中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

[1]2009年美劇《LIE TO ME》播出后，很多人都對微表情產(chǎn)生了興趣。大家驚嘆于電視劇的劇情：一個(gè)人表情的破綻里總能暴露出真相。于是大家理所應(yīng)當(dāng)?shù)卣J(rèn)為：通過一個(gè)人表情、肢體就可以直接判斷他有沒有在說謊。

作為微表情研究者，我從2011年開始參與過一些刑事案件的偵查。為了驗(yàn)證現(xiàn)實(shí)情況中微表情會不會像電視劇中的那么神奇，我來簡單模擬一個(gè)犯罪情況：一個(gè)盜竊案，假如你們是公安，我是嫌疑人。你們問我：“你有沒有偷錢？”“唉，警官你怎么這樣辦呢？你說我偷錢我就偷錢了！你在大街上隨便拉個(gè)人說偷錢了，他就能坐到這兒來了？你們辦案要講證據(jù)好不好！”大家看到我的表情了嗎？一臉嫌棄、厭惡、不屑。另外一種情況是：“我沒有，警官你們?yōu)槭裁磿岩晌?，我是一個(gè)老實(shí)巴交的出租司機(jī)，我家里還有老婆孩子，我…我…我不可能偷錢。我…我是老實(shí)人。”看到我的表情是什么樣了嗎？愁苦、悲憫、可憐。你相信哪一個(gè)呢？

我們前面鋪墊這么多的開場只為說明一個(gè)事情：你看到的那些可見的表現(xiàn)很可能都是演的。

眾所周知，在刑偵的一些案件中，測謊儀起到偵查的重要作用。

現(xiàn)在人工智能微表情的識別也多用戶輔助測謊的工作之中，而深度學(xué)習(xí)算法在微表情識別的程序工作中起到很重要的作用。

那么筆者就在本文中簡述深度學(xué)習(xí)算法對微表情識別的工作原理是怎樣的。

一、什么是深度學(xué)習(xí)

在討論什么是深度學(xué)習(xí)的概念前，我們首先需要整理清楚人工智能的整體范圍框架，而深度學(xué)習(xí)在人工智能整體知識領(lǐng)域的第幾圈層？

通過下圖，我們首先來看一下大致的圈層有情況：

圖注：人工智能整體的圈層范圍

圖中術(shù)語解釋：

人工智能 Artificial Intelligence

AI 的初衷及最終理想是通過邏輯、推理、演繹來實(shí)現(xiàn)智慧。 在發(fā)展的過程中為了解決實(shí)際問題，納入了很多經(jīng)驗(yàn)主義的 方法論，當(dāng)今的“AI”實(shí)際上是 大數(shù)據(jù) 加 深度學(xué)習(xí) 。

機(jī)器學(xué)習(xí) Machine Learning

最早是使用經(jīng)驗(yàn)學(xué)習(xí)研究人工智能的方法，后來納入很多統(tǒng) 計(jì)學(xué)的思想和方法，并在計(jì)算機(jī)算法方面取得了很大進(jìn)展。 是數(shù)據(jù)挖掘的主要方法來源，在行業(yè)里可以簡單地認(rèn)為“使 用機(jī)器學(xué)習(xí)方法、遵循數(shù)據(jù)挖掘流程”來進(jìn)行數(shù)據(jù)分析。

深度學(xué)習(xí) Deep Learning

機(jī)器學(xué)習(xí)中的一個(gè)分支，使用神經(jīng)網(wǎng)絡(luò)技術(shù)，在大數(shù)據(jù)的基 礎(chǔ)上，結(jié)合 GPU 計(jì)算實(shí)現(xiàn)深層次的網(wǎng)絡(luò)結(jié)構(gòu)。

通過圖中示例，我們可以看到：深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究的一個(gè)重要領(lǐng)域。與傳統(tǒng)的機(jī)器學(xué)習(xí)相比，深度學(xué)習(xí)是一種多層學(xué)習(xí)方法。

數(shù)據(jù)的抽象和提取，從低層到高層是通過非線性規(guī)則完成的；目前的深度學(xué)習(xí)多采用深度神經(jīng)網(wǎng)絡(luò)(DNN)來構(gòu)建。通過各層次非線性模塊的堆疊傳遞輸入數(shù)據(jù)的層與層之間的映射關(guān)系降維，并通過提取數(shù)據(jù)的關(guān)鍵特征依靠深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)，提供端到端的機(jī)器學(xué)習(xí)。無需人工設(shè)計(jì)的干預(yù)，即可自動提取圖像特征的模型。

與傳統(tǒng)方法相比，深度學(xué)習(xí)完全是數(shù)據(jù)驅(qū)動的，而這些自主學(xué)習(xí)的算法可以自動匹配到最佳的路徑來學(xué)習(xí)圖形特征的匹配。

二、深度學(xué)習(xí)在微表情識別中的工作原理

首先當(dāng)我們使用一項(xiàng)技術(shù)原理的時(shí)候，我們就要分析這項(xiàng)技術(shù)的落地應(yīng)用將會給我們帶來什么目標(biāo)。所以我們通過解析微表情的變化可以判斷是否被詢問人在撒謊就成為了主要的目標(biāo)因素。

目前研究表明，當(dāng)一個(gè)人撒謊時(shí)，他或她會試圖抑制面部表情從而欺騙別人不讓別人發(fā)現(xiàn)其心理動態(tài)和心虛的表現(xiàn)。

