第5期 夏凡，等：基于局部异常行为检测的欺骗识别研究 。13 所不同，但他们很难确定具体哪些动作是和欺骗真 理负担的增加可能是阐述动作减少的一个原因，撒 正关联的，就连经过训练的安全专家也会被一些线 谎者可能更关注如何编织一个真实的谎言而忽略了 索误导.基于局部异常行为检测的欺骗识别的目 阐述动作的表达， 的就是利用计算机视觉技术，通过记录并分析被测 基于以上理论，研究者们进行了一系列的验证 者的肢体活动来判断检测对象是否处于欺骗状态. 性实验，包括模拟偷窃和机场测试711.前者的目 的是描述能被用在欺骗检测中的表征.在这个实验 1相关理论与主要研究内容 中，一些参与者饰演小偷的角色而其他人在偷窃事 与欺骗相关联的一些行为动作通常可分为2 件时均在场，所有的参与者都分别接受没有训练过 类：过度控制和不安2】.不安通常表现为紧张或害 和训练过的面试官连续的面试，并记录下视频、声音 怕，包括语速变快、声音变大以及烦躁等.但是不安 和一些其他信息；而机场测试实验则是雇佣4个演 与欺骗之间的联系仍是一个很有争议的话题，大量 员来帮助进行概率证明的研究，以便决定通过姿势 的实验数据表明欺骗和不由自主的不安之间确实有 和身体动作来区分行为状态的可行性.他们参与进 重要的联系314.另一方面，在很多情况下说谎者 入一个模拟机场屏幕检测的场景，这个场景包括坐 很清楚那些会让他露出破绽的外在行为表现，因而 在椅子上、站立、排队以及运动等场面，在每个场面 主动的控制自己，表现出镇静的一面，这时候就有可 中，每个演员都被要求演示3种状态：放松、激动以 能出现过度控制 及过度控制.在这些实验数据的基础上，美国Azo 有2种广泛提及的理论对通过异常行为检测进 na、Rutgers等大学的研究者们应用视觉技术，对被 行欺骗识别的研究具有指导意义.这2种理论分别 测者的肢体运动及手的姿势变化进行了检测和异常 是人际欺骗理论(interpersonal deception theo~ 行为分析，并由此得出了被测者的欺骗可能 ry)s)和期望背离理论(expectancy violations theo- 性19.221 ry)16.Buller以及Burgoon的人际欺骗理论指出 Shan2]等人进行的局部区域(blob)分析与欺 欺骗是一种动态的过程，欺骗是根据信息接收者对 骗检测的研究是一个较为深入的工作.他们首先建 信息的信任或怀疑来调整发送的信息，以获得信息 立一个头部和手部的训练集，得到一个肤色的分布 接收者的信任的过程.仅仅通过测试过程中被试处 直方图并通过阈值判断某像素点是否为肤色点.这 于紧张或过度控制是无法判断被试是否处于欺骗状 种方法方便快速，但容易受到光照及位姿变化的影 态.期望背离理论指出，可以根据被试在正常情况下 响，而且不同的人种对应的肤色分布相差很大 的状态对其在不安及过度控制时的状态进行估计， Shan等采取了对每个人种都训练一组直方图，并用 如果被试的实际表现与期望的表现过分背离，则认 RGB归一化的方法，在一定程度上解决了光照和位 为被试处于欺骗状态中或者欺骗的可能性很大. 姿变化的问题.然后用粗搜索细分类的思想对划分 人类的姿势可以被划分为3种范畴：表征(em- 出的肤色区域进行手部和头部的查找，即首先用椭 blems)、阐述(illustrators)和表演(adaptors).表征 圆匹配的方法找到blob的候选区域，其次用L变 是在同一个文化团体中有确定意义的手的姿势或肢 换进行特征匹配，找到正确的手部和头部的位置，再 体动作，例如点头代表同意或确定.阐述是与说话内 用Kalman滤波的方法进行跟踪.在跟踪的过程中 容相协调的姿势，此类行为能够强调正在说明的话 记录各个blob的速度、移动频率及相互间的距离， 题或者表征一个复杂的空间概念，如果脱离说话内 最后形式化为被试状态与上述特征的关系表达式， 容则一般无具体含义，譬如说口头描述方向的同时 达到欺骗检测的目的.在2个场景5个片断的测试 做右转弯的手势.表演是为完成某一个物理的或心 中正确率为100%. 理的需要而表现出来的姿势，譬如说擦拭、赞扬、捡 Enrical231则针对手指运动这样的局部细微特征 东西和坐立不安等 进行了分析.他首先利用训练集得到肤色分布直方 己进行的研究显示撒谎者和说真话者姿势有所 图，并用贝叶斯分类器进行手部区域的查找，然后用 不同.人们普遍认同的是撒谎者其坐立不安或者踢 一种特征跟踪的方法对手部进行跟踪.具体做法是 脚的表演动作会显著增加.不过许多的研究也表明 确定2个手部区域的质心，并根据该区域是处于运 表演动作和欺骗之间通常没有必然的联系.然而阐 动还是静止标上标签，再用贝叶斯网络进行预测跟 述动作的减少却和欺骗有着密切的联系.据显示心 踪，达到了较好的效果.随后Enrica对手部区域用 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net所不同 ,但他们很难确定具体哪些动作是和欺骗真 正关联的 ,就连经过训练的安全专家也会被一些线 索误导[11 ] . 基于局部异常行为检测的欺骗识别的目 的就是利用计算机视觉技术 ,通过记录并分析被测 者的肢体活动来判断检测对象是否处于欺骗状态. 