Biometryczne rozróżnianie bliźniąt jednojajowych na podstawie oznak na twarzy z wykorzystaniem dynamicznego wzmocnienia cech

Dlaczego drobne detale skóry mają znaczenie

Wielu z nas zakłada, że bliźnięta jednojajowe są, cóż, identyczne — tak podobne, że nawet zaawansowane kamery i testy DNA mają trudność, by je odróżnić. Ta podobieństwo powoduje poważne problemy w praktyce, od rozwiązywania spraw kryminalnych po ochronę granic. Badanie pokazuje, że rozwiązanie może leżeć w czymś, na co rzadko zwracamy uwagę: w małych, trwałych znamionach i niedoskonałościach rozrzuconych po twarzy. Traktując pieprzyki, plamki i pory jako rodzaj „mapy skóry”, autorzy zbudowali zautomatyzowany system, który potrafi wiarygodnie rozróżnić bliźnięta jednojajowe, wskazując drogę do bardziej precyzyjnych i możliwych do wyjaśnienia narzędzi biometrycznych.

Od mylących twarzy do czytelnych map skóry

Tradycyjne systemy rozpoznawania twarzy skupiają się na ogólnej strukturze twarzy — odległości między oczami, kształcie nosa, linii szczęki. U bliźniąt jednojajowych te cechy są niemal kopiami, dlatego nawet zaawansowane algorytmy i profilowanie DNA często nie potrafią wskazać, kto jest kim. Autorzy skupili się zamiast tego na bardzo drobnych, w dużej mierze stałych detalach skóry twarzy: bliznach po trądziku, przebarwieniach, porach i zmarszczkach. Znaki te zwykle tworzą unikatowe układy w ciągu życia człowieka, nawet u osób dzielących niemal cały zestaw genów. Główna idea jest prosta, ale mocna: choć twarze bliźniąt mogą na pierwszy rzut oka wyglądać tak samo, ich konstelacje oznak skórnych już nie.

Jak system widzi to, czego my nie dostrzegamy

Zespół pracował na 319 zdjęciach twarzy pochodzących od 74 par bliźniąt z szeroko znanej kolekcji badawczej. Najpierw wykorzystali wstępnie wytrenowany model widzenia komputerowego do przeskanowania każdej twarzy i wykrywania różnych typów cech skórnych — takich jak trądzik, cienie pod oczami czy pory — rysując niewidoczne ramki wokół każdej z nich. Co ważne, ustawili detektor na wysoką czułość, gotowy wychwycić nawet słabe oznaki kosztem złapania także pewnego poziomu szumu. Zamiast polegać na pojedynczych detekcjach, podsumowali wszystkie oznaki do bogatego profilu dla każdej osoby: ile występuje oznak każdego typu, jak mocno się grupują, jak są rozłożone na twarzy i jak duże są przeciętnie.

Przekształcanie wzorców skóry w decyzje o bliźniątstwie

Następnie badacze porównywali te profile skórne pomiędzy parami obrazów — czasem prawdziwymi bliźniętami, czasem osobami niespokrewnionymi — aby zmierzyć, jak bardzo są podobne lub różne. Połączyli kilka intuicyjnych kroków porównawczych: jak zbliżony jest miks typów oznak, jak podobne są ogólne rozmiary oznak, jak równomiernie oznaki rozkładają się między lewą i prawą stroną czy górą i dołem twarzy, oraz jak oznaki są ułożone przestrzennie, w tym jak daleko znajdują się od środka twarzy i jak silnie się grupują. Te miary podobieństwa zostały następnie wprowadzone do modelu uczenia maszynowego, który nauczył się odpowiadać na pytanie tak/nie: czy te dwie twarze należą do tej samej pary bliźniąt czy nie?

Sprytna regulacja bez marnowania czasu

Budowa takiego klasyfikatora to nie tylko kwestia informacji, które mu przekazujesz, ale także tego, jak stroisz jego wewnętrzne „pokrętła”, na przykład jak złożony może się stać model. Badanie systematycznie porównało cztery różne strategie poszukiwania najlepszych ustawień, od wyczerpującej siatki możliwości po bardziej eksploracyjne metody inspirowane losowym próbkowaniem i zachowaniami rojowymi występującymi w przyrodzie. Choć metoda oparta na roju nieco przeważyła w surowej dokładności podczas testów, prostsze losowe przeszukiwanie dało niemal identyczne wyniki w ułamku czasu. Taka równowaga ma znaczenie w praktyce: system będący jednocześnie dokładny i wydajny ma znacznie większe szanse na zastosowanie w warunkach rzeczywistych — w laboratoriach policyjnych, na przejściach granicznych czy w badaniach medycznych.

Co skóra mówi o tożsamości

W sumie ramy metody osiągnęły około 96,6% trafności w walidacji krzyżowej oraz wysoki wynik w testach mierzących, jak dobrze oddzielają bliźnięta od osób niebędących bliźniętami, z minimalnymi oznakami przeuczenia. Najbardziej decydującym sygnałem nie był sam rodzaj posiadanych oznak, lecz miejsce ich występowania na twarzy — wzorzec przestrzenny działał jak unikatowy podpis. Liczby typów oznak, różnice między regionami twarzy i subtelne wzorce grupowania dodawały dodatkowej wiarygodności. Co istotne, decyzje systemu można wizualizować i wyjaśniać, co pozwala śledczym zobaczyć, które aspekty mapy skóry wpłynęły na dopasowanie lub jego brak. Dla czytelników spoza specjalności przekaz jest uderzający: nawet u najbardziej podobnych do siebie ludzi skóra cicho zapisuje wystarczająco wiele indywidualnych szczegółów, by maszyny mogły ich rozróżnić, otwierając drzwi do sprawiedliwszych procesów sądowych, bezpieczniejszych systemów biometrycznych i nowych sposobów badania, jak środowisko kształtuje nasz wygląd w czasie.

Cytowanie: Brahmbhatt, K.J., Prakasha, K. & Sanil, G. Facial mark based biometric differentiation of identical twins using dynamic feature enhancement. Sci Rep 16, 9249 (2026). https://doi.org/10.1038/s41598-026-39470-y

Słowa kluczowe: bliźnięta jednojajowe, biometria twarzy, znaki skórne, identyfikacja sądowa, uczenie maszynowe