影像科学与光化学  2019, Vol. 37 Issue (6): 507-514  DOI: 10.7517/issn.1674-0475.190604   PDF    
手印显现选择性的量化研究
于海峰1, 沈敦璞1, 鞠金晟1, 王猛1,2     
1. 中国刑事警察学院 痕迹检验技术系, 辽宁 沈阳 110035;
2. 痕迹检验鉴定技术公安部重点实验室, 辽宁 沈阳 110035
摘要: 本研究旨在提出手印显现选择性的量化方法,并讨论手印显现选择性的影响因素。首先利用Image J软件得到手印图像的灰度曲线,再利用Origin软件对灰度曲线进行分析,最终得到手印显现选择性的定量计算方法,即灰度曲线的波峰(对应乳突纹线)与波谷(对应小犁沟)积分的比值。本研究通过502熏染显现法、氨基黑10B显现法对量化方法进行了验证,结果表明该量化方法可行,此外,从显现试剂与客体性质两方面分析了影响手印显现选择性的主要因素。通过该研究,为手印显现效果的量化特别是选择性的定量评估提供了有益的参考。
关键词: 潜在手印    手印显现    选择性    量化    
Research on Quantifying the Selectivity of Fingerprint Development
YU Haifeng1, SHEN Dunpu1, JU Jinsheng1, WANG Meng1,2     
1. Department of Trace Examination, National Police University of China, Shenyang 110035, Liaoning, P. R. China;
2. Key Laboratory of Impression Evidence Examination and Identification Technology, Ministry of Public Security, Shenyang 110035, Liaoning, P. R. China
*Corresponding author: WANG Meng, E-mail: mengwang@alum.imr.ac.cn
Abstract: This work aims to propose a quantitative method for calculating the selectivity in latent fingerprint development, and discuss the effect factors of the developing selectivity. Firstly, the gray value curve of developed fingerprint image was obtained from Image J software. The gray value curve was then analyzed by means of Origin software. The developing selectivity was ultimately derived by the ratio of integrated peaks (friction ridges) to integrated valleys (furrows) in gray value curve. This method was tested and verified to be feasible through the super glue fuming method and Amino black 10B method. In addition, the effects of developing reagents and substrate properties on the fingerprint developing selectivity were investigated. This work provides beneficial references for quantitative evaluating the result especially the selectivity of latent fingerprint development.
Key words: latent fingerprint    fingerprint development    selectivity    quantification    

手纹具有人各不同的特定性、终身不变的稳定性、触物留痕的反映性,为人身同一认定提供了可靠的保障[1]。手纹遗留在客体表面的镜像印痕被称为手印。一直以来,手印被广泛应用于刑事侦查、刑事技术等领域,有着“证据之首”的美誉。在犯罪现场,遗留的手印类型通常为潜在手印,即不能被肉眼直接观察到的手印[2]。而如何通过特定的显现方法将潜在手印转变为可见手印,则成为手印应用的重点所在,手印显现技术由此迅速发展[3]。手印显现的基本原理是通过物理或化学等手段,在手印与客体之间形成肉眼可见或仪器可辨的对比反差[4]

通常,被广泛运用于公安实践的传统手印显现技术有粉末显现法、502熏染显现法、四甲基联苯胺显现法、氨基黑10B显现法、DFO显现法等。随着科技的发展,新兴的手印显现技术也崭露头角,如纳米显现技术[5-7]、电化学显现技术[8]、波谱成像技术[9]等。近年来,研究人员对手印显现技术的研究主要集中在手印显现新材料的开发和手印显现新方法的建立,而对手印显现效果的衡量与评价却很少涉及[10-14]。目前,文献中多采用主观、片面、定性的表述来衡量手印显现的效果,缺乏科学严谨性。2017年,本课题组Wang等[15]首次提出了用于衡量和评价手印显现效果的三个指标, 即对比度(contrast)、灵敏度(sensitivity)、选择性(selectivity),但并未对以上定性评价指标进行具体量化。开展手印显现效果的定量评价研究,对证据的评估与选择等方面将会产生较为深远的意义。鉴于此,本研究在提出手印显现评价指标的基础上,重点开展手印显现选择性的量化方法研究。首先,提出手印显现选择性的计算方法;然后,分别以氨基黑10B显现法、502熏染显现法为例,验证计算方法的可行性;最后,以粉末显现法为例,归纳总结影响手印显现选择性的主要因素。

1 实验部分 1.1 实验设备与试剂

紫外灯(国药集团化学试剂有限公司,沈阳);Nikon D810型单反数码相机(配Nikkor AF-S VR MICRO 105mm f/2.8G IF-ED型微距镜头,日本Nikon株式会社)。

