刑事科学中,钳剪痕迹是犯罪现场常见的一种作案痕迹。办案人员通过对案发现场的钳剪痕迹做同一性认证,可以为案件的侦破提供重要线索以及在之后的法庭判决提供证据。钳剪痕迹形貌复杂,通过人工比较鉴定主观性太强,需要一种客观的定量化的识别方法,这种识别方法的建立需要的解决的问题有两个,一是如何确定钳剪痕迹形貌上的识别区域;二是如何定量地描述钳剪痕迹的识别程度。通过分析钳剪痕迹的产生过程发现,钳剪痕迹是钳刃钳切客体后形成的,钳切会形成与刃口位置纹理相似的条纹,也会出现条纹断裂和积累。钳剪痕迹上的条纹特征能够体现了刃口位置的纹理特征,如果用钳子刃口的某位置连续钳切不同的客体,那么客体表面钳剪痕迹的条纹纹理会有很高的相似性,并集中反映钳子刃口该位置的纹理特征,这些条纹特征是该组钳剪痕迹的类特征。在钳剪痕迹的类特征,即条纹特征是也识别的关键,所以在痕迹的识别之前应当对条纹特征强化。基于识别过程的需要,本文对钳剪痕迹原始形貌进行预处理,强化条纹特性,建立了钳剪痕迹的预处理程序。本文对全元匹配（CMC）理论进行了研究,基于钳剪痕迹的条纹特性,将钳剪痕迹分割为沿着条纹方向的扁平矩形单元来分离形貌上的有效相关区域和无效相关区域,并通过寻找单元之间的一致性,来提高钳剪痕迹识别的准确性。本文建立CMC方法对钳剪痕迹进行识别,该识别方法能够在20把钳子制备的400个钳剪痕迹样本中正确区分其中的19把,识别效果较好。本文提出了基于自相关的质量评价方法,在痕迹识别之前评估痕迹质量,建立质量的连续性图,最终通过搭建Resnet神经网络建立质量评价连续性图与识别分数间的关系,该神经网络的识别精度可达79.72%,表明质量评价方法能够以79.72%的准确度正确筛检高低质量样本。最终通过实践,实现了痕迹样本的识别率从75.91%上升至81.01%。