使用模具伪造的墨迹指纹的认证

科学领域:

• 法医科学 法医科学 法医科学
• 生物识别信息 生物识别信息
• 材料科学 是一种材料科学.

背景情况:

• 由于在民事案件中越来越多地使用伪造的墨迹指纹,因此需要可靠的检测方法.
• 目前用于指纹身份验证的方法在区分真实与伪造的打印时面临挑战.

研究的目的:

• 开发和评估一种快速,非破坏性的方法来检测伪造的墨迹指纹.
• 提高法医证据在司法程序中的可靠性.

主要方法:

• 拉曼光谱法用于分析真实和伪造的墨迹指纹之间的光谱差异.
• 形态分析侧重于3600个墨迹指纹的外部轮,脊梁宽度和脊梁不连续性.
• 开发了一个深度学习模型 (ResNet50_AuI),将特征金字塔网络 (FPN) 和多头自我注意 (MHSA) 集成到剩余网络 (ResNet) 中.

主要成果:

• 仅靠拉曼光谱就不足以区分真实的指纹和伪造的指纹.
• 形态分析确定了外部轮作为最有效的身份验证特征,其次是脊柱不连续性.
• 该ResNet50_AuI深度学习模型在检测伪造的墨迹指纹方面取得了98.88%的高精度.

结论:

• 形态分析,特别是外部轮,与深度学习相结合,为伪造的墨迹指纹检测提供了一个有希望的方法.
• 虽然拉曼光谱显示出局限性,但集成深度学习模型在提高法医证据完整性方面显示出重大潜力.