指紋皺紋研究的現狀及展望

摘要：指紋是手指指腹上由乳突紋線構成的花紋結構，在日常生活中扮演著重要角色。指紋皺紋是皮紋學中非皮嵴紋構型和屈肌褶紋的一個顯著特征，因其在捺印指印時表現為正常乳突紋線在不同方向上中斷，從而形成白色條紋，因此又稱為指紋白線。指紋皺紋的形成和表現與皮膚疾病、民族種群和個體差異等因素相關聯，故該特征在皮紋學、醫學、法庭科學和計算機識別等領域具有重要的應用價值。本文對指紋皺紋的基本屬性進行了整理，重點介紹了其研究進展，并初步展望了未來的研究方向，希望為其科學研究提供有益的參考。

關鍵詞：指紋；指紋皺紋；生物人類學；法庭科學；皮紋學

1 引言

指紋皺紋是皮紋學中非皮嵴紋構型和屈肌褶紋的一個明顯的特征，因其在捺印指印中呈現出能使正常乳突紋線在不同方向上中斷，從而形成白色條紋，因此又稱為指紋白線。作為手指上的常見指紋特征，指紋皺紋在多個領域得以研究和應用：法庭科學領域，通過研究指紋皺紋的變化規律和數量規律，可以輔助判斷個體的年齡和性別；醫學領域，指紋皺紋可以作為部分皮膚疾病和精神疾病的參考；計算機自動識別領域，實現指紋皺紋的自動識別和提取，并納入指紋識別特征集，可以提高指紋自動識別系統的準確性。本文對指紋皺紋的基本屬性進行了總結，重點介紹了其研究進展，并初步提出了未來研究的展望，旨在為指紋皺紋的科學研究提供有益的參考。

2 指紋皺紋的基本屬性

2.1 定義和形成

指紋皺紋是由手指皮膚的張弛和堆積活動形成的細小溝紋。最早可以在胎兒時期觀察到指紋皺紋[1]，但它們并非一成不變；隨著年齡增長，指紋皺紋會在表皮更替的過程中發生不同程度的變化。指紋皺紋的形成原因與皮膚松弛以及手指的屈伸活動導致的內部正常細胞膜破裂有關[2]，同時還受到干濕程度、摩擦程度和疾病等因素的影響。此外，有學者觀察到指紋皺紋所在部位的組織切片上，表皮和真皮交界處并不存在任何結構上的中斷，只涉及透明層的改變，因此推測指紋皺紋的形成不涉及真皮層的改變[3]。

2.2 形態特點及類型

指紋皺紋表現為中空的細長空白線條狀，寬度略大于小犁溝，與乳突紋線的方向通常會有一定的角度，呈現出并行或網格交叉等不同狀態[4]。根據指紋皺紋的方向角度，可以將其分為縱向皺紋和橫向皺紋；根據指紋皺紋的穩定性，又可以將其分為短期皺紋和長期皺紋[5] 如圖1、圖2 所示，其中a 組與b 組為同一皺紋特征在表皮更替周期（約一個月）利用數碼顯微鏡所拍攝的圖片。圖1 所示的短期皺紋容易受到外界因素的影響，如氣候和濕度的變化，因此在表皮更替周期內會發生較大的變化。圖2 所示的長期皺紋主要是皮膚老化和勞動活動造成的，因而在表皮更替周期內表現出相對穩定的特征[6]。

2.3 辨識

指紋皺紋和指紋傷疤被學術界合稱為次級折痕（Secondary Creases）[7]，是手指指紋上常見且顯著的細節特征。在乳突花紋和捺印指紋中，它們都表現為形態相似的中空線狀區域，容易引起混淆，但經過仔細觀察可以明顯區分[8]，如圖3 所示。

