日本东京大学的研究人员提出了一种结合面部表情和脉搏率数据的机器学习方法，用于自动识别欺骗行为。他们的目标是开发一个公正可靠的系统，可以在与犯罪受害者、嫌疑人和心理健康问题个体的讯问中提供帮助。

研究人员强调准确的嫌疑人分类的重要性，以避免误认和维护道德和法律考虑;他们建议采用人机结合的方法。这种创新方法既确保了道德合规性，又可以在重要的决策过程中广泛应用。

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，特别是随机森林（RF）技术，创建了一个结合面部表情和脉搏率数据的欺骗识别模型。

实验结果表明，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。

论文地址: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和有前景的方法，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，对于不同受试者，准确率和 F1得分在0.75到0.88之间。尽管数据集规模有限，但这项研究为有兴趣利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道德考虑和法律合规的重要性。

相关标签： 东京大学研究人员 通过识别面部特征 AI可充当测谎仪