來自行業，學術界和政府的國際專家小組參加了國家標準與技術研究所（NIST）紋身識別技術挑戰研討會它討論了自動化紋身認可的挑戰和潛在方法，以幫助執法部門確定罪犯和受害者。
此舉是在美國國家標準與技術研究院邀請所有有興趣的商業和學術組織的幾個月之後參與進步的研發基於自動圖像的紋身匹配技術。
FBI生物識別卓越中心（BCOE）最初介紹了現有紋身識別軟件的初步試驗後，行業和學術界是在對基於圖像的自動紋身匹配技術中採取的初步措施。
目前將紋身圖像分類的方法是為了在各種執法機構之間共享的目的完全依賴基於關鍵字的過程。
但是，必須在數據庫中使用多個關鍵字，以跟上不斷增加的紋身設計的選擇，需要多個關鍵字，這可能會導致相同的紋身根據檢查員給出不同的標籤。
所有參與組織都使用了來自政府數據庫中數千幅圖像的相同BCOE提供的數據集。
NIST為參與者提供了五種用例，並要求他們報告他們有關查找的表現
來自不同受試者的視覺相似或相關的紋身，同一主題的同一紋身圖像的不同實例，隨著時間的推移，使用不同類型的圖像的較大圖像，視覺相似或相關的紋身中包含的一小部分感興趣區域，以及圖像是否包含紋身。
NIST計算機科學家Mei Ngan說：“最先進的算法在檢測紋身方面表現良好，隨著時間的流逝，從同一主題中找到了同一紋身的不同實例，並在較大的紋身中找到了紋身的一小部分。”
同時，恩根（Ngan）發現，這是兩個可以進一步研究的領域，包括在不同的人身上檢測到視覺上相似的紋身，並從素描或來源以外的其他圖像中識別出紋身圖像。
Ngan說：“在收集過程中提高紋身圖像的質量是另一個可能提高識別準確性的領域。”
有幾個組織參加了挑戰，包括Compass Technology Consulting，LLC。 ，Fraunhofer Optronics，System Technologies and Image Deploiting，法國替代能源和原子能委員會，Miter，Morphotrak和Purdue University。
研討會的參與者還探索了在操作中的基於圖像的紋身匹配的潛在用途，確定的明顯差異以及提高紋身識別的需求，以及NIST在該領域可能採取的下一步步驟。