首先，指紋皺紋所形成的“空白區”通常具有較為連貫的形態，乳突紋線在橫斷處保持整齊無擠壓，不破壞乳突紋線的流向和路徑。相比之下，指紋傷疤所形成的“空白區”兩側，乳突紋線在橫斷處呈現出參差不齊的情況，可能存在收縮、聯結和錯位現象[9]。其次，相比較而言，指紋皺紋所形成的“空白區”通常寬度更寬和面積更大；而線條狀傷疤由于皮膚的補償性再生功能對創面的自動修復，往往呈現出較為狹長的形態，面積相對較小。再次，指紋皺紋由于屈肌動作或指腹脂肪堆積，其方向通常呈現為縱向或橫向的直線；而指紋傷疤的方向和軌跡與其受到損傷時的受力情況相關，因此具有不確定性。

3 研究進展

指紋皺紋的形成和表現，與皮膚疾病、民族種群以及個體差異等因素密切相關。因此，在皮紋學、醫學、法庭科學和計算機識別等領域，指紋皺紋具有重要的應用價值。

3.1 皮紋學領域

指紋皺紋是手指皮紋上的重要細節特征，其穩定性及形態表現與年齡、壓力、民族等因素有關，國內外學者針對相關問題展開了以下探究。

近年來，國外學者Richmond（2004 年）[10] 以及國內學者郭少波等（2013 年）[4] 均探究了不同壓力條件下指紋皺紋的表現情況：較低壓力下，皺紋特征更加明顯；隨著壓力增加，皺紋特征逐漸消失；直到壓力達到一定程度時，乳突紋線的中空部分開始變得連貫完整，由此說明皺紋形態受壓力影響程度較大。2016 年，Lara[11] 在研究中發現，隨著年齡的增長，乳突紋線磨損和指紋皺紋的增加可能導致出現不穩定的指紋特征，影響指紋個體識別結果；實驗結果顯示，30% 的個體在衰老后無法進行指紋識別。Keith 等[12] 的研究指出，大多數指紋皺紋在一個月內保持相對穩定，但并非永久不變，其出現和消失的速率大致相同，并呈現出周期性變化的趨勢。2022 年研究[13] 顯示，隨著年齡增長，指紋皺紋的出現率、皺紋數量均呈現增加的趨勢，最長皺紋的長度也有增長的趨勢。隨后，張忠良[14]教授通過比對相隔30 年的指紋樣本發現，隨著年齡的增長，皮膚彈性逐漸降低，手指摩擦和屈伸活動的累積導致指紋皺紋由無到有、由少變多、由細變粗、由短變長、由簡單變復雜。因此推測，指紋皺紋的變化規律與年齡具有一定關聯。

此外，我國學者[10，15，16] 針對國內各地各民族的指紋皺紋進行大量的統計分析，并發現同一地區不同民族和不同地區同一民族的指紋皺紋表現情況均存在著差異。例如，遼寧地區，滿族的指紋皺紋出現率為16.52%，漢族卻高達31.73%[17]；寧夏漢族的指紋皺紋出現率可達35.15%[18]，而江西漢族的指紋皺紋出現率僅為12%[19]。由此推測，指紋皺紋形成和表現還受到地區因素和種群因素的影響。

以上研究結果揭示了指紋皺紋的復雜性和多變性，為指紋皺紋的應用和解釋提供了學術基礎。進一步的研究將有助于深入理解指紋皺紋的穩定性、變化規律以及影響因素，為其在其他領域的研究和實踐提供更深入的理論支持和指導。

3.2 醫學領域

手指指紋區的皮膚真皮較薄，角質層較厚，且皮紋區神經末梢特別豐富。這些特征使得手指皮紋的生長發育與皮膚系統以及神經系統的生長發育密切相關。因此，凡是能對神經系統造成損害的因素都有可能影響手指皮紋的形成與發育，導致大量指紋皺紋的出現。故部分疾病會在手指皮紋上有所表現[20]（圖4）。

