comúnmente comparables en longitud, cuando se mide desde el pliegue entre la

región 11.07 y 09.12 de la yema del dedo (Fig. 1). En los hombres, el dedo anular es a

menudo sustancialmente más largo que el índice (15). La prueba también incluye

características de palma mano específicos (por ejemplo, el patrón de líneas de palma),

características específicas de la mano (por ejemplo, el modelo de estructura de vena y

uñas), y las características comunes (por ejemplo, la forma, las proporciones, el color de

piel son características muy distintivas ) (16,17). La Tabla 1 muestra la lista de verificación.

Matlab Algoritmos

La base de datos de mano utilizada en este estudio pertenece a la Universidad del Bósforo

en Estambul y está destinado a la investigación biométrica. Contiene las manos de muchas

personas realizadas con un escáner plano en un plazo de 4 años 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 imágenes pertenecientes a 642

personas, por lo que en cada directorio, tres imágenes por persona están disponibles. La

mano hacia atrás / 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 imágenes pertenecientes a 100 personas, por lo que en cada directorio, tres imágenes

por persona están disponibles. Las condiciones de escaneado fueron como las siguientes.

Recursos de posicionamiento no se aplicaron. Los sujetos pusieron sus manos relajadas en

el escáner en cualquier posición. La única condición 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 presión de la mano desigual aplican en el escáner no influyen en la

exactitud de los resultados, ya que estas características se puede quitar fácilmente 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 información de

textura (es decir, los patrones de impresión de palma), comparar imágenes, y ofrecer tasas

de identificación (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 crítico con el fin de ser

informativo. El umbral se fijó en 0,60, a partir de este valor no hay falsos positivos más

(Fig. 3). Como se mencionó antes, la base de datos de mano contiene 1926 imágenes

pertenecientes a 642 individuos. Con el fin de ajustar los algoritmos y para determinar el

umbral, se seleccionaron las imágenes que pertenecen a 55 personas al azar. Las imágenes

de los otros 587 individuos fueron utilizados para generar los datos para la primera

subprueba. Por lo tanto, las imágenes utilizadas para el ajuste y las pruebas no eran los

mismos. En otras palabras, la prisión injusta de personas inocentes supera la liberación

injusta de los criminales. Por lo tanto, las tasas de identificación 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

Imágenes De Buena Calidad

Una prueba de ciego incluyó a 10 pares de imágenes de palma, parte de la base de la mano

(la primera subprueba), 15 pares de imágenes de palma mano, hecho a sí mismo (la

segunda subprueba), y 15 pares de mano, hecho a sí mismo de imágenes (la tercera

subprueba) , que sea igualado o no coincide. Todas las imágenes tienen una buena calidad.

Por lo tanto, se utilizaron imágenes con alta resolución y nitidez. La prueba fue creado por

un colega para minimizar / evitar el sesgo. Las imágenes se analizaron tanto por

manualmente (con la ayuda de la lista de verificación) y por los algoritmos. Después de la

prueba a ciegas fue realizado por el lista, los resultados se compararon con las respuestas

reales. Pronto se hizo evidente que las características eran las más distintivas, ya que sus

resultados fueron (casi) el mismo en el caso de partidos y (sustancialmente) diferían entre sí

en caso de desajustes. Para las otras características, este fue menor / no es el caso.

Los resultados de la prueba a ciegas mostraron que la relación longitud / anchura, el patrón

de línea de palma y la cantidad de características muy distintivas presentes, y la forma en

que se distribuyen parecían ser los rasgos más distintivos cuando se prueba por la lista de

verificación. En cuanto a los algoritmos, la identificación de personas se basa en la

distancia de vectores de características, a saber, las características Análisis de Componentes

Independientes (ICA). Los creadores de la base de datos evaluados esquemas de funciones

varias, y las características de la ACI parecían realizar superior a todas las otras

características juzgados. Las características comprenden partes independientes de la forma

de la mano; el clasificador se basa en la distancia euclídea. Extracción de características y

reconocimiento evalúa la imagen de la escena completa, incluyendo la mano normalizada y

su entorno. La actuación realizada de 99,65% verdaderos identificaciones para una

población de 756 individuos es muy prometedor (20,21).

