基于RF-RFE的身份识别模型:利用眼动数据
Xinyan Liu1, Ning Ding1, Jiguang Shi1
1Public Security Behavioral Science Lab, People's Public Security University of China, Beijing 100038, China.
Behavioral sciences (Basel, Switzerland)
|August 25, 2023
概括
眼动分析可以检测欺骗,在识别嫌疑人方面达到91.7%的准确性. 这项研究强调了使用眼睛跟踪数据来揭示隐藏的心理状态和揭示真实性的潜力.
科学领域:
- 认知心理学 认知心理学
- 法医科学 法医科学 法医科学
- 机器学习 机器学习
背景情况:
- 人类的谎言检测准确度往往只不过是偶然的.
- 识别欺骗在法律和安全方面至关重要.
- 眼睛的运动提供了对认知和情绪状态的潜在见解.
研究的目的:
- 调查眼动数据是否可以揭示与欺骗有关的心理活动.
- 分析特定眼动特征在识别欺骗性行为的重要性.
- 开发一种机器学习模型,用于基于眼睛跟踪指标的嫌疑人识别.
主要方法:
- 模拟犯罪实验与83名参与者在无辜的,知情的,和犯罪团体.
- 眼睛跟踪来提取固定时间,固定数,瞳孔直径,动频率和眼频率.
- 可解释的机器学习算法,包括RF-RFE,用于特征分析和模型构建.
主要成果:
- 在各组参与者之间观察到眼动指数的显著差异.
- 分析了眼动特征,以确定它们对识别欺骗的贡献.
- 一个随机森林递归特征消除 (RF-RFE) 模型在嫌疑人识别中实现了91.7%的最大准确性.
结论:
- 眼动特征是内在心理活动的可行指标.
- 眼睛跟踪与机器学习相结合,显示了客观欺骗检测的前景.
- 这种方法可以提高在法医和安全应用中识别真实性的准确性.


