在刑事技术中,剪切工具痕迹是其研究的重点方向之一。工具痕迹是盗窃、抢劫、杀人等许多案件中最常出现的一种痕迹,对于认定案件性质,确定作案工具,证实犯罪嫌疑人具有重要意义。据不完全统计,70%以上的刑事案件现场有工具痕迹,有些地区的工具痕迹出现比例达80%左右。而且工具痕迹还具有不易破坏、难以伪装、出现率高,鉴定价值好的特点,这些优势都是其它类型痕迹难以比拟的。因而对工具痕迹的提取分析进行深入研究,具有重大的实际意义。本文在痕迹信号的采集上面,采用基于LabVIEW设计的工具痕迹激光检测装置。通过该装置可以有效的采集到工具痕迹上面的痕迹信号。在采集信号的过程中由于反光以及装置等不可控因素的存在,所以扫描采集得到的信号中会有异常数据以及噪声干扰的存在。在对异常数据处理上面,重点研究了运用K-Means算法对信号中的异常数据进行修复,并通过试验仿真来验证该算法对于剪切工具痕迹激光检测信号中的异常数据具有很好的修复效果。在对信号降噪处理上面,重点研究了通过LOWESS(局部加权回归散点平滑法)算法对数据进行平滑处理,通过该算法能够最大程度的消除扫描数据中的噪声。然后通过试验仿真来验证该算法的有效性。在相似度比对上面,首先通过对平滑后的信号进行特征信号的提取,对提取得到的特征信号进行特征向量处理。将信号间的比对转化成空间距离的计算。最后利用动态规划进行逐个相似度匹配,得到最终相似度的大小,进而判断出剪切工具。在理论研究与试验仿真的基础上,通过工具痕迹激光检测装置对痕迹信号进行采集。然后软件实现和试验分析测试相结合,来对本文所提出来的算法进行验证分析,进而判断出该算法的有效性和正确性。