综述与论文
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
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。
对于初中生而言，年龄相对较小，对任何事情都具有着很大的好奇心，因此只要初中语文教师注重活跃课堂氛围，就很容易将学生带到相应的情境之中，激发他们的学习兴趣。在过去传统的初中语文教学中，教师并不重视课堂氛围，只是简单地讲授知识点，造成学生认为语文学习枯燥乏味，出现排斥心理，影响到初中语文的教学质量。因此，为了打破过去教学方法的束缚，教师应该积极使用多元化的教学方法。在讲课的过程中，教师可以面带微笑，在课堂上营造出轻松、活跃的课堂氛围，通过提问或是小故事等形式引导学生积极发言，多与学生进行互动。例如在讲述诗歌古文时，教师可以以小组为单位举行朗诵比赛，让学生们扮演诗人来抒发自己的情怀等。
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)。
营改增的实施使得税法税率等发生了改变。该背景下财务、销售、采购等部门应相互配合，整理各类合同，使其保持规范，对合同中的各类价格是否含税具备清晰地认知，既要了解税率，又要明确发票类型，并厘清与规定不符的发票引发的赔偿责任，优先选择一般纳税人作为供应商，最大程度争取进项税抵扣。采购过程中因涉及到供应商优惠问题，存在普通发票的情况。现实情况很难达到如此力度的优惠，酒店仍需供应商提供专用发票。
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
1.3.3 软件计算
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。
如图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。
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。
他把那双发红小眼睛四方瞟着，场坪地位既那么不适宜，天气又那么热，心里明白，若无什么花样做出来，绝不能把游海子的闲人牵引过来。老头子便望着坐在坪里傀儡中白脸的一个，亲昵的低声的打着招呼，也似乎正在用这种话安慰到他自己。
1.3.1 照片处理
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
现将我院2016年6月到2017年6月的收治的66例急性心肌梗死患者作为研究对象,将其平均分成两组,观察组和对照组分别为33例患者。观察组有17例男性患者,16例女性患者,年龄在42-76岁之间,平均年龄为(54.6±1.7)岁,其中下壁梗死12例,广泛前壁梗死7例,前间壁梗死14例;对照组有19例男性患者,14例女性患者,年龄在39-72岁之间,平均年龄为(48.7±2.1)岁,其中下壁梗死患者16例,广泛前壁梗死9例,前间壁梗死8例。这其中已经排除药物过敏患者、有感染类疾病的患者以及心、肝功能不正常的患者。将两组患者进行对比,无明显差异,不具备统计学意义(P>0.05),可以进行比较。
手印局部显现选择性Local Selectivity的计算公式如下：
式中，S A为波峰的总面积、S Ai为单个波峰的面积，S B为波谷的总面积、S Bi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：
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 结果与讨论
2.1 方法的建立
式中，m 为穿越线的数目。
日前，北京建工土木公司以29.85亿元中标目前国内体量最大的地下空间工程——苏州吴中太湖新城地下空间工程，并将依托北京建工建筑技术公司把该工程打造为国内第一个地下空间领域的绿色建筑。
2.2 方法的验证
2.2.1 通过502熏染显现法验证
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。
如图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。
如图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。
2.2.2 通过氨基黑10B显现法验证
驿站打造了“蒲坂微心愿”品牌，开展了“你来说，我来做”活动，建立了群众意见登记、认领、上交、办结反馈闭环管理工作制度，保证群众心愿的实现。
如图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 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
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
1.3.2 灰度分析
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
海南琼中抽水蓄能电站上水库副坝一坝址位于一冲沟内，坝基防渗墙厚0.8m，最大墙深约60m，墙底深入至弱风化基岩。副坝一坝址覆盖层分布广，全风化带下限埋深50m～57m，地表有厚近10m的淤泥层，传统防渗墙施工工艺成槽难度极大，在使用液压抓斗配合冲孔桩机施工多次成槽失败后，更换采用德国生产的BC30双轮铣槽机直接铣槽施工，利用其成槽过程中对地层扰动少的优点，顺利实现成槽浇筑，最终按期圆满完成了基础防渗施工。
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)。
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。
第二组图表显示了发现的问题和所需服务之间的相关关系。最后一组图表是对协和医院不同科室提供社会服务的总结。
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
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
由表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)。
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。
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
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.
[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.
[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.
[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.
[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.
[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.
[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.
[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.
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 )
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
2019-06-14收稿， 2019-07-02录用
http://www.yxkxyghx.org
国家自然科学基金青年基金项目(21205139、21802169)、公安部科技强警基础工作专项项目(2014GABJC033、2018GABJC07、2018GABJC09)、辽宁省高等学校优秀人才支持计划(LJQ2014130)、辽宁省高等学校创新人才支持计划(LR2017055)和中国刑事警察学院研究生创新能力提升项目(2018YCYB29、2018YCYB33)资助
*通讯作者 ， E-mail: mengwang@alum.imr.ac.cn
doi :10.7517/issn.1674-0475.190604
*Corresponding author ， E-mail: mengwang@alum.imr.ac.cn
标签：潜在手印论文; 手印显现论文; 选择性论文; 量化论文; 中国刑事警察学院痕迹检验技术系论文; 痕迹检验鉴定技术公安部重点实验室论文;