指纹鉴定的一项重要工作是将犯罪现场提取的指纹与自动识别系统中存储的已知来源指纹进行特征比对,再通过专家检视复核以认定犯罪嫌疑人的方法。由于指纹具备“人各不同、终身基本不变”的特性,长期以来被视为证据之首,成为认定嫌疑人身份的重要手段。在实际工作中,由于现场指纹受到接触方式、接触客体等客观条件的影响,指印往往残缺不全,增加了指纹比对认定的难度,导致出现错误的鉴定意见。另一方面,个体接触物体的动作导致指纹三角区域更容易遗留在客体上,因此,犯罪现场勘察人员在现场提取到的指纹大多包括了三角区域。但三角区域的指纹纹线流向复杂,特征点出现频率高,导致异源指纹在该区域容易出现高度相似,极易给鉴定人员造成干扰。本文重点研究在百万级指纹数据库中,斗型纹三角区域特征点数量和质量对同源指纹在AFIS系统中排前率的影响;发现斗型纹三角区域相似异源现象的出现及分布规律;分析总结高度相似异源指纹出现的概率以及在质量变化的情况下,高度相似异源指纹对系统排名、专家鉴定造成的影响;改进传统指纹比对算法,提升同源指纹在候选列表中的排位。具体研究内容包括:1、研究斗型纹捺印指纹三角区域,在特征点数量不同、标注特征点方法不同的情况下,自动识别系统比对列表中同源和相似异源指纹的排位,并总结同源指纹和相似异源指纹出现的规律;2、研究现场指纹三角区域,在特征点数量不同、标注特征点方法不同的情况下,出现同源指纹的几率,提升鉴定人员对三角区域特征的理解能力,给出人工标注特征的方法建议,以提升同源指纹排位;3、重点研究现场指纹质量的变化,对高度相似异源指纹在识别系统候选队列中排名的影响,提升算法研究人员重视程度,研究改进算法;4、重点研究高度相似异源指纹对专家鉴定结果的影响,分析造成鉴定错误的主客观原因,警示高度相似异源指纹的存在及其对鉴定人员的影响;5、通过将相似三角形算法和SFIT特征融合匹配,形成STSF算法,提升识别算法对残缺指纹上特征的综合利用能力,提高同源指纹排位。本研究的结果表明:1、特征标注数量能影响同源指纹和相似异源指纹的出现率及排位,整体趋势为随着特征数量增加,同源指纹排前率提升,相似异源指纹下降;2、现场指纹清晰、特征数量较多时,应采取系统自动标注特征的方法有利于查询同源指纹,指纹不清晰、特征数量较少时,应采取人工标注、改变特征组合的方式多次查询。3、高度相似异源指纹在候选列表中出现率为1.5‰,指纹质量降低会影响同源、相似异源指纹的出现率;4、鉴定人员应严格遵守鉴定流程,不能过度自信,同时建议定期开展指纹鉴定实验,提升对相似异源指纹的认识;5、提出的STSF算法与传统算法相比,能提升残缺指纹的识别能力,提升同源指纹在候选列表中的排位,降低高度相似异源指纹排位,减少相似异源的干扰。本研究的结果能够为斗型纹三角区域的深入研究提供基础数据,给同源指纹查询提供参考意见,有利于提升鉴定人员对相似异源的认知能力,降低鉴定出错的风险。同时,通过对传统指纹识别算法的改进,提高自动识别系统对残缺指纹上三角区域指纹特征点的辨识能力,提升同源指纹在候选列表中的排名。