Linkages between Biometrics and Forensic science

1. Università degli Studi di Roma Tre
Corso di Sistemi Biometrici
A.A. 2009-2010
Matteo Ratini
Flavio Otello Pierangeli
Linkages between Biometrics and Forensic Science –
Damien Dessimoz and Christophe Champod

2.  Biometria: identificazione di un individuo per mezzo delle
sue caratteristiche distintive
 Scienza forense: applicazione di principi e di metodi
tecnico-scientifici usati per stabilire:
 l’esistenza di un reato
 determinare l’identità dei criminali
 e il loro modus operandi
 forensic biometric systems: usati per filtrare da tutti i
potenziali candidati solo quelli che verranno esaminati
singolarmente da uno specialista forense
 Necessità di scandire DBs molto ampi: ricerche manuali vs analisi
automatizzate (molto più rapide)

3.  Prima distinzione: i sistemi biometrici forensi
sono considerati, dagli esperti forensi, come
sistemi esterni al processo di analisi delle
evidenze che ne segue
Tali sistemi infatti forniscono unicamente una
“graduatoria” di candidati potenzialmente
colpevoli (da 15 a 20).

4.  Seconda distinzione (terminologica):
 nella biometria è sempre possibile ricondursi a un
processo di identificazione (1:N) o di verifica (1:1)
 nelle pratiche forensi invece l’analisi tra un elemento
sconosciuto e una serie di elementi conosciuti può
portare a delle conclusioni che possono assumere
forme differenti in base all’area considerata.
Ad esempio:
 Impronte digitali: le conclusioni possono portare a categorie come
individualizzazione, esclusione oppure inconclusione
 Viso/voce/orecchio: maggiore incertezza, con qualificatori come
possibile, probabile, molto simile
 Si fa uso di parametri legati al rapporto di verosimiglianza

5.  Formalmente:
 Dove:
 E = score risultante dal confronto tra la caratteristica biometrica
rilevata e quella contenuta nel DB
 S = indica che la caratteristica biometrica rilevata appartiene
alla stessa persona di quella nel DB (ipotesi dell’accusa)
 S = indica che la caratteristica rilevata non appartiene alla stessa
persona di quella nel DB (ipotesi della difesa)
 I = altre informazioni rilevanti circa i proprietari delle
caratteristiche biometriche in esame

6.  Prestazioni: si ricavano analizzando le distribuzioni del LR attraverso
simulazioni in cui S e S sono fissati.
 Grafici di Tippett: permettono di studiare le probabilità di conclusioni
errate, ricavando:
 RMED (Rate of Misleading Evidence in favor of the Defense): tasso di
conclusioni errate in favore della difesa, basate sui LRs calcolati
secondo l’opinione dell’accusa. LR<1
 RMEP (Rate of Misleading Evidence in favor of the Prosecution): tasso
di conclusioni errate in favore dell’accusa, basate sui LRs calcolati
secondo l’opinione della difesa. LR>1
I grafici di Tippett forniscono misure globali sull’efficienza di un sistema
biometrico forense
 oggigiorno vengono usati anche nel riconoscimento vocale, nello studio
delle impronte digitali e del DNA.

7.  Terza distinzione: nell’ambito forense è di estrema
importanza la selettività della caratteristica biometrica
Variabile in base a:
 Cooperazione/disponibilità dell’utente (criminale?)
 Presenza di oggetti non rilevanti
 Materiale da cui si rilevano le caratteristiche biometriche
 Quarta distinzione: il numero e la qualità dei confronti che
possono essere effettuati in ambiente forense varia da caso a
caso
 Le tracce lasciate sulla scena del crimine sono di assoluta importanza
 Inoltre il livello qualitativo delle tracce rilevate è quasi sempre inferiore
a quelle di riferimento (presenti nei DBs)