青铜粉(金粉)、黑色磁性粉、绿色荧光粉、502粘合剂、氨基黑10B,以上显现试剂购自于北京芬格尔安科技有限责任公司。

1.2 手印显现与拍照

采用粉末刷显法、磁性粉刷显法、502滤纸贴附熏显法、氨基黑10B染色法分别对潜在手印进行显现。对于绿色荧光粉显现的手印,需在254 nm紫外光照射的暗场条件下进行拍照,拍摄参数为:手动模式,光圈值f/10,曝光时间2 s,感光度500;对于其他方法显现的手印,可在自然光照射的明场条件下进行拍照,拍摄参数为:光圈优先模式,光圈值f/10,感光度500。

1.3 选择性定量方法 1.3.1 照片处理

将彩色图像在软件Adobe Photoshop中进行黑白处理,得到黑白图像。当乳突纹线所对应的灰度值低于小犁沟所对应的灰度值时,如磁性粉显现、金粉显现、氨基黑10B显现等情况,需进一步将黑白图像进行反相处理。

1.3.2 灰度分析

正置手印图像,将手印图像按照纹线的流向大致平均分为若干区域。将手印图像导入软件Image J中,使用Straight Line工具将直线穿越于单个区域内的乳突纹线及小犁沟部位,穿越线方向尽量与纹线流向方向垂直,被穿越乳突纹线及小犁沟的数目需尽可能多于10条。需要指出的是,穿越线的数目越多、被穿越乳突纹线及小犁沟的数目越多,手印整体显现选择性的计算值就越准确,在实际计算中可根据具体需求灵活掌握。再使用Analyze菜单下的Plot Profile工具得到被穿越的乳突纹线与小犁沟之间的灰度曲线,其中波峰对应于乳突纹线,波谷对应于小犁沟。

1.3.3 软件计算

将灰度曲线导入软件Origin中,依据乳突纹线与小犁沟的图像,并结合灰度曲线,对波峰和波谷进行逐个划分,再使用Integration工具分别对波峰和波谷进行积分,得到对应的面积。

1.3.4 量化公式

手印局部显现选择性Local Selectivity的计算公式如下:

式中,SA为波峰的总面积、SAi为单个波峰的面积,SB为波谷的总面积、SBi为单个波谷的面积,n为局部乳突纹线(小犁沟)的数目。

手印整体显现选择性Total Selectivity的计算公式如下:

式中,m为穿越线的数目。

2 结果与讨论 2.1 方法的建立

手印显现的选择性是指手印显现试剂与手印遗留物质之间的特异性结合程度。手印显现在理论上应表现为手印显现试剂只与手印遗留物质(乳突纹线)结合,而不与客体背景(小犁沟)结合。反映在灰度图像上,波峰对应于乳突纹线,波谷对应于小犁沟。两者灰度值之间的对比差异程度越大,手印显现试剂与手印遗留物质之间的特异性结合程度越高,手印显现的选择性就越高。因此,可对波峰及波谷进行分别积分,通过两者之间的面积比来定量评价手印显现的选择性。

2.2 方法的验证

本研究选取两种典型的手印显现方法——502熏染显现法及氨基黑10B显现法,分别验证手印显现选择性量化方法的可行性。前者是针对乳突纹线图像灰度值高于小犁沟图像灰度值的情况,后者是针对乳突纹线图像灰度值低于小犁沟图像灰度值的情况。

2.2.1 通过502熏染显现法验证

图 1所示,经502熏染显现法处理黑色瓷砖表面的潜在手印,其乳突纹线为白色、小犁沟为黑色,乳突纹线的灰度值高于小犁沟的灰度值,因此可将黑白处理的手印图像直接进行灰度分析。从视觉角度定性分析,b区域对应的选择性最高,a、c区域次之,d区域最低,这是由于某些部位的乳突纹线并未被502胶熏染,导致手印显现的选择性降低。

图 1 经502熏染显现黑色瓷砖表面潜在手印的图像 其中a~d为使用Straight Line工具选取的穿越线 Image of fingerprint deposited on black ceramic and then developed by super glue fuming method Crossing lines a-d are selected by Straight Line tool