早在1950 年，Cherril[21] 就在其發表在《自然》上的文章中將指紋皺紋與疾病的發生聯系起來。1970 年，David 等[22] 研究發現，在活動性腹腔疾病中，乳突紋線嚴重萎縮，指紋皺紋消失，當腹腔疾病得到控制時，乳突紋線重新開始生長，指紋皺紋重新出現。1971 年，Hirsch 和Recke[23] 在研究中觀察到，在26 例有各種皮膚病的患者中，指紋皺紋的出現頻率顯著增加，并推測指紋皺紋的形成可能與遺傳因素有關。之后，國外研究發現[24，25] 相對于普通人來說，精神分裂患者更頻繁且更密集地出現指紋皺紋，國內甘子明[26] 和陸國芳[27] 教授也發現抑郁癥和精神分裂癥患者的指紋皺紋出現率更高，這可能是精神類疾病的重要指紋特征之一。此外，糖尿病患者指紋皺紋的出現率也明顯高于正常人群[28]。Lee 發現嚴重的手部皮炎會導致患者的手指指紋皺紋出現異常，從而導致指紋的識別和鑒定失敗[29]，如圖4 所示。

綜上所述，指紋皺紋與皮膚系統和神經系統具有一定的關聯性，因此指紋皺紋的出現和數量異常可以作為部分皮膚疾病和精神疾病的參考依據。值得注意的是，復旦大學人類表型組研究院的重大研究成果指出人類指紋和肢體發育有高度的基因關聯[30]，說明了指紋在先天疾病早篩、人體病變預防、職業體質選拔等領域具有重要價值。未來，可以從指紋皺紋角度出發，為疾病的預防和檢測提供更多線索。

3.3 法庭科學領域

指紋皺紋既是一種常見形態特征，也是指紋檢驗中不可忽視的指紋細節特征，充分挖掘指紋皺紋的檢驗鑒定價值，也是法庭科學領域中的重要研究方向。

2004 年，薄海玲在實驗中針對指紋皺紋進行提取、存儲和應用，并初步嘗試將指紋皺紋作為特征線段進行特征匹配識別[31]；隨后，有學者提出利用特征接合法將指紋皺紋納入指紋鑒定，即利用指紋皺紋的線條狀特征進行接合比對檢驗[32]。然而，2016 年Nitesh 建立模型利用皺紋進行指紋檢驗鑒定[33]，卻根據其實驗結果得出結論：不能僅憑皺紋特征進行指紋檢驗鑒定。由此可見，指紋皺紋的反應性受到多種因素影響，將其應用于指紋鑒定之中具有一定的局限性，但并不能否定指紋皺紋在指紋鑒定，尤其是疑難指紋鑒定方面的重要價值。

由于指紋皺紋作為皮膚表面的一種形態表現，會因性別、手位和年齡的差異而有不同的表現，因此可以根據指紋皺紋與性別、手位和年齡之間的聯系，進行個體身份信息的推測。多位學者[34-36] 提取大量乳突紋線、乳突紋線密度、指紋皺紋數量和長度等特征數據，利用模糊c 均值聚類（Fuzzy C-means Algorithm）、線性判別分析（Linear DiscriminantAnalysis） 和神經網絡（Nerual Networks） 等算法進行不同性別之間指紋圖像的差異性分析，成功實現了對性別的預測。其中，Magaji[37] 和Lawan[38] 采用Mann-Whitney 和二元邏輯回歸分析方法，利用不同指位之間指紋皺紋數量差異實現性別預測，并于2020 年的文章[39]中利用指紋皺紋數量在雙手上差異實現手位預測。2022 年，田潤之等[40] 基于指紋皺紋等指紋形態特征的數理統計分析，建立了多元線性回歸模型實現個體年齡的預測。由此可見，指紋皺紋在法庭科學領域不僅具備鑒定價值，還攜帶著豐富的個人信息可供探究。

指紋皺紋是形態明顯的細節特征，也是甄別偽造指紋的重點所在。2021 年，李珍珍[41]指出，正確區分硅膠指印與真實指紋指印的關鍵在于正確區分兩者在捺印過程中由皺紋等導致的乳突紋線模糊、斷連、缺失特征。2022 年，蔣煥[42] 在對不同年齡階段人的硅膠仿生指紋印泥痕跡特征的探究中發現，老年階段的皺紋的空白特征和斷裂特征，與真實指紋痕跡的區別最明顯，如圖5 藍色箭頭所示部分。