9.  1832 : Abolizione della marchiatura per i criminali recidivi in
Francia
 1881 : metodo antropologico (Bertillon)
 Principi
 La lunghezza delle ossa negli individui adulti rimane costante
 Varia da individuo a individuo
 Può essere misurata con ragionevole precisione
 Metodo Antropometrico
 Descrizione del colore dell’iride (7 classi)
 11 caratteristiche fisiche (3 classi : small, medium, large)
 Il metodo permette fino a 1.240.029 combinazioni
 Carte Antropometriche
 Misure effettuate (Colore dell’Iride + 11 caratteristiche)
 Nome
 Foto Identificazione
 Segni Particolari (Tatuaggi, cicatrici) formale

11.  Metodo Fotografico Forense Standard
 Setup Standard (distanza focale, dimensione del negativo, posa,
illuminazione)
 Inquadratura frontale e di profilo (Informazione più stabile)
 Nomenclatura Standard per la descrizione di naso, fronte,
orecchio (portraitparlè)
 Metodo Antropometrico +
Fotografia Forense +
PortraitParlè =
“Bertillonage”

12.  Non unicità delle misure 1903 - Penitenziario federale di Leavenworth (Stato di
Washington)
 Correlazione tra le caratteristiche misurate
 Variazione inter-operatore
 Strumentazione
 Addestramento
 non cooperazione
 Tolleranze calcolate a partire dalle varianze riscontrate negli
operatori
 Es. Orecchio : ±1 mm : varianza accettabile, ±2 mm : divergenza dovuta
all’operatore, ±4 mm : non identità
 Assenza di tracce antropomorfiche sulla scena del crimine
Impronte Digitali (Galton -Straton – Dastre - Vucetich)

13.  Faulds (1880) – Galton (1892)
 Permanenza
 Unicità
 Definizione dei Pattern base (Arch, Whorl, Inner Loop, Outer Loop)
 Metodi di classificazione (Galton– Henry)
 Primario rapporto tra numero e posizione delle spirali nelle dita pari (numeratore) e nelle dita
dispari (denominatore)
 Secondario rapporto tra il tipo di pattern del dito indice e informazione sugli archi a tenda, archi e
loop circolari nelle altre dita per la mano destra (numeratore) e sinistra (denominatore)
 Sub-secondario conteggio delle spirali
 La classificazione permette di gestire basi di dati di grandi dimensione (e.g. FBI
Repository)
 Codifica NCIC (National Crime Information Center) (1967) per la trasmissione a
distanza dei risultati delle classificazioni
 Ten print to ten print efficienti solo se l’informazione è completa e di buona qualità
 Single-print Classification System
 Fornisce una lista di potenziali candidati ma l’identificazione formale è effettuata da
un operatore (best candidates)

14.  Automatic Fingerprint Identification Systems
 Confronto single-print o ten-print-to-ten-print
 Printrak System (USA – NIST – FBI – Motorola)
 Morpho System (Francia –Sagem)
 NEC AFIS (Giappone – NEC)
 Basati sul confronto di
 Posizione delle minuzie
 Orientazione delle minuzie
 Calcolo del numero di ridge tra le minuzie
 AFIS/NIST ITL-1 2000 e AFIS/NIST ITL-1 2006: Interoperabilità tra i metodi proprietari di
classificazione delle minuzie
 FBI recommendations per gli scanner di impronte
 Accuratezza Geometrica dell’immagine
 SNR
 Scala dei grigi e accuratezza
 Metodo di Compressione WSQ (Wavelet Scalar Quantization) , JPEG2000

15.  Modelli Statistici poco accurati  Modelli Probabilistici : permettono
l’impiego di impronte incomplete, parziali, distorte, di scarsa qualità
 L’attendibilità della prova è valutata in base ad un rapporto di
verosimiglianza
 Variabilità intra-utente : stesso utente, diverse condizioni di distorsione (distorsion
model)
 Variabilità inter-utente : fonte criminal justice database
 Con tale metodo anche un’impronta parziale (3 minuzie) può essere
significativa in sede giudiziaria
 L’affidabilità della prova aumenta con il numero delle feature