根據(jù) 達(dá)爾文的名著《物種源始》On the Origin of Species (1859)，面核傳遞對特定面部肌肉的脈沖接收來自不同部位的大腦脈沖傳遞。換句話說，大腦向面部肌肉發(fā)出信號，當(dāng)有人說謊時(shí)，他或她也必須抑制自己的面部表情——當(dāng)肌肉被不由自主地激活，人無法阻止它收縮時(shí)就會出現(xiàn)肌肉信號。因此，一個(gè)人在撒謊時(shí)不給出任何暗示是極其困難的。

但是，某些情緒，如悲傷、厭惡、憤怒和恐懼，是很難控制的。因此，他們背叛了一個(gè)人的感受，即使他或她試圖欺騙從而隱瞞這些面部信息。然而，通過觀察撒謊的人，不管怎樣這些情緒都會在臉上反映出來。這些短暫閃現(xiàn)的悲傷、厭惡、憤怒和恐懼是肌肉表現(xiàn)是無法避免的。

所以，通過微表情判斷這個(gè)人是否撒謊有據(jù)可依。

那么，深度學(xué)習(xí)又是如何匹敵肉眼而檢測微表情的變化呢？

首先我們使用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型，通過嫌疑人的面部表情的檢測。從圖像中檢測人臉通過灰度、直方圖進(jìn)行預(yù)處理均衡化，人臉檢測，圖像裁剪，均值濾波和歸一化。

然后，將預(yù)處理后的圖像輸入到建立的CNN模型中，從而識別微表情的變化情況是否符合測謊的曲線維度從而進(jìn)行識別。

三、應(yīng)用案例簡述

圖注：網(wǎng)圖-侵刪 摘自小紅書作者孔孔

為避免真人網(wǎng)圖侵權(quán)，我們通過動畫頭像表情來略作闡述。

現(xiàn)實(shí)世界的數(shù)據(jù)經(jīng)常受到誤差、噪聲和異常值的影響。在進(jìn)行可視化或加工之前，需要對其進(jìn)行預(yù)處理和清洗。

預(yù)處理是一個(gè)數(shù)據(jù)分析的關(guān)鍵階段，通過預(yù)處理進(jìn)行數(shù)據(jù)質(zhì)量評估從而解決所有可能影響模型性能的問題。

大致可以通過數(shù)據(jù)預(yù)處理來評估以下常用數(shù)據(jù)維度:

• 完整性，檢查是否有缺失值。
• 一致性，驗(yàn)證所有值是否以通用格式存儲。
• 一致性，檢查是否有沖突的值。
• 準(zhǔn)確性，用于檢查是否存在不正確、超時(shí)或過期的值。
• 圖形處理：過濾，裁剪，調(diào)整大小，顏色分級，定位和鏡像，主要是為了更快的處理而簡化格式來適應(yīng)機(jī)器學(xué)習(xí)算法。

我們將預(yù)處理過后的圖像進(jìn)行演示：

圖注：預(yù)處理過程的圖片演示（采用網(wǎng)圖進(jìn)行像素處理）

從演示圖中我們可以看到有這些步驟：

• 灰度縮放，以保持一個(gè)通道在每個(gè)圖像和簡化卷積操作。
• 直方圖均衡化，統(tǒng)一和提高每張圖像的對比度更好的邊緣檢測。因此，圖像既不會太亮也不會太暗太黑了。
• 面部檢測，使用正面人臉檢測器。
• 圖像裁剪，只保留人臉的正面。
• 平均濾波，消除不具代表性的像素。在這一步中，每個(gè)像素都是替換為其鄰居的平均值，包括其自身的像素值。
• 正?；?標(biāo)準(zhǔn)化，使像素強(qiáng)度保持在[?1，1]，標(biāo)準(zhǔn)化值較小。
• 調(diào)整大小，以適應(yīng)CNN架構(gòu)的大小。

CNN模型架構(gòu)構(gòu)建后。使用每批10張圖像對每個(gè)類進(jìn)行均勻分布的圖像訓(xùn)練，并利用交叉熵?fù)p失和每個(gè)批次的準(zhǔn)確率進(jìn)行評價(jià)，在實(shí)際的實(shí)驗(yàn)中我們可以注意到精度的隨機(jī)變化，對每個(gè)批次進(jìn)行模型訓(xùn)練。直至訓(xùn)練到可靠的置信度區(qū)間。這樣就完成了一次CNN的實(shí)驗(yàn)訓(xùn)練。

四、結(jié)語

筆者今天談?wù)摰奈⒈砬闇y謊，其實(shí)在生活的方方面面都具有實(shí)用價(jià)值。微表情本身源自心理學(xué)，在古代叫做“識人術(shù)”。

暫且拋開本文的人工智能微表情技術(shù)不談。在社交媒介如此發(fā)達(dá)的今天，我們?nèi)穗H交往中更不能缺少對他人的基礎(chǔ)判斷。比如在團(tuán)隊(duì)中，如有人說謊成性，行為不檢點(diǎn)。那么更應(yīng)該多學(xué)微表情知識早日識破時(shí)機(jī)一到就遠(yuǎn)離。

再說回到本文，技術(shù)的革新雖然不能馬上與人的肉眼識別來匹敵，但是隨著科學(xué)的進(jìn)步，相信微表情測謊也會有更高的使用價(jià)值。并且作者也要再次提醒說謊成性之人，正所謂“小惡不懲，必成大惡”。我們務(wù)必要恪守自己的本分，不要隨意損人不利己，否則囂張的盡頭必將是“踩上縫紉機(jī)”。

參考

姜振宇《別撒謊，微表情會出賣你》

https://baijiahao.baidu.com/s?id=1612774886735912081&wfr=spider&for=pc