Биометрическое различение однояйцевых близнецов по отметинам на лице с использованием динамического усиления признаков

Почему важны крошечные детали кожи

Большинство из нас предполагает, что однояйцевые близнецы, мол, одинаковы — настолько похожи, что даже высокотехнологичные камеры и ДНК‑тесты порой не в силах различить их. Такая похожесть создает серьезные проблемы в реальных ситуациях — от расследований преступлений до охраны границ. В этом исследовании показано, что решение может скрываться в том, на что мы редко обращаем внимание: небольших, стабильных отметинах и дефектах на лице. Рассматривая родинки, пятна и поры как некую «карту кожи», авторы создали автоматизированную систему, которая надежно различает однояйцевых близнецов, открывая путь к более точным и объяснимым биометрическим инструментам.

От путающихся лиц к четким картам кожи

Традиционные системы распознавания лиц ориентируются на общую структуру — расстояние между глазами, форму носа, контур челюсти. Для однояйцевых близнецов эти признаки почти идентичны, поэтому даже продвинутые алгоритмы и профилирование по ДНК часто не могут сказать, кто есть кто. Авторы сосредоточились на крошечных, в основном постоянных деталях кожи лица: шрамах от прыщей, темных пятнах, порах и морщинах. Эти отметины формируют уникальные шаблоны на протяжении жизни человека, даже у тех, кто практически имеет одинаковый набор генов. Основная идея проста, но мощна: лица близнецов могут выглядеть одинаково на первый взгляд, но их созвездия отметин на коже — нет.

Как система видит то, что мы пропускаем

Команда работала с 319 фотографиями лиц из 74 пар близнецов из известной исследовательской коллекции. Сначала они использовали заранее обученную модель компьютерного зрения, чтобы просканировать каждое лицо и обнаружить разные типы кожных признаков — например, угри, темные круги или поры — определяя вокруг них невидимые рамки. Важно, что детектор был настроен на высокую чувствительность, готовый зафиксировать даже слабые отметины ценой некоторого количества шумовых срабатываний. Вместо того чтобы полагаться на каждое обнаружение по отдельности, они суммировали все отметины в богатый профиль для каждого человека: сколько отметин каждого типа встречается, насколько плотно они сгруппированы, как они распределены по лицу и каков их средний размер.

Преобразование узоров кожи в решение о близнецах

Далее исследователи сравнивали эти кожные профили между парами изображений — иногда это были настоящие близнецы, иногда незнакомые люди — чтобы оценить степень их сходства или различия. Они комбинировали несколько интуитивных шагов сравнения: насколько совпадает состав типов отметин, насколько схожи общие размеры отметин, насколько равномерно отметины распределены между левой и правой или верхней и нижней частью лица, а также как отметины расположены в пространстве, включая расстояние от центра лица и силу их скопления. Эти показатели сходства затем подавались в модель машинного обучения, которая обучалась отвечать на вопрос «да–нет»: принадлежат ли эти два лица одной паре близнецов или нет?

Умная настройка без потери времени

Построение такого классификатора — это не только вопрос того, какие данные ему дают, но и того, как настраиваются его внутренние «ручки», например, насколько сложной может быть модель. В исследовании систематически сравнивали четыре стратегии поиска лучших параметров — от исчерпывающей сетки вариантов до более исследовательских методов, вдохновленных случайной выборкой и ройным поведением в природе. Хотя метод, основанный на рое, в тестах показал небольшое превосходство по точности, более простой случайный поиск дал практически такой же результат за долю времени. Такое соотношение важно на практике: система, сочетающая точность и эффективность, гораздо более применима в полицейских лабораториях, пограничных пунктах или медицинских исследованиях.

Что кожа говорит об идентичности

В целом рамочная модель достигла примерно 96,6% точности при кросс‑валидации и показала высокие результаты в тестах на разделение близнецов и не‑близнецов, с минимальными признаками переобучения. Наиболее решающим сигналом оказалось не столько какие именно типы отметин были у людей, сколько где эти отметины располагались на лице — пространственный рисунок выступал в роли уникальной подписи. Подсчеты типов отметин, различия между частями лица и тонкие паттерны скоплений добавляли дополнительную надежность. Важно, что решения системы можно визуализировать и объяснить, позволяя следователям увидеть, какие элементы карты кожи повлияли на совпадение или несовпадение. Для непрофессионального читателя вывод впечатляет: даже у самых похожих людей кожа тихо хранит достаточно индивидуальных деталей, чтобы машины могли различать их, открывая путь к более справедливым судебным делам, более надежной биометрии и новым способам изучать, как окружающая среда формирует нашу внешность со временем.

Цитирование: 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

Ключевые слова: однояйцевые близнецы, функции лица, пятна на коже, судебная идентификация, машинное обучение