16.  Utilizzato per classificare individui sconosciuti oppure
campioni biologici
 (Forensic) DNA Profiling: tecnica usata dagli scienziati forensi
per identificare gli individui sulla base dei loro “profili” di DNA
 Il DNA umano contiene circa 32.000 geni:
 di questi circa il 99,9% sono identici in tutte le persone
 della restante parte viene presa in considerazione la lunghezza di sequenze ripetute
definite Short Tandem Repeat (STR)  stabili nello stesso individuo ma molto
variabili tra persone diverse
Analisi:
 Il DNA estratto viene “amplificato” tramite un metodo conosciuto col nome
di Polymerase Chain Reaction (PCR)
 amplifica le STR tramite cicli termici multipli (tra 28 e 34)
○ PRO: bastano 100 pg di DNA
○ CONTRO: vengono alterati anche elementi presenti sulla scena ma lasciati in
occasioni non collegate allo studio di caso
 Segue una fase di elettroforesi capillare (CE), che separa i frammenti
amplificati di DNA in base alla loro dimensione
 in totale occorrono un minimo di 12 ore per entrambe le analisi, sia che
vengano effettuate manualmente sia in modo automatico

17.  L’archiviazione dei profili di DNA è relativamente semplice
 FBI CODIS (Combined DNA Index System): 4 milioni di profili individuali e
150.000 profili estratti da scene del crimine
 U.K. DNA Database: 3 milioni di profili, 50.000 nuovi profili ogni anno
 Differenze tra Paesi:
 L’ENFSI (European Network of Forensic Science Institutes) richiede 7 STR
per caratterizzare un individuo, per l’FBI ne sono necessarie 13
 La Svizzera registra solamente i profili delle persone condannate per crimini
sanzionati con la reclusione, altri stati (e.g. U.K.) registrano i profili di tutti gli
individui sospetti o arrestati per qualsiasi tipologia di crimine
 Il DNA non permette un riconoscimento al 100%, anche se ci si
avvicina
 prendendo da un DB due profili random e non correlati, la
probabilità di errore è pari a 1 su 1 miliardo (0,0000001 %)
 tra parenti tale probabilità aumenta ulteriormente
○ prendendo 10 STR, la probabilità di confondere due fratelli è di 1 su
10.000
 non dimentichiamo i fattori legati alla qualità delle tracce…

18.  Forensic speaker recognition: riconoscimento di
un individuo in base al suo modo di parlare.
 Tre metodi di analisi differenti:
 auditory (conosciuta come analisi fonetica percettiva)
 analisi semi-automatica (auditory instrumental)
 analisi automatica

19.  L’analisi percettiva è eseguita da personale
addestrato che ascolta con attenzione
l’individuo e analizza i parametri di
 voce: timbro e valore di pitch
 parlato: velocità e frequenza delle parole
 lingua: metrica e stile
 caratteristiche linguistiche: sintassi e respiro
 in determinate situazioni si è visto che risultati
di riconoscimento migliori si possono ottenere
usando personale non addestrato (naive,
inesperto/ingenuo)

20.  Nell’analisi semi-automatica gli esperti si avvalgono di
strumentazioni apposite per ricavare caratteristiche
oggettive come
 frequenza media della fondamentale
 formanti delle vocali
 profilo dei pitch
 energia dello spettro
 Attenzione: alcuni metodi sono peggiori di altri
 Caso particolare del voice printing (confronto spettografico visuale)
○ Confronto visuale tra le rappresentazioni spettrali di due campioni vocali
dello stesso utente o di utenti diversi
○ alta variabilità, poco distintivo  non è speaker-dependent
 Nel 1976 l’ US National Academy of Sciences ne sconsiglia
ufficialmente l’utilizzo: da usare con la massima attenzione

21.  Il riconoscimento automatico è costituito da 2
approcci differenti:
 Text-dependent
 Text-independent (usato negli studi forensi)
 Buoni risultati su campioni vocali registrati nella
medesima condizione, ma molto sensibile a
distorsioni (in registrazione o in trasmissione)
 Settore forense: analisi di segnali telefonici e
situazioni di background rumoroso  confronto
difficoltoso

22.  Già proposto all’inizio del 19° secolo da
Bertillon come sistema di riconoscimento
forense – (Antropometric Cards)
 Condizioni di illuminazione
 Inquadratura (frontale, profilo)
 Riconoscimento non automatico
○ Analisi Morfologica delle strutture facciali
○ Misurazioni Antropometriche
○ Sovrapposizione di Immagini
 Riconoscimento automatico