En el caso de la primera subprueba, se compararon 10 pares de imágenes palma de la mano

desde la base de datos mano. El propósito de esta prueba fue examinar si la función de

pruebas manuales y automatizadas y cuáles de estas pruebas proporciona resultados más

precisos. Ambos métodos se identificaron 90% de las imágenes correctamente y el 10%

(un falso negativo) erróneamente. En este estudio, el término "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 refería

al mismo par de fotografías (Fig. 4).

Durante la segunda subprueba, se compararon 15 pares de imágenes de palma de mano

hecho a sí mismo. El propósito de esta prueba fue examinar si las pruebas manuales y

automatizadas aún funcionan cuando se utilizan fotografías de si mismo y para comprobar

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

Supongamos que todavía no existe un sospechoso, pero hay algunos casos con imágenes

que probablemente pertenecen a la misma persona. Sin embargo, en un caso, una imagen de

una mano derecha está disponible, mientras que en el otro caso sólo la imagen lado a la

izquierda es visible. En tales casos, puede ser útil comparar la mano izquierda y la derecha

desde presumiblemente el mismo individuo. Con el fin de procesar las imágenes hechos a sí

mismos por los algoritmos, una "fórmula Matlab" tuvo que ser desarrollado. La fórmula

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 píxeles en

Adobe Photo¬shop y colorear los bordes negro restante (Fig . 5). En caso de dos pares de

imágenes, la mano izquierda y derecha de la misma persona se compararon. La mano

derecha se había 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 precisión que la

prueba manual. El ochenta y siete por ciento de las imágenes se identificó correctamente

con la ayuda de la lista de verificación; se observaron dos falsos positivos. Los algoritmos

identificaron 80% de las imágenes correctamente; Se observaron dos falsos negativos (los

dos pares de imágenes 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 imágenes de la mano hacia atrás

hecho a sí mismo. El propósito de esta prueba fue examinar si las pruebas manuales y

automatizadas aún funcionan cuando se utilizan imágenes de si mismo mirando hacia atrás.

Los resultados de la tercera subprueba

Mala calidad de Imágenes

El objetivo final de la comparación lado forense es la posibilidad de comparar las imágenes

de mala calidad, como imágenes de casos reales suelen ser de calidad comparable. Para eso,

las imágenes de la mano de mala calidad fueron adquiridas a través de Internet. Por lo

tanto, se utilizaron las imágenes con una resolución baja y la nitidez. Estas imágenes en

cuestión de seis celebridades cuando estaban agitandolas, como los políticos y los

miembros de las familias reales. Dos imágenes de cada persona se generaron. Aparte de la

mala calidad y el tamaño, las palmas de las manos a menudo son claramente visibles en

este tipo de imágenes, y la fórmula habitual Matlab podrían ser seguido (aunque ahora todo

el fondo tuvo que ser coloreado de negro). Al comparar las imágenes de una persona, se

compararon dos imágenes diferentes de la misma persona. Se asumió que las imágenes

pertenecían a una y la misma persona. Cuando la comparación de imágenes de dos

individuos, obviamente, se compararon dos imágenes de diferentes individuos.

La figura 6 consta de tres subfiguras. La subfigura izquierda muestra una imagen de un

político que agita. En la subfigura medio, la imagen se muestra después de seguir la

fórmula habitual de Matlab. No obstante, ahora se obtuvieron falsos positivos. La

subfigura derecha muestra la imagen después de la ampliación de la mano de una manera

tal que su tamaño se parece al tamaño de la mano tiene que ser comparado con. Este

enfoque, sin embargo, produce falsos negativos. Los resultados de la prueba mostraron que

el tamaño es muy importante, ya que los algoritmos consideran información de la forma de

la mano y la textura mano. Además, el tamaño absoluto se considera en lugar de

proporciones, y la posición de las manos es muy importante. Una imagen se copia y se pasó

a llamarse esa copia. La imagen original y la copia se analizaron en dos ocasiones por los

algoritmos. La primera vez que se había 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, sólo el tamaño absoluto había sido cambiado, las relaciones se

mantuvieron sin cambios. Matlab aparentemente encontró una falta de coincidencia en

lugar de un partido, ya que había tenido en cuenta el tamaño absoluto en lugar de las

relaciones. Actualmente, los algoritmos no son lo suficientemente robusta como para el

procesamiento de imágenes de mala calidad. Los falsos positivos y falsos negativos

solamente se generaron utilizando los algoritmos. Debido a la presencia de sesgo, las

imágenes de mala calidad no se analizaron por la lista de comprobación. Sin embargo,

algunas imágenes se muestran en una pantalla y zoom en los detalles. Inmediatamente,

algunas similitudes y diferencias se hicieron evidentes, por ejemplo en relación con el

patrón de líneas de palma. Por lo tanto, la comparación manual de las imágenes de mala

calidad parece más prometedor, aunque se requiere más investigación.