1 相关理论与主要研究内容 与欺骗相关联的一些行为动作通常可分为 2 类 :过度控制和不安[12 ] . 不安通常表现为紧张或害 怕 ,包括语速变快、声音变大以及烦躁等. 但是不安 与欺骗之间的联系仍是一个很有争议的话题 ,大量 的实验数据表明欺骗和不由自主的不安之间确实有 重要的联系[13 - 14 ] . 另一方面 ,在很多情况下说谎者 很清楚那些会让他露出破绽的外在行为表现 ,因而 主动的控制自己 ,表现出镇静的一面 ,这时候就有可 能出现过度控制. 有 2 种广泛提及的理论对通过异常行为检测进 行欺骗识别的研究具有指导意义. 这 2 种理论分别 是人 际 欺 骗 理 论 (interpersonal deception theo2 ry) [ 15 ]和期望背离理论(expectancy violations theo2 ry) [ 16 ] . Buller 以及 Burgoon 的人际欺骗理论指出 欺骗是一种动态的过程 ,欺骗是根据信息接收者对 信息的信任或怀疑来调整发送的信息 ,以获得信息 接收者的信任的过程. 仅仅通过测试过程中被试处 于紧张或过度控制是无法判断被试是否处于欺骗状 态. 期望背离理论指出 ,可以根据被试在正常情况下 的状态对其在不安及过度控制时的状态进行估计 , 如果被试的实际表现与期望的表现过分背离 ,则认 为被试处于欺骗状态中或者欺骗的可能性很大. 人类的姿势可以被划分为 3 种范畴 :表征 (em2 blems) 、阐述 (illustrators) 和表演 (adaptors) . 表征 是在同一个文化团体中有确定意义的手的姿势或肢 体动作 ,例如点头代表同意或确定. 阐述是与说话内 容相协调的姿势 ,此类行为能够强调正在说明的话 题或者表征一个复杂的空间概念 ,如果脱离说话内 容则一般无具体含义 ,譬如说口头描述方向的同时 做右转弯的手势. 表演是为完成某一个物理的或心 理的需要而表现出来的姿势 ,譬如说擦拭、赞扬、捡 东西和坐立不安等. 已进行的研究显示撒谎者和说真话者姿势有所 不同. 人们普遍认同的是撒谎者其坐立不安或者踢 脚的表演动作会显著增加. 不过许多的研究也表明 表演动作和欺骗之间通常没有必然的联系. 然而阐 述动作的减少却和欺骗有着密切的联系. 据显示心 理负担的增加可能是阐述动作减少的一个原因 ,撒 谎者可能更关注如何编织一个真实的谎言而忽略了 阐述动作的表达. 基于以上理论 ,研究者们进行了一系列的验证 性实验 ,包括模拟偷窃和机场测试[17 - 18 ] . 前者的目 的是描述能被用在欺骗检测中的表征. 在这个实验 中 ,一些参与者饰演小偷的角色而其他人在偷窃事 件时均在场 ,所有的参与者都分别接受没有训练过 和训练过的面试官连续的面试 ,并记录下视频、声音 和一些其他信息 ;而机场测试实验则是雇佣 4 个演 员来帮助进行概率证明的研究 ,以便决定通过姿势 和身体动作来区分行为状态的可行性. 他们参与进 入一个模拟机场屏幕检测的场景 ,这个场景包括坐 在椅子上、站立、排队以及运动等场面 ,在每个场面 中 ,每个演员都被要求演示 3 种状态 :放松、激动以 及过度控制. 在这些实验数据的基础上 ,美国 Arizo2 na、Rutgers 等大学的研究者们应用视觉技术 ,对被 测者的肢体运动及手的姿势变化进行了检测和异常 行为 分 析 , 并 由 此 得 出 了 被 测 者 的 欺 骗 可 能 性[19 - 22 ] . Shan [22 ]等人进行的局部区域 ( blob) 分析与欺 骗检测的研究是一个较为深入的工作. 他们首先建 立一个头部和手部的训练集 ,得到一个肤色的分布 直方图并通过阈值判断某像素点是否为肤色点. 这 种方法方便快速 ,但容易受到光照及位姿变化的影 响 ,而且不同的人种对应的肤色分布相差很大. Shan 等采取了对每个人种都训练一组直方图 ,并用 RGB 归一化的方法 ,在一定程度上解决了光照和位 姿变化的问题. 然后用粗搜索细分类的思想对划分 出的肤色区域进行手部和头部的查找 ,即首先用椭 圆匹配的方法找到 blob 的候选区域 ,其次用 KL 变 换进行特征匹配 ,找到正确的手部和头部的位置 ,再 用 Kalman 滤波的方法进行跟踪. 在跟踪的过程中 记录各个 blob 的速度、移动频率及相互间的距离 , 最后形式化为被试状态与上述特征的关系表达式 , 达到欺骗检测的目的. 在 2 个场景 5 个片断的测试 中正确率为 100 %. Enrica [23 ]则针对手指运动这样的局部细微特征 进行了分析. 他首先利用训练集得到肤色分布直方 图 ,并用贝叶斯分类器进行手部区域的查找 ,然后用 一种特征跟踪的方法对手部进行跟踪. 具体做法是 确定 2 个手部区域的质心 ,并根据该区域是处于运 动还是静止标上标签 ,再用贝叶斯网络进行预测跟 踪 ,达到了较好的效果. 随后 Enrica 对手部区域用 第 5 期 夏 凡 ,等 :基于局部异常行为检测的欺骗识别研究 ·13 · © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net