Riconoscimento delle impronte digitali nelle applicazioni forensi: algoritmo di estrazione delle caratteristiche per l'identificazione automatica delle impronte digitali latenti

Abstract

Questa tesi esplora lo stato dell'arte nel riconoscimento delle impronte digitali latenti, specificamente adattato alle applicazioni forensi. A differenza delle impronte digitali standard acquisite in condizioni controllate, le impronte latenti rinvenute sulle scene del crimine sono spesso parziali, distorte e influenzate da un rumore di fondo significativo, rappresentando una sfida importante per l'identificazione automatizzata. Questo studio fornisce una panoramica completa degli algoritmi di estrazione e corrispondenza più promettenti presenti nella recente letteratura scientifica, con particolare attenzione alle innovazioni nel campo della visione artificiale e del deep learning. I risultati sperimentali quantificano le prestazioni degli algoritmi di nuova generazione in compiti di identificazione 1:N, evidenziando la superiorità dei descrittori multidimensionali come il DMD nella gestione delle complessità delle tracce latenti forensi.

This thesis explores the current state of the art in latent fingerprint recognition, specifically tailored for forensic applications. Unlike standard fingerprints ac- quired under controlled conditions, latent prints found at crime scenes are often partial, distorted, and affected by significant background noise, representing a ma- jor challenge for automated identification. This study provides a comprehensive overview of the most promising extraction and matching algorithms in recent scientific literature, with a particular focus on innovations in Computer Vision and Deep Learning. The experimental results quantify the performance of next- generation algorithms in 1:N identification tasks, highlighting the superiority of multidimensional descriptors like DMD in handling the complexities of forensic latent traces.