图 2所示,从灰度曲线定量分析,小犁沟部位并未沾染502胶,波谷基线位置比较平稳且灰度值较低;某些部位的乳突纹线并未被502胶熏染(曲线d),某些部位受乳突纹线细节特征及纹线宽度的影响(曲线a、c),导致部分波峰的灰度值较低,进而影响了手印显现的选择性。经分析计算,区域a的选择性为4.19、区域b的选择性为6.26、区域c的选择性为4.30、区域d的选择性为3.04。因此经502胶熏染显现黑色瓷砖表面潜在手印的整体选择性为4.45。综上所述,视觉角度定性分析与灰度曲线定量分析的结果相一致。

图 2 经502熏染显现黑色瓷砖表面潜在手印的灰度分析 其中a~d为使用Straight Line工具选取的穿越线 Gray analysis of fingerprint deposited on black ceramic and then developed by super glue fuming method Crossing lines a-d are selected by Straight Line tool
2.2.2 通过氨基黑10B显现法验证

图 3所示,经氨基黑10B显现法处理白色瓷砖表面的潜在手印,其乳突纹线为蓝色、小犁沟为白色,小犁沟的灰度值高于乳突纹线的灰度值,因此需将黑白处理的手印图像进行反相处理后再进行灰度分析。从视觉角度定性分析,4个区域的乳突纹线被氨基黑10B染色的程度基本相同,因此4个区域手印显现的选择性基本一致。

图 3 经氨基黑10B显现白色瓷砖表面潜在手印的图像 其中a~d为使用Straight Line工具选取的穿越线 Image of fingerprint deposited on white ceramic and then developed by Amino Black 10B method Crossing lines a-d are selected by Straight Line tool

图 4所示,从灰度曲线定量分析,小犁沟部位均被氨基黑10B染色,波谷基线位置相对平稳且灰度值较高;某些部位受乳突纹线细节特征及纹线宽度的影响,导致部分波峰的灰度值较低,进而影响了手印显现的选择性。经分析计算,区域a的选择性为0.96、区域b的选择性为1.59、区域c的选择性为1.21、区域d的选择性为0.97。因此经氨基黑10B显现白色瓷砖表面潜在手印的整体选择性为1.18。综上所述,视觉角度定性分析与灰度曲线定量分析的结果相一致。

图 4 经氨基黑10B显现白色瓷砖表面潜在手印的灰度分析 其中a~d为使用Straight Line工具选取的穿越线 Gray analysis of fingerprint deposited on white ceramic and then developed by Amino Black 10B method Crossing lines a-d are selected by Straight Line tool
2.3 手印显现选择性的影响因素

上述研究表明,该手印显现选择性的定量评价方法是可行的,并且手印显现选择性受显现试剂和客体性质的共同影响。本研究以粉末显现法为例,讨论手印显现选择性的影响因素。

2.3.1 显现试剂的影响

本研究选取白色瓷砖为承痕客体,分别采用磁性粉、金粉、荧光粉吸附,手印显现效果见图 5, 荧光粉与小犁沟产生严重吸附。粉末吸附能力过强会引起粉末与小犁沟产生非特异性吸附,导致手印显现选择性的降低。由表 1可知,采用磁性粉显现手印的选择性最高(1.79),金粉显现手印的选择性次之(1.44),荧光粉显现手印的选择性最低(1.38)。

图 5 经磁性粉(A)、金粉(B)、荧光粉(C)显现白色瓷砖表面潜在手印的图像 其中a~d为使用Straight Line工具选取的穿越线 Image of fingerprint deposited on white ceramic and then developed by magnetic powders (A), bronze powders (B), and fluorescent powders (C) method, respectively Crossing lines a-d are selected by Straight Line tool

表 1 对不同粉末显现手印的选择性定量分析 Quantitative analysis for the selectivity of fingerprint development using different powders
2.3.2 客体性质的影响

本研究选取磁性粉为显现试剂,分别对铜版纸、普通打印纸、滤纸表面的潜在手印进行显现,研究客体性质对显现选择性的影响, 手印显现效果见图 6。铜版纸的表面较为光滑,不易与粉末吸附;普通打印纸的表面粗糙程度一般,能够与粉末吸附;滤纸的表面较为粗糙,易与粉末吸附。从图 6可以看出,磁性粉均与乳突纹线产生了良好的吸附。磁性粉末与铜版纸基本不产生吸附(图 6A),与普通打印纸产生部分吸附(图 6B),与滤纸产生严重吸附(图 6C)。客体表面的粗糙程度过大会引起粉末与小犁沟产生非特异性吸附,导致手印显现选择性的降低。

图 6 经磁性粉显现铜版纸(A)、普通打印纸(B)、滤纸(C)表面潜在手印的图像 其中a~d为使用Straight Line工具选取的穿越线 Image of fingerprint deposited on art print paper (A), common print paper (B), filter paper (C), and then developed by magnetic powders, respectively Crossing lines a-d are selected by Straight Line tool

