1. Inicio
  2. Atrás
Título: Does "lie to me" lie to you? an evaluation of facial clues to high-stakes deception
Autores: Su, Lin
Fecha: 2014
Publicador: McGill University - MCGILL
Fuente:
Tipo: Electronic Thesis or Dissertation
Tema: Engineering - Electronics and Electrical
Descripción: During a forensic interview, high-stakes deception is very prevalent notwithstanding the heavy consequences that may result. Studies have shown that most untrained people cannot perform well in discerning liars and truth-tellers. Thus it has become common to adopt various technical aids to compensate for this poor judgment. Examples are polygraphs, functional Magnetic Resonance Imaging (fMRI) and linguistic analysis. However, the deception indicators used in these cases are not reliable. In the popular TV program Lie to Me, micro-expressions have been used for detecting deceit during the investigation of some criminal cases. A micro-expression is considered to be a rapid and involuntary facial expression which could reveal the concealed emotion. Additionally, some psychological studies have stated that certain facial actions are more difficult to inhibit if the associated facial expressions are genuine. Similarly, these facial expressions are equally difficult to fake. This has cast light on the possibility that deception could be detected by analyzing these facial actions. However, to the best knowledge of the author, there is no computer vision research that has attempted to discriminate high-stakes deception from truth using facial expressions. Therefore, this thesis aims to test the validity of facial clues to deception detection in high-stakes situations using computer vision approaches. We note that only a limited number of the existing databases have been collected specifically for deception detection studies and none of them were obtained from real-world situations. In this thesis we present a video database of actual high-stakes situations, which we have created using YouTube. We have adopted 2D appearance-based methods as the methodology to characterize the 3D facial features. Instead of building a 3D head model as is the current trend, we have extracted invariant 2D features that are related to the 3D characteristic. In order to discern deception and honesty, we have identified the following deceptive cues from nine separate facial regions through dynamic facial analysis: eye blink, eyebrow motion, wrinkle occurrence and mouth motion. Then these cues were integrated to form a facial behavior pattern vector. A Random Forest was trained using the collected database and applied to classify the facial patterns into deceptive and truthful categories. Despite the many uncontrolled factors (illumination, head pose and facial occlusion) in the videos in our database, we have achieved an accuracy of 76.92% when discriminating liars from truth-tellers using both micro-expressions and "normal" facial expressions. The results have shown that using facial clues for automated lie detection is very promising from the point of view of practice. In addition, we also challenge the belief expounded in Lie to Me that micro-expressions alone are sufficient for detecting lies.
Une des plus grande faiblesse des entrevues d'enquête provient de la déception de l'accusé, malgré les conséquences majeures. Des études indiquent que la majorité de personnes non formés ne peuvent discerner entre les menteurs et les diseurs de vérité. D'où la nécessité d'utiliser des aides technologiques pour atténuer ce mauvais jugement. Par exemple, les investigateurs peuvent se servir de détecteurs de mensonges, de l'imagerie par résonnance magnétique fonctionnel, et de l'analyse linguistique. Malgré leur utilisation, ces techniques manquent souvent de fiabilité pour indiquer les déceptions. Dans l'émission de télévision américaine Lie to Me, des mico-expressions sont utilisés pour détecter la déception pendant certains investigations criminels. Une micro-expression se définit comme une mimique rapide et non volontaire qui peut révéler une émotion cachée. De plus, des études psychologiques indiquent que certaines actions du visage sont plus difficiles à inhiber si les expressions correspondantes sont sincères. De la même façon, ces expressions sont également difficiles à feindre. Ces principes indiquent la possibilité de détecter la déception en analysant les actions du visage. Par contre, à la connaissance de cet auteur, il n'existe aucune recherche dans le domaine de l'imagerie informatique pour discerner entre une grave déception et la vérité en analysant les mimiques. En conséquence, l'objectif de cette thèse est de tester la validité des mimiques pour détecter la déception dans les situations conséquentes en utilisant des techniques d'analyse des images informatiques. Il existe peu bases de données conçues spécifiquement pour des études avec l'objectif de détecter la déception, qui présentent tous des scenarios fabriquées. Cette thèse est unique puisqu'elle introduit une base de données de vidéos présentant des situations réelles et conséquentes provenant de YouTube. Nous avons adopté des méthodes basées sur l'apparence 2D comme méthodologie pour caractériser les traits du visage en 3D. Au lieu de construire un modèle de tête 3D comme il en est la tendance actuelle, nous avons extrait des fonctionnalités 2D invariantes qui sont liées à la caractéristique 3D. Pour discerner entre la déception et vérité, nous avons identifier des indices de déception par une analyse dynamique de neufs régions sur le visage: les clins d'œil, les mouvements de sourcils, l'apparition des rides, et les mouvements de la bouche. Ces indices ont été intégrés pour former un vecteur représentant le modèle de comportement du visage. Une forêt fortuite (Random Forest) a été formée en utilisant la base de données construite pour classifier les comportements du visage en deux catégories, la déception et la vérité. Malgré la nature chaotique des vidéos (illumination et orientation variable de la tête, et l'occlusion du visage), nous avons atteints une précision de 76.92% pour détecter les menteurs en analysant leurs micro-expressions et expressions « normales ». Nos résultats démontrent que les indices provenant du visage peuvent être appliquées pour détecter des mensonges en pratique. De plus, nous défions l'idée semée par l'émission Lie to Me que les micro-expressions seuls suffisent pour détecter les mensonges.
Idioma: en