紋身是用帶有顏色的針.刺入皮膚底層而在皮膚上制造一些圖案或字眼出來，即指刺破皮膚而在創口敷用顏料使身上帶有永久性花紋。這種圖案最普遍的動機是為了美觀。但是現在，美國的執法部門希望通過利用各式各樣的紋身來識別罪犯，以此達到辨認犯罪活動或者自然災害的受害者。

目前，警方會對犯罪嫌疑人的紋身進行拍照等級，并根據“ANSI-NIST-ITL 1-2011”的生物特征標準定義的關鍵字將這些紋身進行分類。這項標準主要分為八個大類，比如“動物”和“植物”等等，同時還可以分為“貓”、“鳥”、“花”和“葉”等 70 個小類。

美國聯邦調查局 (FBI) 已經建立了一個紋身數據庫，并將之作為下一代身份識別計劃一部分，但是在搜索的關鍵字方面仍然存在許多問題，因為僅靠上述八大類和 70 個小類并不足以詳細標記某一個人的身份，因為許多人在紋身的時候會使用一些不同的方式來描繪同一個圖案，這樣一來，這個紋身的分類就會顯得很模糊。

來自西弗吉尼亞州的 FBI 生物中心分析師 Eric Phillips 說：“每個人在看到紋身的時候可能會想到完全不同的東西，因為這是一件非常主觀的事情。”

例如，來自國家標準與技術研究所 (NIST) 的計算機科學家 Mei Ngan 就在研究中發現，底特律老虎隊的“D”字徽章就經常被人誤解。有人會把它當作是團隊的象征，也有人認為它就是單純的一個字母，或者一種抽象的設計。

這也是聯邦調查局更傾向于使用基于圖像的紋身識別技術的原因所在。跟依賴于關鍵字的搜索方式相比，紋身識別技術會使用一個算法來比較和匹配從圖像本身提取的部分圖案。

FBI 希望 NIST 能夠就紋身識別技術的問題提出更加完美的解決方案，并于去年秋天公布了關于這項技術的現狀評估。另外，還有北斗技術咨詢公司等 6 個組織參與其中，針對一組由FBI提供的數據進行運算。

3 個月前，這 6 個組織報告了他們的算法在 5 種不同類型的數據搜索中的表現。他們表示，在“檢測某個圖案中是否包含紋身”、“隔一段時間之后檢測同一個人身上的相同紋身”以及“在一個紋身圖案中檢測某一個部分”這 3 個方面的成功率高達 90%。

但是到目前為止，他們的算法在“識別不同的人身上的類似紋身”和“在各種素描圖、掃描打印圖以及計算機圖像中尋找類似的紋身”這兩個方面的成功率僅為 15%。

來自密歇根州立大學計算機科學與工程學院的 Anil K. Jain 教授認為，紋身圖像算法有點類似于指紋、人臉識別，它們都是基于圖像來提取某一個關鍵點。但是，指紋有分叉，人臉有眼睛和鼻子，紋身圖案并沒有標準的特征。

除了算法的不足之外，Mei Ngan 表示，在紋身識別技術方面我們還需要做出一下改善：

首先，警方需要開發最佳的手機紋身圖片的方式，比如對每個手臂上的紋身進行單獨拍照，而不是雙臂一起拍，同時還要避免服裝和首飾等造成圖像的模糊。

其次，生物特征識別行業必須更好地定義紋身圖像，如此一來，我們制定的算法才能更加準確地明確什么叫類似。