NIST发布新数据与软件支持指纹鉴定工作

NIST的指纹数据集SD 302包含10,000枚指纹图像，其中就包括这枚取自邮票粘性面的指纹。该数据集现已完成全面标注，包含右侧彩色区域等细节。这些颜色代表不同质量的区域，将有助于培训人类和机器学习算法如何识别特征，并评估其作为证据的重要性。

从犯罪现场收集的指纹进行筛选是指纹分析师的工作，如今也越来越依赖计算机辅助。培训人类及其机器伙伴从事这项细致工作并非易事，但美国国家标准与技术研究院（NIST）发布的新数据和软件提供了有力支持。

这些数据包含数千枚指纹及其质量详细注释，紧随其后发布的还有一款开源软件包，可快速评估指纹质量。两者共同为提升法医科学家的专业技能提供了工具。

“这两项资源将有助于改进指纹识别科学，”NIST计算机科学家Greg Fiumara表示。“该数据集是目前可用最大且最完整的指纹数据集，而软件则是美国执法部门使用的指纹分析工具的修改版，我们现向全球免费提供。”。

指纹数据作为NIST技术说明（TN）2367的一部分提供，扩充了NIST最初于2019年发布的特别数据库（SD）302。该数据集包含约10,000枚在实验室环境中从200名志愿者处收集的指纹，这些志愿者同意将其指纹用于研究目的。所有其他个人信息（包括志愿者姓名和居住地）均已从数据库中清除。

“这些指纹来自我们招募的人员，他们参与诸如写便条、拿起电路板、处理美元钞票等活动，”Fiumara说。“然后我们使用犯罪现场调查人员常用的不同方法回收他们留下的指纹。”。

自数据首次发布以来，已有来自90多个国家的超过1,000个研究组织下载了该数据集。但此前并不完整，只有约一半的指纹包含注释——即提供评估指纹质量指南的特定细节。正是这些注释使数据库成为宝贵的教学工具，因为它们向新鉴定人员（以及越来越多的人工智能）展示在评估指纹时应关注什么和避免什么。

近期，专家们回头为剩余指纹创建了注释。与实际犯罪现场收集的指纹一样，数据集中的指纹质量差异很大：在某些区域，指尖微小弯曲脊线留下的线条清晰且连续，而在其他区域，这些线条则模糊或不完整。注释包括按颜色编码以指示不同指纹质量水平的区域，将有助于培训人类和人工智能，Fiumara表示。

“这些图像非常适合课堂教学，用于教导鉴定人员如何寻找识别特征，”他说。“它们还将帮助教导AI算法在哪里寻找以及如何权衡特征的重要性。通过这种训练，指纹评估算法将变得更好。”。

原文内容较长，本文保留主要内容节选；完整信息请参考下方来源链接。

来源：NIST；内容经中文翻译改写，采集时间：2026-08-25 19:50:49。

(责任编辑：标准科技参考)