Examinar las huellas dactilares recogidas en la escena del crimen es trabajo de los analistas de huellas dactilares y, cada vez más, de sus computadoras. Entrenar a humanos y sus compañeros máquinas para esta tarea exacta no es una tarea fácil, pero ha llegado ayuda en forma de una nueva versión de datos y software del Instituto Nacional de Estándares y Tecnología (NIST).
El conjunto de datos de huellas dactilares SD 302 del NIST incluye 10.000 imágenes de huellas dactilares, incluido el lado adhesivo de un sello postal. El conjunto de datos está completamente anotado con detalles como las regiones coloreadas a la derecha. Los colores, que representan regiones de diferente calidad, ayudarán a entrenar a humanos y algoritmos de aprendizaje automático para distinguir características de identificación y sopesar su importancia como evidencia. Crédito: B. Hayes/NIST
Los datos, que consisten en miles de huellas dactilares junto con anotaciones que detallan su calidad, surgen tras el lanzamiento de un paquete de software de código abierto que puede ayudar a evaluar rápidamente la calidad de la impresión. Juntos, proporcionan un par de herramientas para mejorar la experiencia de los científicos forenses.
«Estos dos recursos ayudarán a avanzar en la ciencia de la identificación de huellas dactilares», dijo el científico informático del NIST Greg Fiumara. «Los datos son ahora el conjunto de datos de huellas dactilares más grande y completo disponible, y el software es una versión modificada de una herramienta de análisis de impresiones utilizada por las autoridades estadounidenses que estamos poniendo a disposición de todo el mundo de forma gratuita».
Los datos de huellas dactilares, disponibles como parte de la Nota técnica (TN) 2367 del NIST, complementan una versión anterior que el NIST puso a disposición originalmente en 2019, la Base de datos especial (SD) 302. Contiene aproximadamente 10,000 huellas dactilares recopiladas en un entorno de laboratorio de 200 voluntarios que dieron su consentimiento para el uso de sus impresiones para investigación. Toda otra información personal fue eliminada de la base de datos, incluidos los nombres y lugares de residencia de los voluntarios.
«Las huellas son de personas que contratamos para escribir una nota, tomar una placa de circuito, manejar un billete de un dólar y cosas así», dijo Fiumara. «Luego recuperamos las huellas que dejaron utilizando una variedad de métodos comúnmente utilizados por los investigadores de la escena del crimen».
Desde su publicación inicial, los datos han sido descargados por más de 1.000 instituciones de investigación en más de 90 países. Pero no fue completo. Sólo la mitad de sus huellas dactilares tenían anotaciones: detalles específicos sobre una impresión que proporcionan una guía para evaluar la calidad de la impresión. Son estas anotaciones las que hacen de la base de datos una valiosa herramienta de enseñanza, que muestra a los nuevos examinadores (y cada vez más a la IA) qué buscar y qué evitar al evaluar una impresión.
Recientemente, los expertos regresaron y crearon anotaciones para las impresiones restantes. Al igual que con las huellas dactilares recopiladas en escenas de crímenes reales, las impresiones en el conjunto de datos varían mucho en calidad: en algunos lugares, las líneas dejadas por los pequeños bordes curvos de la punta de un dedo son claras y continuas, y en otros esas líneas están borrosas o incompletas. Las anotaciones, que incluyen regiones codificadas por colores para indicar diferentes niveles de calidad de impresión, ayudarán a educar a los humanos y a la IA, dijo Fiumara.
«Estas imágenes son buenas para la educación en el aula para enseñar a los examinadores cómo buscar características de identificación», dijo. «Y ayudarán a los algoritmos de IA a aprender dónde mirar y cómo medir la importancia de una característica. Con este tipo de entrenamiento, el algoritmo de evaluación de huellas dactilares mejorará».
Tanto para los desarrolladores de software como para los analistas de impresión, el segundo recurso de la versión proporcionará valor añadido. El NIST obtuvo recientemente un software llamado LQMetric, que fue diseñado para evaluar la calidad de las huellas dactilares, pero su uso se limitó a las autoridades estadounidenses. Durante el año pasado, NIST financió la conversión del software a una versión que se ejecutara en sistemas Mac, Windows o Linux, y luego lo convirtió en código abierto para que lo use cualquier persona en el mundo. El software recientemente reconfigurado, que NIST llama OpenLQM, puede funcionar como un programa independiente o integrarse en otro software como un complemento.
«Le das a OpenLQM una huella digital y te devuelve un número del 0 al 100, que es una evaluación de la calidad de la impresión», dijo Fiumara. «Puede ayudar a los evaluadores de impresiones a trabajar más rápido, lo cual es importante en la ciencia forense cuando a menudo hay que revisar cientos de huellas de la escena de un crimen. Quiere ayudarlos a distinguir las huellas con el mayor nivel de detalle. Ahí es donde entra en juego el software».
El conjunto de datos y el software han sido valiosos para los usuarios.
«El software LQMetric ha sido invaluable», dijo Anthony Koertner, examinador certificado de huellas latentes en el Laboratorio de Investigación Criminal del Ejército de EE. UU. en la División de Investigación Criminal del Ejército. «Ha sido fundamental en nuestros esfuerzos por lograr una mayor objetividad y reproducibilidad en las evaluaciones de calidad de impresiones latentes. La versión de código abierto, completa con la base de datos única NIST 302, representa un avance significativo para la comunidad forense global. Juntos, proporcionan nuevos y poderosos recursos para que los profesionales e investigadores impulsen la innovación y mejoren la colaboración en el campo».
Informe: G. Fiumara, M. Schwarz, J. Heising, J. Peterson, K. Ko, P. Flanagan y K. Marshall. Base de datos especial NIST 302: Falange distal latente anotada. NIST TN 2367. Marzo de 2026. DOI: 10.6028/NIST.TN.2367
Fuente: NIST