綜上所述，作為手指上普遍存在的特征，指紋皺紋包含著大量的形態學信息，因而在人身識別、個人信息推測、偽造指紋辨析等方面具有潛在的應用價值。

目前指紋皺紋缺乏系統性研究，也并沒有得到廣泛的認可與科學評斷，其層次歸屬也是眾說紛紜。國內現行的行標《法庭科學指紋專業術語》將指紋皺紋歸屬于一級特征；在國外[43]，美國國家標準與技術研究院（National Institute of Standards and Technology， NIST）在指紋標準更新研討會的基礎上，創建了“擴展特征定義委員會（Committee to Define anExtended Fingerprint Feature Set， CDEFFS）”來定義擴展指紋特征集[44]，其中指紋皺紋屬于二級特征；而在國際鑒定協會（International Association for Identification， IAI） 的第92 屆國際鑒定協會交流大會中，密歇根州立大學的Anil Jain 和Yi Chen[45] 發布的指紋擴展特征集將其納入為指紋三級特征；美國指紋分析、研究和技術工作組（Scientific Working Group on FrictionRidge Analysis， Study and Technology， SWGFAST） 提出，指紋皺紋可以反映在所有三種層次的細節特征中，例如皺紋的流向屬于一級特征，路徑屬于二級特征，形態屬于三級特征[46]。由此看來，關于此類問題學術界并沒有形成統一的具有說服力的見解，后續可以著重根據指紋皺紋的特性、識別價值和鑒定風險等，制定標準化評價標準，探討其層次歸屬。

3.4 計算機自動識別領域

隨著指紋自動識別系統的廣泛應用，國內外學者致力于將指紋皺紋納入指紋自動識別比對系統中，并對指紋皺紋的自動識別算法展開研究。

自1993 年起，Vernon 就開始探討自動檢測和分離次級皺紋的自動化技術[7]。2003 年，清華大學伍晨愉將指紋上的皺紋作為一種特征信號，研究相關的建模、檢測和匹配等問題，并探究了利用指紋皺紋改進傳統識別方法的可能性[47]。同年，國外學者Zhou 使用參數化的矩形來模擬折痕，并開發了一個多通道濾波器框架來檢測任何方向上的指紋皺紋，從而實現了指紋皺紋的自動識別與檢測[48，49]。

2005 年，Hymer 提出指紋皺紋和疤痕（ 統稱為Secondary Creases） 可作為指紋識別的輔助手段，并且將Gabor 濾波器和Hough 變換算法應用于指紋皺紋和疤痕的自動識別上[50]。2009 年，國外學者J.Zhou 等將指紋皺紋自動檢測識別系統與傳統的指紋識別算法相結合，將指紋皺紋作為老年人指紋的一個新特征來處理，提高了指紋識別系統在老年人指紋識別方面的性能[51]。

2012 年，Laseinde 基于指紋圖像的像素強度和乳突紋線在方向圖上的差異點，提出了兩種新的指紋皺紋自動檢測算法[52]。2016 年，Nitesh 等探討了一種使用皺紋特征進行指紋識別的神經網絡算法模型流程，該模型表明將指紋皺紋與其他特征信息相結合，具有提高指紋鑒定性能的巨大潛力[33]。2019 年，國內學者提出了一種以指紋細節特征密度分布為基礎的新型皺紋檢測與修復方法，減少了指紋識別系統中的偽特征，明顯地提高了指紋識別精度[53]。

由此可見，指紋皺紋自動識別與檢測算法的不斷升級，能提高指紋自動識別系統的性能。隨著神經網絡、深度學習和人工智能的不斷發展，指紋自動識別系統考察的特征種類范圍和檢驗維度也將隨之不斷擴大，未來將指紋皺紋納入系統的識別特征集是必然趨勢。

4 研究展望

經過幾十年的發展，指紋皺紋在各個領域的相關研究不斷完善，但仍存在一些亟須解決的問題。基于近年來的新技術發展，我們初步預測了指紋皺紋未來的研究方向。

4.1 形成機理

指紋皺紋的形成機理是生物人類學和皮紋學一直有待解決的問題。然而，由于手指皮膚的多層次組織學結構和復雜的外形結構致使其研究難度較大，關于指紋皺紋形成機理的探究難以開展。

