结合面部表情和脉搏率的机器学习方法用于欺骗识别

日本东京大学的研究人员提出了一种创新的机器学习方法，结合了面部表情和脉搏率数据，用于自动检测欺骗行为。他们旨在开发一个公正可靠的系统，为犯罪受害者、嫌疑人和心理健康问题个体的讯问提供辅助。

研究人员强调了正确分类嫌疑人的重要性，以避免误判，并维护道德和法律原则；他们建议采用人机协作的方法。这种创新方法既确保了道德合规性，又可以在重要决策过程中得到广泛应用。

该研究利用面部表情和脉搏率数据进行数据采集，通过机器学习技术，尤其是随机森林（RF）技术，构建了一个结合面部表情和脉搏率数据的欺骗识别模型。

实验结果显示，该方法在实际远程面试中表现出与交叉验证结果相似的性能，证实了该方法在实际应用中的可行性。特定的面部特征、脉搏率以及注视和头部运动的变化被发现是欺骗行为的显著指标。

相关论文链接：https://link.springer.com/article/10.1007/s10015-023-00869-9

总的来说，这项研究提供了一种实际且前景广阔的方法，利用机器学习和面部特征分析来检测远程面试中的欺骗行为，为实际应用提供了有价值的见解。

该方法消除了人为偏见，在不同受试者中的准确率和F1得分介于0.75至0.88之间。尽管数据集规模有限，但这项研究为有兴趣使用自动欺骗识别系统的面试官提供了基础，同时强调了在应用中的道德和法律合规考虑的重要性。