技术摘要：
本发明提供了一种基于似然比的指纹鉴定方法和系统，包括：获取同源指纹数据和非同源指纹数据的特征参数和分数，并将特征参数组合成一组合特征；建立组合特征与分数的平均值和标准差的函数关系；根据平均值和标准差获得所有组合特征对应的分数正态分布曲线；获取待判断  全部
背景技术：
近年来，一种新的司法鉴定报告逻辑已经开始起步并逐渐为专家所接受。这种新 型逻辑要求专家们去评估其结论的可能性而不是必然性。在进行指纹鉴定的时候，如果两 枚指纹是同一来源，要给出观测图像出现的概率；如果两份指纹出自于不同的来源，也应得 到所观测图形出现的概率。这两项概率的比率为区分上述两项假设的证据提供了证明价值 指标。当前最流行的概率比较方法是似然比方法。这种方法代表着鉴定专家们对于所观察 到的图形特征之间是否同一来源为真和为假的相对概率的观点。似然比值越高，意味着专 家对某一假设的支持就越强烈。 指纹同源性似然比的计算依赖于大规模指纹计算实验后得到的统计学规律。虽然 很多人对似然比方法进行了探讨，但鲜有符合实际需求的似然比工具出现。这是因为相对 于DNA固定长度特征的基因序列检验，指纹的检验要相对复杂很多。构建概率分布模型的前 提是，所有纳入的比对数据要具有相同的特征规模，也就是有可比性，在此基础上才能根据 匹配上的数量和得分构建概率分布模型。但是现场采集的指纹往往具有不完整性和图像质 量问题，检材和样本间的特征数量存在着很大的差异性。特征点的数量直接影响着匹配的 特征点数量和比对得分，也就是说没有一个固定不变的单一概率分布模型能够适用于所有 情况。例如，两个同源的指纹可以匹配上12个特征点，相似度得分是812分；而两个非同源的 指纹可以匹配上12个特征点，相似度得分是1069。单从得分判断，会得出第二对指纹的同源 似然比远大于第一对指纹的结论。而第一对指纹的特征点数量是30、57，第二对指纹的特征 点数量是13、86。由于各自特征数量的不同，造成了相似度低的一对是同源指纹、而相似度 高的一对非同源，因此两对结果之间没有可比性。
技术实现要素：
针对上述现有技术的不足，本发明的目的是提供了一种基于似然比的指纹鉴定方 法和系统，其通过建立相似度得分与样本指纹特征点数量、档案指纹特征点数量、匹配的特 征点数量和匹配的特征点的关系，从而准确、快速的获得指纹间的似然比数值，从而快速的 判断同源指纹和非同源指纹。 为实现上述目的，本发明提供了一种基于似然比的指纹鉴定方法，包括以下步骤： S1获取同源指纹数据和非同源指纹数据的特征参数和分数，并将特征参数组合成一组合特 征；S2根据各组合特征计算分数正态分布的平均值和标准差；S3根据平均值和标准差获得 所有组合特征对应的分数正态分布曲线；S4获取待判断指纹数据的组合特征和分数，将分 数带入组合特征对应的分数正态分布曲线，得到指纹数据的同源概率和非同源概率，若同 源概率大于非同源概率，则倾向于同源，若同源概率小于非同源概率，则倾向于非同源，倾 向于同源或非同源的倾向性强度用似然比表征，似然比通过同源概率和非同源概率获得。 4 CN 111598023 A 说　明　书 2/6 页 进一步，在同源概率大于非同源概率的情况下，似然比等于同源概率与非同源概 率的比，其表征同源的倾向性强度；在同源概率小于非同源概率的情况下，似然比等于非同 源概率与同源概率的比，其表征非同源的倾向性强度。 进一步，同源指纹数据和非同源指纹数据包括同源样本库数据、非同源样本库数 据和档案库数据。 进一步，特征参数包括：样本库指纹特征点数a、档案库指纹特征点数b以及将样本 库指纹和档案库指纹进行特征点比对后匹配上的特征点数c；其中，样本库包括同源样本库 和非同源样本库。 进一步，组合特征的公式为： 其中，x为组合特征。 进一步，在同源指纹数据和非同源指纹数据中，同源和非同源数据的组合特征均 与分数呈线性关系，且组合特征均随分数增加而增加。 进一步，对于同源指纹数据，组合特征x与分数S的函数关系为： S＝3.3x 490； 对于非同源指纹数据，组合特征x与分数S的函数关系为： Sln＝50ln(x 100) 618 Sln＝100×lnS。 进一步，同源指纹数据中，组合特征与分数的平均值和标准差的函数关系分别为： μT＝3.3×x 490 σT＝0.32×x 82 其中，x为组合特征，μT为同源指纹数据中分数的平均值，σT为同源指纹数据中分数 的标准差。 进一步，非同源指纹数据中，组合特征与分数的平均值和标准差的函数关系分别 为： μF＝50ln(x 100) 375 σF＝15ln(x-5) 620 其中，x为组合特征，μF为非同源指纹数据中分数的平均值，σF为非同源指纹数据中 分数的标准差。 本发明还公开了一种基于似然比的指纹鉴定系统，包括：组合特征获取模块，用于 获取同源指纹数据和非同源指纹数据的特征参数和分数，并将特征参数组合成一组合特 征；平均值和标准差获取模块，用于根据各组合特征计算分数正态分布的平均值和标准差； 分数正态分布曲线获取模块，用于根据平均值和标准差获得所有组合特征对应的分数正态 分布曲线；判断模块，用于获取待判断指纹数据的组合特征和分数，将分数带入组合特征对 应的分数正态分布曲线，得到待判断指纹数据的同源概率和非同源概率，若同源概率大于 非同源概率，则倾向于同源，若同源概率小于非同源概率，则倾向于非同源，并且用似然比 表征倾向于同源或非同源的倾向性强度，似然比通过同源概率和非同源概率获得。 本发明由于采取以上技术方案，其具有以下优点： 5 CN 111598023 A 说　明　书 3/6 页 1、本发明的技术方法，在以有的似然比检验理论基础上进行了扩充，能够将不同 检验条件下的指纹分类汇总到一致的条件之下，也就是说用一种方法就可以计算各种指纹 分类的似然比，有效的解决了传统的似然比检验中单一计算模型带来的操作复杂，计算量 大等缺陷。 2、本发明中根据似然比数值判断两枚指纹同源和非同源的倾向性，只要输入指纹 数据就可以自动判定是否同源，人工干涉少，在鉴定专家主观判定的基础上给出了客观的 数据，减少了由于主观因素导致的误判的问题，提高了指纹证据的可靠性。 3、在给出是否同源的倾向性的同时，用数值的方式给出该倾向性的强弱，改变了 传统检验只能通过文字进行表述的方式，更为客观准确，为司法机关进行证据采纳给出了 更为清晰地判断依据。 附图说明 图1是本发明一实施例中基于似然比的指纹鉴定方法的流程图； 图2是本发明一实施例中同源指纹数据组合特征与分数的函数关系图； 图3是本发明一实施例中非同源指纹数据组合特征与分数的函数关系图； 图4是本发明一实施例中同源指纹数据的分数正态分布曲线图； 图5是本发明一实施例中非同源指纹数据的分数正态分布曲线图； 图6是本发明另一实施例中样本库指纹数据和档案库指纹数据的对比图，其中图6 (a)是样本库指纹数据，图6(b)是档案库指纹数据； 图7是本发明另一实施例中同源指纹数据和非同源指纹数据的分数正态分布曲线 图。