基于视频 2D 到 3D 人脸重建的欺骗检测
计算机视觉与模式识别
2018-12-31 v1
摘要
谎言与欺骗在社会中普遍存在，无论是在我们的私人生活还是职业生活中皆是如此。然而，众所周知，人类极不擅长准确进行欺骗检测。根据文献，人类区分谎言与真实陈述的平均准确率为 54%，换言之，仅略优于随机猜测。尽管人们对此问题关注不多，但在诸如系列犯罪审讯和法庭证词评估等高风险情境下，迫切需要准确的欺骗检测方法。为实现可靠、隐蔽且非侵入式的欺骗检测，我们提出了一种新方法，能够在视频序列中联合提取可靠的低层和高层面部特征，即 3D 面部几何、皮肤反射率、表情、头部姿态和场景光照。随后，使用循环神经网络对这些特征进行建模，以学习欺骗行为与诚实行为的时间特征。我们在 Real-Life Trial (RLT) 数据集上评估了所提出的方法，该数据集包含在法庭录制的高风险欺骗与诚实视频。结果表明，所提出的方法（准确率为 72.8%）不仅改进了现有技术，而且在欺骗检测中优于使用人工编码面部属性的方法（67.6%）。
关键词
引用
@article{arxiv.1812.10558,
title = {Deception Detection by 2D-to-3D Face Reconstruction from Videos},
author = {Minh Ngô and Burak Mandira and Selim Fırat Yılmaz and Ward Heij and Sezer Karaoglu and Henri Bouma and Hamdi Dibeklioglu and Theo Gevers},
journal= {arXiv preprint arXiv:1812.10558},
year = {2018}
}
备注
9 pages, 3 figures