Ratios

Después de que se combinaran los 10 pares de imágenes de la palma de la mano con la base

de datos , y los 15 pares de imágenes de la palma de la mano hechos a sí mismos, se obtuvo

una muestra de 25 pares de imágenes palma de la mano. Ahora, la tasa de identificación de

la lista de control fue del 88%, y la tasa de identificación de los algoritmos fue del 84%.

La longitud / anchura proporciones y las proporciones numéricas de estas 50 imágenes de

mano se trazan en un gráfico. En la interpretación de la figura. 7, dos desviaciones estándar

pueden considerarse: la desviación estándar de la relación longitud / anchura y la relación

dígitos y su impacto en la conclusión. La desviación estándar de la relación longitud /

anchura es igual a 0,11, mientras que la desviación estándar de la relación de dígito es igual

a 0,04. En general, la obtención de una pequeña desviación estándar es deseable. Sin

embargo, en este caso, una desviación estándar grande es preferible, ya que el propósito de

la prueba es determinar qué relación es más distintivo y por tanto más adecuado para fines

de identificación. La desviación estándar de la relación longitud / anchura es mayor que la

desviación estándar de la relación de dígitos. Por lo tanto, esta relación parece ser más

distintivo que la relación dígitos (suponiendo que no se han producido errores de

medición).

Estadística descriptiva (rango, media y la varianza) se calculó comparar ambas relaciones

entre sí. Se emplearon técnicas estadísticas adicionales para determinar cuál es la

característica más discriminativa: la relación longitud / anchura o la relación dígitos. La

característica más discriminativo es el que tiene la variación más grande. Una prueba que

compara las varianzas de las dos muestras entre sí se aplicó para ver si difieren el uno del

otro.

En el caso de la relación longitud / anchura, la prueba Lillifors de normalidad mostró una

prueba estadística de 0,0881 con un valor de p de 0,42. La prueba demostró que la relación

longitud / anchura se distribuye normalmente. En el caso de la relación de dígitos, la prueba

Lillifors de normalidad mostró una prueba estadística de 0,1705 con un valor de p <0,001.

La prueba demostró que la relación de dígitos no se distribuye normalmente. A medida que

la relación de dígitos no se distribuye normalmente, se aplicó el test de Levene. Prueba de

Levene mostró una estadística de prueba de 16,45 con un valor de p <0,001. La prueba

demostró que las varianzas de las dos distribuciones difieren entre sí. En caso de que el

error relativo, la prueba de Levene demostró una prueba estadística de 0,0004 con un valor

de p de 0,98. La prueba demostró 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

correlación clara se puede observar. Además, durante esta prueba, la relación longitud /

anchura de cada una de las 50 imágenes de la mano se representó, y los dos de longitud /

anchura proporciones de cada comparación estaban conectados por una línea. El símbolo de

partidos es de color gris claro, mientras que el símbolo para no partidos es de color gris

oscuro. El propósito de esta prueba era determinar qué diferencia entre las proporciones es

aceptable con el fin de asumir que hay una coincidencia. La situación ideal sería que los

partidos se muestran mediante líneas horizontales y no partidos por líneas verticales. Sin

embargo, en el 46% de los partidos, las dos relaciones tienen el mismo valor (seis de las 13

líneas son horizontales), mientras que en el 92% de los desajustes, las relaciones no son

iguales (11 de las 12 líneas 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 verificación y los

algoritmos. La lista de verificación, por ejemplo, tiene una sensibilidad más grande y la

potencia, mientras que los algoritmos tienen una especificidad y la probabilidad proporción

más 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 proposición fiscalía (HP) y

teniendo en cuenta las circunstancias de casos pertinentes" por "la probabilidad de obtener

las observaciones dada la verdad de la proposición de defensa (HD) y dadas las

circunstancias de casos relevantes "(7).