光學相干層析技術（Optical Coherence Tomography， OCT） 是20 世紀90 年代發展起來的一種新型光學斷層成像技術，具有原位、非接觸、無損、高分辨、真三維斷層成像等特點，在無損檢測方面有著重要的應用價值和廣闊的發展前景[54]。在指紋的生物學探究方面，ZAM 利用OCT 技術顯現了指尖表皮下的指紋和血管網絡分布等附加生物特征[55]，Ding利用OCT 技術提取了表面指紋、內部指紋和汗腺相關信息[56]，張寧等利用OCT 技術對表皮下毛囊分布進行可視化展示[57]。鑒于該技術廣泛的應用價值，未來也可以借助OCT技術的斷層成像特點，在指紋皺紋形成初期、穩定期和消失末期對指紋表皮層和真皮層進行比對，觀察指紋皺紋形成的不同階段里，表皮層至真皮層是否具有明顯差異性，以探究指紋皺紋形成的生物學機理。

4.2 鑒定價值

指紋皺紋的形態受到多種因素的影響，因此將其應用于指紋鑒定之中具有一定的局限性。在沒有鑒定規范的情況下，法官難以對證據的鑒定意見合法性和合規性進行評斷[58]，致使在實際鑒定工作中指紋皺紋的作用發揮得很少，甚至一度被視為“個別特征”而錯誤應用[59-61]。同時，法庭科學的比對檢驗依賴于指紋檢驗人員的判斷，是典型的主觀分析方法，該方法易受檢驗人員的錯誤、偏見和水平高低的影響，因此，如何客觀衡量指紋皺紋的鑒定價值，并判斷其是否能納入鑒定范疇仍是亟待解決的問題。

似然比（Likelihood Ratio）是一種基于貝葉斯理論的統計方法，可以為法庭提供衡量證據證明價值的標準，該方法在法庭科學各個領域均有一定程度的研究與應用[62-65]。一些歐美國家已將似然比成熟地應用于相關領域。例如，Alexandre 通過似然比評估了汗孔特征與二級特征相結合后在指紋比對檢驗過程中的鑒定價值[66]；Graham 利用似然比對傷疤特征的鑒定價值進行探究[67]。指紋皺紋的短期相對穩定性同樣具有鑒定價值，未來可以利用似然比方法對其鑒定價值進行評估和量化，并將不同時期指紋皺紋特征的似然比結果進行橫向比較，探究指紋皺紋用于指紋鑒定時的有效時間范圍，從而將指紋皺紋特征合理地運用在指紋鑒定工作中。

4.3 結合神經網絡的指紋皺紋自動識別技術開發

隨著大規模指紋數據庫的建立，指紋自動識別系統的發展已面臨多項技術瓶頸[68-70]，例如，當前的指紋自動識別系統只能針對常規二級特征進行識別標記。指紋皺紋作為手指上普遍存在的特征，因包含著大量的形態學信息而在人身識別領域具有潛在的應用價值，將其納入指紋自動識別系統的識別范圍會成為一種趨勢，指紋皺紋也勢必會隨著新技術的發展，融入指紋自動識別系統的應用當中。

YOLOv5 是一種目標檢測的神經網絡算法，目前已初步應用于指紋自動識別領域[71]。高夢婷等基于YOLOv5 算法實現了指紋“分歧”“結合”等常見二級特征自動檢測識別[72]。指紋皺紋相比常見的二級特征擁有更多的特征信息，或許可以在YOLOv5 算法的基礎上探究與指紋皺紋相關的自動識別技術，進一步與機器學習及人工智能等技術相融合，以期將指紋皺紋特征有效納入指紋自動識別系統的特征運用集中，同時提高指紋皺紋與傷疤特征等相似特征的自動辨識率與篩選率。

