NIST ha appena concluso un test su larga scala del software di riconoscimento dei tatuaggi, testando 12 algoritmi contro un database di 100.000 immagini di tatuaggi. L'agenzia afferma che i risultati portano la tecnologia dalle ricerche tramite tag di livello amatoriale verso una corrispondenza visiva di livello forense, costringendo gli ingegneri di computer vision a riprogettare pipeline e interfacce utente.

Dalle parole chiave alle curve

Per anni, gli strumenti di ricerca di tatuaggi rivolti al pubblico si sono basati su semplici tag testuali: "inchiostro blu", "drago", "bussola". Quei tag funzionano solo quando chi carica l'immagine utilizza le stesse parole di chi effettua la ricerca. Questa incoerenza rende la ricerca per parole chiave inaffidabile per le attività di polizia o giudiziarie, dove le prove devono essere riproducibili.

La valutazione NIST tratta ogni tatuaggio come un modello biometrico, simile a un'impronta digitale. Invece di cercare una corrispondenza testuale, gli algoritmi analizzano la curvatura delle linee, i gradienti di colore e la forma complessiva, trasformando ogni tatuaggio in un vettore ad alta dimensionalità. Il confronto tra due vettori produce un punteggio di somiglianza che resiste ai cambiamenti di illuminazione, angolazione o condizione della pelle.

Perché i tatuaggi sono più difficili dei volti

Il riconoscimento facciale beneficia di punti di riferimento stabili — occhi, naso, bocca — che rimangono approssimativamente uguali in diverse foto. I tatuaggi mancano di punti fissi. I muscoli tendono l'inchiostro quando una persona si muove, e la texture della pelle cambia con l'età o le variazioni di peso. Un algoritmo che ottiene buoni punteggi su uno scatto frontale e nitido potrebbe fallire quando lo stesso tatuaggio appare in un profilo laterale in condizioni di scarsa illuminazione.

Il test di 100.000 immagini di NIST ha messo in luce questa debolezza. Molti dei 12 algoritmi si sono comportati adeguatamente su alcuni migliaia di immagini selezionate, ma la loro precisione è diminuita sensibilmente quando si sono confrontati con design comuni come leoni, teschi o rose dei venti, che appaiono in migliaia di varianti all'interno del dataset.

Cosa devono cambiare gli sviluppatori

  • Abbandonare le decisioni binarie. Una corrispondenza "sì/no" non è più realistica. I sistemi dovrebbero restituire un elenco classificato di candidati, ciascuno con un esplicito punteggio di somiglianza.
  • Rendere l'essere umano l'arbitro finale. Il software può restringere il campo delle possibilità, ma un analista esperto deve confermare la corrispondenza prima di trarre qualsiasi conclusione legale.
  • Dare priorità alla spiegabilità. In un'aula di tribunale, l'accusa deve mostrare come l'algoritmo sia arrivato ai suoi principali candidati. Semplici sovrapposizioni visive che evidenziano le curve o le chiazze di colore corrispondenti aiutano a soddisfare questo onere della prova.
  • Progettare l'interfaccia utente per una fiducia calibrata. Le interfacce che mostrano solo un singolo pulsante di "corrispondenza" incoraggiano un'eccessiva fiducia. Le dashboard dovrebbero mostrare l'intera distribuzione dei punteggi, consentire agli utenti di regolare le soglie e indicare chiaramente il livello di confidenza.

Le implicazioni per la comunità forense

Se una corrispondenza di un tatuaggio può essere presentata con lo stesso rigore di un'impronta digitale o di un profilo del DNA, gli investigatori otterranno un nuovo e potente indizio nei casi in cui l'arte corporea di un sospettato sia l'unico tratto distintivo. Il vantaggio è un toolkit probatorio più ampio per la revisione di casi irrisolti e le indagini sulle persone scomparse.

Il rischio è la falsa sicurezza. Anche l'algoritmo con le migliori prestazioni nel test NIST ha comunque identificato erroneamente un tatuaggio non corrispondente come candidato principale in una percentuale piccola ma non trascurabile di casi. Esagerare l'affidabilità della tecnologia potrebbe portare ad accuse errate, specialmente quando le giurie non sono abituate ai punteggi di somiglianza visiva.

Controargomentazione: i limiti della tecnologia attuale

I critici sostengono che i tatuaggi siano intrinsecamente variabili e che nessun algoritmo potrà mai raggiungere la certezza dell'analisi del DNA. Evidenziano che molti tatuaggi sono stilizzati, contengono testi in scritture straniere o sono parzialmente coperti dai vestiti, fattori che tutti degradano le prestazioni di corrispondenza. Finché il tasso di falsi positivi non scenderà a un livello paragonabile a quello delle biometrie consolidate, i tribunali potrebbero rimanere scettici nell'accettare le prove basate sui tatuaggi senza riserve.

Cosa aspettarsi in futuro

NIST prevede di pubblicare metriche di prestazione dettagliate per ciascuno dei 12 sistemi testati, permettendo agli sviluppatori di confrontare le proprie pipeline con lo standard pubblico. L'agenzia ha anche accennato a un secondo round che introdurrà scenari di cattura dal vivo — video piuttosto che foto statiche — per testare quanto bene gli algoritmi riescano a gestire la sfocatura da movimento e la distorsione in tempo reale.

Per chiunque stia sviluppando strumenti di computer vision, il messaggio è chiaro: il riconoscimento dei tatuaggi si sta evolvendo da una funzione di ricerca di curiosità a uno strumento forense, e questa transizione richiede rigore sia nella matematica che nel modo in cui i risultati vengono presentati agli utenti umani.