La influencia de la experiencia, la lista de verificación, el Inter-Asunto Variabilidad y

parentesco

Una prueba que consta de cinco series de imágenes de palma de la mano se creó y

distribuyó a los colegas y amigos. Se pidió a los participantes a usar su intuición y después

la lista de verificación. Eventualmente, diez "expertos" y diez "laicos" reaccionaron a la

apelación. Todos los expertos estaban empleados en el NFI dentro de los departamentos

que están involucrados en algún tipo de reconocimiento de patrones, como el análisis y la

biometría imagen y la investigación de huellas dactilares. El grupo de laicos consistía de

amigos y conocidos. El propósito de la prueba fue investigar si la experiencia desempeña

un papel en comparación mano. Otros dos objetivos fueron investigar si la lista de control

mejora los resultados y en qué medida los resultados de medición de diferentes personas

difieren. Los sujetos tenían que escribir sus primeras impresiones y sus conclusiones

después de usar la lista de verificación. Los resultados de las pruebas mostraron que el 70%

de los expertos juzgó todas las imágenes 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 imágenes correctamente; 40% mejoró sus calificaciones a través de la lista de control

(Fig. 11). Por lo tanto, la experiencia no parece desempeñar un papel en la comparación

lado, y la lista de verificación mejora los resultados en ambos grupos. El propósito del

último objetivo era poner a prueba la precisión miden personas. Once personas miden la

relación longitud / anchura de una imagen de la mano. La media de estos 11 mediciones fue

2,13 con una desviación estándar de 0,06. No hay valores atípicos se pueden observar (Fig.

12).

Por otra parte, las manos de cinco hermanos fueron escaneadas para comprobar si las

manos de los familiares son más similares entre sí que los de los no parientes. En la

encuesta, un conjunto de imágenes consistía en una palma de la mano de un hermano y una

palma de la mano de otro hermano (Fig. 13). La mayoría de los sujetos dudaron acerca de

esta serie de imágenes y las clasifican como un partido. Por lo tanto, las manos relacionadas

parecen influir en la comparación lado, pero se requiere más investigación.

Discusión

Este estudio ha investigado las posibilidades y limitaciones de la comparación mano. Un

par de conclusiones se pueden extraer de este estudio.

Lista de comprobación y Ratios

Este estudio ha encontrado que en general la relación longitud / anchura, el patrón de línea

de palma y la cantidad de características muy distintivas presentes, y la forma en que se

distribuyen son las características más distintivas, al evaluar las palmas de la mano. En el

caso de la espalda de la mano, las características cualitativas de la lista de verificación son

más informativos que las características cuantitativas.

En cuanto a las proporciones, los resultados de este estudio indican que la relación

longitud / anchura es más distintiva que la relación de dígitos, como la desviación estándar

de la relación longitud / anchura varía más que la desviación estándar de la relación de

dígitos. En este caso, una desviación estándar grande es deseable, como distintivo es

preferible para fines de identificación.

Además, con el fin de determinar qué 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 líneas son horizontales), mientras que en el 92% de los

desajustes, las relaciones no son iguales (11 de las 12 líneas son verticales). En este estudio,

la mayor diferencia entre las proporciones de un partido era 0,16. Se requiere más

investigación para definir un límite umbral que indica la similitud o diferencia en las

mediciones y, respectivamente, apoya una conclusión de identificación o exclusión.

Matlab Algoritmos

En principio, los algoritmos sólo fueron capaces de procesar las imágenes de la base de

datos de la mano del Bósforo. Casi todas las demás imágenes primero tuvieron que ser

procesado (de acuerdo con la fórmula Matlab). La capacidad de Matlab para procesar las

imágenes es un aspecto importante del estudio, ya que la mayoría de las imágenes se

ensayaron tanto por manualmente y por los algoritmos. Por lo tanto, uno de los hallazgos

más importantes para salir de este estudio es que las imágenes 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 imágenes deben ser colocados en un compartimiento de 382 x 525 píxeles

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 tamaño de las manos está claramente apoyado por los resultados actuales,

como los algoritmos consideran no sólo forma de la mano, sino también información de

textura mano. Parecen mirar a tamaño absoluto en lugar de proporciones. Otro factor

determinante que parece influir en la exactitud de los algoritmos es la pose / posición de las

manos. La evidencia de este estudio sugiere que en este momento, los algoritmos por sí

solas no son lo suficientemente robusta como para fines de identificación.