參考文獻

[1] 姚中港．指紋細點線的形態變化及識別方法研究[D]．北京：中國人民公安大學，2014， 4-5

[2] 鐘新文，張忠良．手印學[M]．北京：中國人民公安大學出版社，2014， 223-225

[3] B·肖曼，M·阿爾特，姚荷生．皮膚紋理學與疾病[M]．江蘇：江蘇科學技術出版社，1984， 122-123

[4] 郭少波，王芫，王炎，等．探析高分辨率指紋特定條件下三級特征的穩定性[J]．中國司法鑒定，2013， 1：56-61

[5] 張瑾，劉曉明．運用指印特征提升疑難指印鑒定率[J]．中國人民公安大學學報（ 自然科學版），2016， 22（1）：4-10

[6] 羅亞平，郭威．指紋學教程[M]．北京：中國人民公安大學出版社，2010， 85-86

[7] Vernon DSG. Automatic detection of secondary creases in fingerprints[J]. Optical Engineering， 1993， 32（10）： 2616-2623

[8] Cummins H， Midlo C. Finger prints， palms and soles： an introduction to dermatoglyphics[M]. New York： Dover Publications， 1961， 41-42

[9] 韋向東．利用指紋傷疤印痕確定犯罪嫌疑人1 例[J]．刑事技術，2014， 5： 21

[10] Richmond S. Do fingerprint ridges and characteristics within ridges change with pressure？[J]. Australian Federal Police， Forensic Services， 2004， 5： 46-47

[11] Silva LRV， Mizokami L， Vieira PR， et al. Longitudinal and retrospective study has demonstrated morphometric variations in the fingerprints of elderly individuals[J]. Forensic science international， 2016， 259： 41-46

[12] Monson KL， Roberts MA， Knorr KB， et al. The permanence of friction ridge skin and persistence of friction ridge skin and impressions： a comprehensive review and new results[J]. Forensic science international， 2019， 297： 111-131

[13] 宋煥庭，唐瑋，張麗梅，等．指紋與年齡相關性的量化分析[J]．人類學學報，2022， 41（6）： 1047-1057

[14] 張忠良，宋煥庭，張麗梅，等．同一人不同年齡段的指紋特征信息變化[J]．中國刑警學院學報，2022， 3： 97-103

[15] 張致中，張虎，晁招相，等．新疆六個民族指紋白線的調查研究[J]．遺傳，1994， 1： 5-7

[16] 阿布都艾尼，艾瓊華，賽福鼎．新疆伊犁維吾爾族、哈薩克族和蒙古族指紋白線正常值分析[J]．解剖學雜志，1997， 1： 77-80

[17] 熊繼群，石君．湘西土家族、苗族、漢族指紋白線的研究[J]．華夏醫學，2006， 2： 179-181

[18] 莊振西，高秀珍．遼寧滿族和漢族指紋白線正常值分析[J]．人類學學報，1993， 3： 264-268

[19] 霍正浩，彭亮，陳銀濤，等．寧夏漢族指紋白線正常值分析[J]．中國優生與遺傳雜志，1998， 6： 133-135

[20] 全躍龍．漢族指紋白線正常值分析[J]．人類學學報，1988， 2： 186-188

[21] Cherrill FR. Finger prints and disease[J]. Nature， 1950， 166（4223）： 581-584

[22] David TJ， Ajdukiewicz AB， Read AE. Fingerprint changes in coeliac disease[J]. Br Med J， 1970， 4（5735）： 594-596

[23] HIRSCH and Recke. Hautleisten und Krankheiten[M]. Berlin， Ernst-Reuter-Gesellschaft， 1971， 225-236

[24] Cannon M， Byrne M， Cotter D， et al. Further evidence for anomalies in the hand-prints of patients with schizophrenia： a study of secondary creases[J]. Schizophrenia Research， 1994， 13（2）： 179-184

[25] Shakibaei F， Asadollahi GA， Tabibi A. Dermatoglyphics in patients with schizophrenia[J]. Journal of research in medical sciences：the official journal of Isfahan University of Medical Sciences， 2011， 16（8）： 1055

[26] 甘子明，徐蘭．精神分裂癥患者的指紋白線和嵴線離解的研究[J]．新疆醫學院學報，1995， 4： 215-218

[27] 陸國芳，李樹寧，高麗榮，等．抑郁癥患者的指紋類型及指紋白線[J]．解剖學報，2011， 42（5）： 703-706

[28] 孫淑芳，許振波，韓向君，等．糖尿病患者指紋白線的分析[J]．遺傳，1995， 2： 10-11

[29] Lee CK， Chang C， Johar A， et al. Fingerprint changes and verification failure among patients with hand dermatitis[J]. JAMA dermatology， 2013， 149（3）： 294-299

