منصة الرسائل والاطاريح: كشف الخداع القائم على التعلم العميق من خلال تعبيرات الوجه باستخدام خصائص ثلاثية الابعاد

الخلاصة

اكتشاف الخداع هو مجال متعدد التخصصات يضم باحثين من علم النفس وعلم الجريمة الفسيولوجي وعلوم الحاسوب. يلعب اكتشاف الخداع دورا مهما في مختلف المجالات، مثل الأمن وعلم النفس وتنفيذ القانون والتفاعل البشري. يمكن أن تؤدي القدرة على تحديد السلوك المخادع بدقة إلى منع الاحتيال وتعزيز التدابير الأمنية وتحسين تقنيات الاستجواب وتعزيز الثقة في الأنظمة الآلية. على الرغم من التقدم، لا يزال الهدف الأساسي كما هو، الكشف عن الحقائق الخفية وضمان النزاهة والثقة في التفاعلات البشرية. شهدت العقود الماضية محاولات عديدة لتحديد مؤشرات الخداع، مثل تحليل تعبيرات الوجه غير اللفظية، وتحليل الصوت، والتحليل اللغوي، والتصوير بالرنين المغناطيسي الوظيفي، وأجهزة كشف الكذب. تهدف هذه الرسالة إلى اكتشاف الخداع في مقاطع الفيديو الواقعية بناء على تعبيرات الوجه باستخدام معالم الوجه ثلاثية الأبعاد تقترح هذه الرسالة نهجا من مرحلتين، المرحلة الأولى هي استخراج الميزات واختيارها، والثانية هي التنبؤ بالخداع أو الحقيقة. حيث يستخدم نموذجان منفصلان تقنيات الاستخراج والاختيار في المرحلة الأولى. استخدم النموذج الأول نموذج التعلم العميق المدرب مسبقا لاستخراج 478 معلما للوجه بثلاثة ابعاد من كل إطار فيديو ثنائي الابعاد. بالإضافة إلى ذلك، تم استخدام المعلومات المتبادلة متعددة المتغيرات لتحديد الميزات التي ترتبط ارتباطا وثيقا بإيماءات الخداع. استخدم النموذج الثاني نموذجا مدربا مسبقا لاستخراج 68 معلما للوجه ببعدين من كل إطار فيديو ثنائي الابعاد. علاوة على ذلك، يتم استخدام النموذج المعزز بالتدرج الشديد (XGBoost) للكشف عن شدة عشرين وحدة عمل وجه محددة مسبقا. تم اعتماد 478 معلما للوجه ثلاثية الابعاد، والتي تغطي مجموعة واسعة من عضلات الوجه، على عكس التقنيات التي استخرجت 68 معلما للوجه ثنائية الابعاد. في المرحلة الثانية، تم تدريب كلا النموذجين باستخدام نموذج (GRU) للتنبؤ بالأشخاص الصادقين من المخادعين. إنها تقنية مهمة للكشف عن الخداع باستخدام عواطف الوجه. إنه يلتقط الديناميكيات الزمنية والاعتماد المتبادل طويل الأجل في البيانات المتسلسلة، مما يسمح باكتشاف الاختلافات الطفيفة في الوجوه. يمكن ل GRU الحفاظ على المعلومات بكفاءة من التعبيرات السابقة أثناء معالجة المدخلات الجديدة، مما يجعله مثالي لحركات الوجه المعقدة. لديه كفاءة حسابية عالية، مما يجعله مناسب للكشف عن الخداع القائم على الفيديو في العالم الحقيقي. تم تدريب وتقييم النهج المقترح على مجموعة بيانات تجريبية واقعية. كان النموذج الأول هو الأكثر دقة، حيث حقق دقة بنسبة 97٪، لكنه تطلب مزيدا من الوقت، حوالي 7ثوان ، لاستخراج 478 معلما للوجه