第5期 夏凡，等：基于局部异常行为检测的欺骗识别研究 。17 的欺骗过程的记录，但在实验中很难事先知道被试 反应通常包括手指和嘴唇的微动、眼球速率变快等」 在接下来的过程中是否有欺骗行为，如果能事先知 以现有的研究方法，希望从他们的肢体动作的速度 道的话，也就不能称之为欺骗了 频率的变化上找出欺骗的痕迹是非常困难的 一种做法是表演欺骗，例如在Arizona大学的 Enrica21在他的研究中采用了一种不同的方 一个实验中)，就是用演员饰演小偷以及偷窃现场 法，他将注意力集中到考查对象的手部，通过皮肤分 的其他角色.尽管这只是由演员进行表演，但考虑到 割技术分离出手部区域，再用一族特殊的小波函数 平常人对影视作品中演员表演出的情感，与现实中 来表达手指的重叠状态和方向，能够反映出手指一 出现的相同情感，二者之间并不能从人物的非言语 些突然的细小抖动： 行为上进行区分因此这种方法仍然具有一定的真 4.4性能评估方法的建立 实性.第2种做法是设计巧妙的实验，控制被试在实 一般说来，鲁棒性、实时性和准确性是衡量一个 验中的行为，使其达到自然欺骗的状态.作者曾经利 欺骗检测系统的主要标准.由于基于局部异常行为 用“杀人游戏州设计过一个该类型的实验.在这个 的欺骗检测技术应用于诸如刑侦审讯之类的场合 游戏中，“杀手”必须欺骗其他的游戏者才能达到最时，它的任务是协助专业人士的工作，并要求能够连 终获胜的目的，因此欺骗的真实性可以保证.由于游 续的工作，从海量的视频数据中抽取出可疑片断供 戏不会在现实世界中造成严重的后果，对欺骗者的 专家进一步分析，因此，鲁棒性必不可少.实时性的 心理压力较小，效果并不十分明显.Gabriel!2在实 要求对于自动柜员机监控这类需要实时分析并响应 验中使用了真实的犯罪嫌疑人（这些人最后都被确 的系统是最基本的要求.为此，如何选择有效的技术 认有罪)的标准的测谎仪采访的视频磁带，由这些视 方案来提高系统性能、降低计算代价也是个特别值 频分析所得的实验结果显然更具有说服力 得考虑的问题.至于准确性的衡量则相对复杂，何种 4.2数据挖掘算法的运用 状态应该被定义为具有欺骗可能性，是仅仅从肢体 数据挖掘是从大量的数据中抽取出潜在的、不 的运动上就能判断，还是需要借助其他衡量工具，则 为人知的有用信息、模式和趋势.在欺骗识别的检测 是一个值得深入研究的问题 过程中，会产生大量的数据，这正是数据挖掘技术适 5结束语 用的场合，如何合理运用各种数据挖掘的技术，从海 量的数据中提取出与被检测对象心理状态相关的信 基于局部异常行为的欺骗检测已经成为计算机 息是值得大家去研究的 视觉中一个重要的研究课题，它在刑侦审讯、智能监 在欺骗识别的一般检测过程中，会对人体的各 控等方面的应用前景引起了科研人员的浓厚兴趣和 个部分进行跟踪检测，得到各种帧内和帧间的检测 关注特别是视觉技术在处理人的肢体运动方面的 结果数据，如头部、手部的位置、大小，相互间的距 发展，更促使许多研究者将其推向更加智能的应用 离，运动的速度，双手交叉的频率，头部摆动的频率 场合.本文从基于视觉技术的欺骗检测的原理和一 等等，这些数据通常被表达成高维的向量，如果合理 般处理流程出发，归纳了常用的技术方法和路线，同 的运用数据挖掘的算法和技术，是可以从中获取大 时阐明了研究难点和未来的发展趋势，以期能对相 量信息的.作者目前正在进行一些相关研究工作.运 关领域深入研究提供参考和借鉴 用数据挖掘的相关算法将被检测人的运动状态进行 参考文献： 分类，并从中获得与其心理状态相关的数据，以期达 到欺骗识别的目的 [1 GU GAS C.The silent witness M ]Prentice-Hall, 4.3分析动作细节 1979 在通向应用的过程中，基于视觉技术的欺骗检 (2]MASCHKE G W,SCALABRINI GJ.The lie behind the lie detector[M].4th ed.AntiPolygraph.org,2005. 测最基本的要求是能够处理实际情况下的欺骗状 [3]GAVRILA D.The visual analysis of human movement: 况.以辅助审讯为例，审讯官需要面对的往往都是那 A survey[J ]Computer Vision and Image Understand- 些既十分老练，又善于在压力下克制自我反应的人 ing,1999,73(1):82-98. 这些人在进行欺骗时，很少会有异常的不安或是过 [4]FREEMAN W,WEISSMAN C.Television control by 度控制的表现，而现实中审讯官也是从他们在面对 hand gestures [A ]Proc International Conference on 压力问题时的一些细微反应观察出异常，这些细微 Automatic Face and Gesture Recognition [C].Zurich, 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved http://www.cnki.net的欺骗过程的记录 ,但在实验中很难事先知道被试 在接下来的过程中是否有欺骗行为 ,如果能事先知 道的话 ,也就不能称之为欺骗了. 