[30] Li J， Glover JD， Zhang H， et al. Limb development genes underlie variation in human fingerprint patterns[J]. Cell， 2022， 185（1）： 95-112

[31] 薄海玲．指紋沖擊線的識別與應用[D]．長春：吉林大學，2004

[32] 歐陽常青．手印鑒定中接合比對檢驗法的應用研究[J]．中國司法鑒定，2005， 4： 52-53+56

[33] Chauhan N， Soni M， Anand V， et al. Fingerprint classification using crease features[A]. In： 2016 IEEE Students’ Technology Symposium （TechSym）[C]. IEEE， 2016， 56-60

[34] Tadross RA， Badawi AM， Mahfouz MR， et al. Sex Determination from Fingerprint[J]. Cairo International Biomedical Engineering Conference， 2006， 6： 26-31

[35] Verma M， Agarwal S. Fingerprint based male-female classification[A]. In： Emilio C， Rodolfo Z， Paolo G， et al. Proceedings of the International Workshop on Computational Intelligence in Security for Information Systems CISIS’08[C]. Springer Berlin，Heidelberg， 2009， 251-257

[36] Richard Jonathan O. Taduran， et al. Sex determination from fingerprint ridge density and white line counts in Filipinos[J]. Homo，2016， 67（2）： 163-171

[37] Taura MG， Adamu LH， Asuku AY， et al. Adjacent digit fingerprint white line count differences： a pointer to sexual dimorphism for forensic application[J]. Egyptian Journal of Forensic Sciences， 2019， 9（1）： 1-8

[38] Adamu LH， Asuku AY， Muhd UA， et al. Fingerprint White Line Counts： An Upcoming Forensic Tool for Sex Determination[J].Arab Journal of Forensic Sciences amp; Forensic Medicine 2019， 1（9）： 1165-1173

[39] Taura MG， Adamu LH， Asuku AY， et al. Quantity and asymmetry of fingerprint white lines： forensic implication[J]. Canadian Society of Forensic Science Journal， 2020， 53（1）： 13-25

[40] 田潤之，趙雅彬．基于指紋形態特征的人群年齡刻畫研究[J]．中國人民公安大學學報（ 自然科學版），2023， 29（1）： 11-20

[41] 李珍珍．硅膠高仿指模的檢驗[J]．刑事技術，2021， 46（1）： 91-95

[42] 蔣煥，陳立宏，李俐明，等．不同年齡階段人的硅膠仿生指紋印泥痕跡特征[J]．刑事技術，2022， 47（4）： 400-404

[43] GA/T 1533-2018，法庭科學指紋特征分類規范[S]

[44] HICKLIN A. Extended features under consideration [EB/OL]. https：//www.nist.gov/system/files/documents/2016/12/19/p18_hicklin_extfpfeatures_2006-04.pdf. Released on：2006-03-31

[45] Jain AK， Chen Y， Demirkus M. Pores and ridges： High-resolution fingerprint matching using level 3 features[J]. IEEE transactions on pattern analysis and machine intelligence， 2006， 29（1）： 15-27

[46] Science Working Group on Friction Ridge Analysis， Study and Technology. Standards for examining friction ridge impressions and resulting conclusions （latent/tenprint） [S/OL]. http：//clpex.com/swgfast/documents/examinationsconclusions/111026_Examinations-Conclusions_1.0.pdf. Released on： 2005-01-13

[47] 伍晨愉．斷紋檢測及其在指紋識別中的應用研究[D]．北京：清華大學，2003

[48] Wu C， Zhou J， Bian Z， et al. Robust crease detection in fingerprint images[A]. In： 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition[C]. IEEE， 2003， 2： II-505

[49] Zhou J， Wu C， Bian Z， et al. Improving fingerprint recognition based on crease detection[A]. In： ICBA. Biometric Authentication：First International Conference[C]. Springer Berlin Heidelberg， Biometric Authentication， 2004： 287-293

[50] Hymer P. Extraction and application of secondary crease information in fingerprint recognition systems[D]. Sweden： Link?ping University， 2005