23.  Impiego di nomenclatura standard per la descrizione di
caratteristiche fisiologiche
 forma del viso
 attaccatura dei capelli
 altezza e spessore della fronte
 forma della bocca e del mento
 lunghezza, larghezza e forma del naso
 forma e dimensione dell’orecchio
 Aggettivi impiegati per la descrizione
 mancante, poco, moderato, estremo ; piccolo, medio,
grande; assente, medio, pronunciato; sottile, medio,
spesso
 Soggettivo (variabilità inter-operatore)
 Variabilità delle condizioni di acquisizione, invecchiamento

24.  Quantificazione delle proporzioni fisiologiche degli
elementi del volto al fine di ridurre la soggettività
 Punto medio dell’attaccatura dei capelli
 Punto più anteriore della fronte
 Punto più profondo della radice del naso
 Punto più anteriore della punta del naso
 Punto medio della linea di occlusione tra le labbra
 Punti anteriori e inferiori del mento
 Angoli della bocca
 Punto superiore, inferiore e posteriore dell’orecchio
 Efficace solo se le immagini dei volti hanno la stessa
orientazione

25.  Il calcolo di rapporti relativi tra le grandezze permette di
evitare fenomeni di variazione di scala o di dimensione
assoluta (la massima dimensione dell’immagine è al
denominatore)
 Limiti classici
 Condizioni di illuminazione
 Distorsione
 Posizione della fotocamera
 Orientamento
 Espressione
 Invecchiamento
 Limiti specifici
 Elevata correlazione tra le misure
 Mancanza di dati statistici che permettano di determinare il
contributo relativo di queste misure in una popolazione specifica

26.  Sovrapposizione di Immagini Fisse
 Sovrapposizione Animata
 Elevata soggettività
 Sovrapposizione 3D / 2D
 Il volto del sospettato (3D) è confrontato con
l’immagine 2D presente nel database.
 Possibilità di regolare la posizione e l’orientamento
 Non è necessario che le immagini siano acquisite con
le stesse condizioni di illuminazione e posa
 Scarsa accuratezza

27.  Riconoscimento di pattern visuali e confronto con le
feature dell’immagine memorizzata
 Analisi
 PCA
 Gabor Wavelets
 Classificazione
 Bayes
 LDA (Linear Discriminant Analysis)
 ICA (Indipendent Component Analysis)
 Graph Matching
 Non valido in ambito processuale
 stabilizzazione delle tecnologie
 standardizzazione delle procedure
 sperimentazione di casi reali

28.  Può basarsi su fotografie o su tracce
involontarie
 Approcci proposti
 Estrazione delle features dall’Area dell’Antelice
○ Spessore
○ Altezza
○ Contorni interni ed esterni
 Sovrapposizione della traccia con una griglia di
punti di interesse
○ 4 punti sul contorno interno, 4 punti sul contorno esterno
 Modellizzazione di ogni parte dell’orecchio mediante centroidi
○ Si riduce la distorsione dovuta alla pressione
 Forensic Ear Identification Project(FearID)
 EER = 3.9% (earmarks reali)
 EER = 9.3% (earmarks sintetici)
 L’analisi degli earmarks non è riconosciuta
come metodo valido

29.  Dental Features
 Identificazione di resti umani
 Radiografie, Dental Record
 Bitemark Identification
 Stabilità, Variabilità, tracciabilità degli interventi chirurgici
 Facilità di organizzazione dei dati in caso di calamità
naturali
 Handwriting
 Richiede l’analisi di un esperto forense (Soggettività)
 WANDA-system , CEDAR-FOX
 Fourier Descriptors : discrimina due differenti individui
 Analisi dei Componenti Connessi

30.  La Biometria e la Scienza Forense si
distinguono per 4 aspetti
 I principi scientifici e le tecniche
metodologiche sono le stesse
 Approccio multimodale per aumentare
l’affidabilità sulle prove raccolte
 Crime Prevention - uso di telecamere a
circuito chiuso (CCTV)
 Legame sempre più stretto tra i due ambiti