Por otra parte, los resultados de esta investigación 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 comparación.

Por lo tanto, la expectativa es que las comparaciones de mano interindividuales serían aún

más discriminatoria. Otro hallazgo importante fue que los seres humanos evalúan espaldas

mano con más precisión que los algoritmos, que en parte puede explicarse por el hecho de

que los algoritmos fueron creados originalmente para el análisis de las palmas de las

manos. En cuanto a las espaldas lado, también se descubrió 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 verificación, el Inter-Asunto Variabilidad y

parentesco

Los hallazgos de este estudio sugieren que la experiencia no juega un papel en la mano y la

comparación de que la lista de verificación mejora los resultados. Después de once

personas que miden la relación longitud / anchura de una imagen de la mano, no se

observaron valores atípicos. La precisión de análisis de imágenes también puede estar

influenciada por elementos "externos", como la iluminación, la perspectiva, la distorsión y

la resolución.

La mayoría de los sujetos que participaron en los "expertos frente a los laicos" prueba

dudaron acerca de un conjunto de imágenes, que pertenecían a dos hermanos, y clasifican el

conjunto como un partido. Por lo tanto, los resultados de esta investigación apoyan la idea

de que la precisión de la comparación lado está influenciada por las manos que están

relacionados, pero se requiere más investigación. Por otra parte, las condiciones, como el

ejercicio físico y las diferentes condiciones climáticas, no parecen influir en la visibilidad

de los patrones de las venas en el dorso de la mano. La mano hacia atrás / 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 físico y las diferentes

condiciones climáticas. Después de haber comparado las imágenes de una persona hecha

bajo condiciones diferentes entre sí, se pudo observar ninguna diferencia. Esto ha sido

realizado por un par de personas. Esto es positivo para las posibilidades y exactitud de la

comparación mano.

Tomados en conjunto, estos resultados sugieren que tanto la lista de verificación y los

algoritmos tienen ventajas y desventajas. Juntos, los dos métodos tienen un potencial

prometedor para el análisis de imágenes y la comparación. La medida de los algoritmos de

la siguiente forma: forma de la mano y la información de textura (es decir, los patrones de

impresión de palma). Las medidas de la lista de verificación de la siguiente forma: forma de

la mano, la longitud / anchura, relación de dígitos, color de piel, patrón de línea 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 uñas (área lúnula, tamaño lámina ungueal, forma). Se puede

afirmar que la forma de la mano y el patrón de línea de palma están en común entre

algoritmos y lista de comprobación. La figura 8 muestra que cuando la relación longitud /

anchura y la relación de dígitos se representan frente a la otra, hay una correlación clara se

puede observar. En el caso de las características cualitativas, es difícil establecer una

correlación. Después de haber analizado 25 pares de imágenes de palma de la mano, la tasa

de identificación del autor fue del 88%, y la tasa de identificación de los algoritmos "fue del

84%. En el caso de 10 pares de imágenes de la mano hacia atrás, el autor identifica el 100%

de las imágenes correctamente, y los algoritmos identificó 73% de las imágenes

correctamente.

Las tasas de identificación de la prueba manual son ligeramente superiores a los de los

algoritmos, y la lista de verificación evalúa ahora más características que los algoritmos.

Sin embargo, en el caso de la lista de verificación, el 33,3% de los juicios equivocados

interesadas falsos negativos y 66,7% en cuestión falsos positivos, mientras que en el caso

de los algoritmos, el 87,5% de los juicios equivocados interesadas falsos negativos y 12,5%

en cuestión falsos positivos. En este estudio, la prisión injusta de personas inocentes supera

la liberación 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 demás creadores de la base de datos de

mano (vena) (Departamento de Ingeniería Eléctrica y Electrónica de la Universidad del

Bósforo, Estambul) para el suministro de material durante la fase inicial del proyecto, sin la

cual la realización de este proyecto no habría sido posible. Muchas gracias también a

Christina Malone (Departamento de Evidencia Digital, Estados Unidos Penal Laboratorio

de Investigación del Ejército, Forest Park, Ga.) Para el apoyo sustantivo durante el

proyecto.