[51] Zhou J， Chen F， Wu N， et al. Crease detection from fingerprint images and its applications in elderly people[J]. Pattern Recognition，2009， 42（5）： 896-906

[52] Laseinde OP. Analysis and detection of fingerprint creases[D]. America： West Virginia University， 2012

[53] Jian W， Zhou Y， Liu H， et al. Crease Detection and Repair Based on Minutia Density Distribution[A]. In： 2019 IEEE 11th International Conference on Communication Software and Networks （ICCSN）[C]. IEEE， 2019， 446-451

[54] 吳迪，高樹輝，張寧，等．光學相干層析技術在法庭科學領域的研究進展與應用展望[J]．激光與光電子學進展，2023，60（12）： 30-40

[55] Zam A， Dsouza R， Subhash HM， et al. Feasibility of Correlation Mapping Optical Coherence Tomography （cmOCT） for Anti-Spoof Sub-Surface Fingerprinting[J]. Journal of Biophotonics. 2013， 6（9）： 663-667

[56] Ding B， Wang H， Chen P， et al. Surface and Internal Fingerprint Reconstruction From Optical Coherence Tomography through Convolutional Neural Network[J]. IEEE Transactions on Information Forensics and Security. 2021， 16： 685-700

[57] Zhang N， Wang C， Li Z， et al. Preliminary analysis of facial hair follicle distribution for forensic identification using OCT[A]. In：Imaging， Manipulation， and Analysis of Biomolecules， Cells， and Tissues XVI[C]. SPIE， 2018， 10497： 17-24

[58] 潘自勤．指紋三級特征在指紋鑒定中的價值[J]．刑事技術，2014， 4： 45-47

[59] 盧有林，刁龍珍，曹麗姝．對手指褶皺紋變化的研究[A]．見：第一屆全國手印專業學術交流會論文選[C]．北京：警官教育出版社，1993， 81

[60] 趙雨涵．可見指印階段性特征研究[D]．上海：華東政法大學，2021

[61] Reneau RD. Unusual latent print examinations[J]. Journal of Forensic Identification， 2003， 53（5）： 531

[62] Davis LJ， Saunders CP， Hepler A， et al. Using subsampling to estimate the strength of handwriting evidence via score-based likelihood ratios[J]. Forensic science international， 2012， 216（1-3）： 146-157

[63] Hepler AB， Saunders CP， Davis LJ， et al. Score-based likelihood ratios for handwriting evidence[J]. Forensic science international，2012， 219（1-3）： 129-140

[64] Meuwly D， Ramos D， Haraksim R. A guideline for the validation of likelihood ratio methods used for forensic evidence evaluation[J]. Forensic science international， 2017， 276： 142-153

[65] 董鋒，趙雅彬，羅亞平，等．似然比方法體系在法庭科學中的研究進展[J]．證據科學，2019， 27（3）： 375-385

[66] Anthonioz A， Champod C. Integration of pore features into the evaluation of fingerprint evidence[J]. Journal of Forensic Sciences，2014， 59（1）： 82-93

[67] Jackson G， Black S. Use of data to inform expert evaluative opinion in the comparison of hand images-the importance of scars[J].International Journal of Legal Medicine， 2014， 128： 555-563

[68] 吳春生，李孝君，吳浩．基于深度學習的指紋自動識別技術[J]．刑事技術，2022， 47（1）： 88-95

[69] 沈希忠，吳迪．基于YOLO 的鋁型材料表面小缺陷檢測[J]．浙江工業大學學報，2022， 50（4）： 372-380

[70] 吳萌萌，張澤斌，宋堯哲，等．基于自適應特征增強的小目標檢測網絡[J]．激光與光電子學進展，2023， 60（6）： 65-72

[71] 高寶東．基于YOLOv5 的小目標檢測算法與應用研究[D]．銀川：寧夏大學，2022

[72] 高夢婷，孫晗，唐云祁，等．基于改進YOLOv5 的指紋二級特征檢測方法[J]．激光與光電子學進展，2023， 60（10）： 89-99

基金項目：國家社科基金重大項目（20amp;ZD257）