一种做法是表演欺骗 ,例如在 Arizona 大学的 一个实验中[17 ] ,就是用演员饰演小偷以及偷窃现场 的其他角色. 尽管这只是由演员进行表演 ,但考虑到 平常人对影视作品中演员表演出的情感 ,与现实中 出现的相同情感 ,二者之间并不能从人物的非言语 行为上进行区分 ,因此这种方法仍然具有一定的真 实性. 第 2 种做法是设计巧妙的实验 ,控制被试在实 验中的行为 ,使其达到自然欺骗的状态. 作者曾经利 用“杀人游戏”[49 ]设计过一个该类型的实验. 在这个 游戏中“, 杀手”必须欺骗其他的游戏者才能达到最 终获胜的目的 ,因此欺骗的真实性可以保证. 由于游 戏不会在现实世界中造成严重的后果 ,对欺骗者的 心理压力较小 ,效果并不十分明显. Gabriel [21 ] 在实 验中使用了真实的犯罪嫌疑人 (这些人最后都被确 认有罪) 的标准的测谎仪采访的视频磁带 ,由这些视 频分析所得的实验结果显然更具有说服力. 4. 2 数据挖掘算法的运用 数据挖掘是从大量的数据中抽取出潜在的、不 为人知的有用信息、模式和趋势. 在欺骗识别的检测 过程中 ,会产生大量的数据 ,这正是数据挖掘技术适 用的场合 ,如何合理运用各种数据挖掘的技术 ,从海 量的数据中提取出与被检测对象心理状态相关的信 息 ,是值得大家去研究的. 在欺骗识别的一般检测过程中 ,会对人体的各 个部分进行跟踪检测 ,得到各种帧内和帧间的检测 结果数据 ,如头部、手部的位置、大小 ,相互间的距 离 ,运动的速度 ,双手交叉的频率 ,头部摆动的频率 等等 ,这些数据通常被表达成高维的向量 ,如果合理 的运用数据挖掘的算法和技术 ,是可以从中获取大 量信息的. 作者目前正在进行一些相关研究工作 ,运 用数据挖掘的相关算法将被检测人的运动状态进行 分类 ,并从中获得与其心理状态相关的数据 ,以期达 到欺骗识别的目的. 4. 3 分析动作细节 在通向应用的过程中 ,基于视觉技术的欺骗检 测最基本的要求是能够处理实际情况下的欺骗状 况. 以辅助审讯为例 ,审讯官需要面对的往往都是那 些既十分老练 ,又善于在压力下克制自我反应的人. 这些人在进行欺骗时 ,很少会有异常的不安或是过 度控制的表现 ,而现实中审讯官也是从他们在面对 压力问题时的一些细微反应观察出异常 ,这些细微 反应通常包括手指和嘴唇的微动、眼球速率变快等. 以现有的研究方法 ,希望从他们的肢体动作的速度 频率的变化上找出欺骗的痕迹是非常困难的. Enrica [23 ] 在他的研究中采用了一种不同的方 法 ,他将注意力集中到考查对象的手部 ,通过皮肤分 割技术分离出手部区域 ,再用一族特殊的小波函数 来表达手指的重叠状态和方向 ,能够反映出手指一 些突然的细小抖动. 4. 4 性能评估方法的建立 一般说来 ,鲁棒性、实时性和准确性是衡量一个 欺骗检测系统的主要标准. 由于基于局部异常行为 的欺骗检测技术应用于诸如刑侦审讯之类的场合 时 ,它的任务是协助专业人士的工作 ,并要求能够连 续的工作 ,从海量的视频数据中抽取出可疑片断供 专家进一步分析 ,因此 ,鲁棒性必不可少. 实时性的 要求对于自动柜员机监控这类需要实时分析并响应 的系统是最基本的要求. 为此 ,如何选择有效的技术 方案来提高系统性能、降低计算代价也是个特别值 得考虑的问题. 至于准确性的衡量则相对复杂 ,何种 状态应该被定义为具有欺骗可能性 ,是仅仅从肢体 的运动上就能判断 ,还是需要借助其他衡量工具 ,则 是一个值得深入研究的问题. 5 结束语 基于局部异常行为的欺骗检测已经成为计算机 视觉中一个重要的研究课题 ,它在刑侦审讯、智能监 控等方面的应用前景引起了科研人员的浓厚兴趣和 关注 ,特别是视觉技术在处理人的肢体运动方面的 发展 ,更促使许多研究者将其推向更加智能的应用 场合. 本文从基于视觉技术的欺骗检测的原理和一 般处理流程出发 ,归纳了常用的技术方法和路线 ,同 时阐明了研究难点和未来的发展趋势 ,以期能对相 关领域深入研究提供参考和借鉴. 参考文献 : [ 1 ] GU GAS C. The silent witness [ M ]. Prentice2Hall , 1979. [2 ]MASCH KE G W , SCALABRINI GJ. The lie behind the lie detector[ M]. 4th ed. AntiPolygraph. org , 2005. [3 ] GAVRILA D. The visual analysis of human movement : A survey[J ]. Computer Vision and Image Understand2 ing , 1999 , 73 (1) :82 - 98. [4 ] FREEMAN W , WEISSMAN C. Television control by hand gestures [ A ]. Proc International Conference on Automatic Face and Gesture Recognition [ C ]. Zurich , 第 5 期 夏 凡 ,等 :基于局部异常行为检测的欺骗识别研究 ·17 · © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net