表 2可以看出,铜版纸表面的手印显现选择性最高(2.59),普通打印纸表面的手印显现选择性次之(2.04),滤纸表面的手印显现选择性最低(2.02)。

表 2 在不同客体表面的手印显现选择性定量分析 Quantitative analysis for selectivity of fingerprint development on different substrates
3 结论

本研究在提出手印显现选择性概念的基础上,开展了手印显现选择性的量化方法研究。建立了基于手印图像的灰度曲线分析方法,确定了手印显现选择性的量化方法,即灰度曲线的波峰(对应乳突纹线)与波谷(对应小犁沟)积分的比值,并验证了该量化方法的可行性;研究了手印显现选择性的主要影响因素,即显现试剂与客体性质。该研究有望为证据的评估与选择提供有益的参考。

参考文献
[1]
Champod C, Lennard C, Margot P, Stoilovic M. Fingerprints and Other Ridges Skin Impressions[M]. Boca Raton: CRC Press, 2004.
[2]
Lee H C, Gaensslen R E. Advances in Fingerprint Technolgy[M]. 2nd edition. Boca Raton: CRC Press, 2001.
[3]
Wang Y Q, Wang J, Ma Q Q, Li Z H, Yuan Q. Recent progress in background-free latent fingerprint imaging[J]. Nano Research, 2018, 11(10): 5499-5518. DOI:10.1007/s12274-018-2073-1
[4]
Ramotowski R S. Lee and Gaensslen′s Advances in Fingerprint Technology[M]. 3rd edition. Boca Raton: CRC Press, 2013.
[5]
Becue A. Emerging fields in fingermark (meta)detection-a critical review[J]. Analytical Methods, 2016, 8(45): 7893-8003.
[6]
Peng D, Wu X, Liu X, Huang M J, Wang D, Liu R L. Color-tunable binuclear (Eu, Tb) nanocomposite powder for the enhanced development of latent fingerprints based on electrostatic interactions[J]. ACS Applied Materials Interfaces, 2018, 10(38): 32859-32866. DOI:10.1021/acsami.8b10371
[7]
Peng D, Liu X, Huang M J, Wang D, Liu R L. A novel monodisperse SiO2@C-dot for the rapid and facile identification of latent fingermarks using self-quenching resistant solid-state fluorescence[J]. Dalton Transactions, 2018, 47(16): 5823-5830. DOI:10.1039/C8DT00579F
[8]
Xu L R, Zhang C Z, He Y Y, Su B. Advances in the development and component recognition of latent fingerprints[J]. Science China Chemistry, 2015, 58(7): 1090-1096. DOI:10.1007/s11426-014-5294-5
[9]
Su B. Recent progress on fingerprint visualization and analysis by imaging ridge residue components[J]. Analytical and Bioanalytical Chemistry, 2016, 408(11): 2781-2791. DOI:10.1007/s00216-015-9216-y
[10]
Humphreys J D, Porter G, Bell M. The quantification of fingerprint quality using a relative contrast index[J]. Forensic Science International, 2008, 178(1): 46-53.
[11]
Vanderwee J, Porter G, Renshaw A, Bell M. The investigation of a relative contrast index model for fingerprint quantification[J]. Forensic Science International, 2011, 204(1/3): 74-79.
[12]
Matuszewski S, Szafalowicz M. A simple computer-assisted quantification of contrast in a fingerprint[J]. Journal of Forensic Sciences, 2013, 58(5): 1310-1313. DOI:10.1111/1556-4029.12224
[13]
Qiu Z J, Hao B, Gu X G, Wang Z Y, Xie N, W. Y. Lam J, Hao H X, Tang B Z. A general powder dusting method for latent fingerprint development based on AIEgens[J]. Science China Chemistry, 2018, 61(8): 966-970. DOI:10.1007/s11426-018-9280-1
[14]
沈敦璞, 王猛, 于海峰, 郭兴家. 手印显现的对比度量化研究[J]. 辽宁大学学报(自然科学版), 2019, 46(1): 79-84.
Shen D P, Wang M, Yu H F, Guo X J. The quantification of the contrast for latent fingerprint development[J]. Journal of Liaoning University (Natural Science Edition), 2019, 46(1): 79-84.
[15]
Wang M, Li M, Yu A Y, Yang M Y, Mao C B. Fluorescent nanomaterials for the development of latent fingerprints in forensic sciences[J]. Advanced Functional Materials, 2017, 27(14): 1606243. DOI:10.1002/adfm.201606243