Теория лжи: эксперты-профайлеры и спецпсихологи о том, как выявить лжеца по жестам

Также мужчины врут чаще женщин в несколько раз. Но значит ли это, что лгут все кругом? И если это так, возможно ли выявить обман на стадии зарождения? Да, возможно. Один из немногих эффективных способов распознать ложь является профайлинг – искусство определять эмоции по мимике.

Сайт телеканала «Звезда» встретился с экспертами в области распознавания лжи, которые и рассказали о методах детекции лжи и невербальных способах распознать обманщика.

Константин Митрошин, эксперт-профайлер научно-исследовательского центра корпоративной безопасности, проинструктировал сайт телеканала «Звезда» о том, что значат различные мимические сигналы, а также провел анализ знаменитого рукопожатия Путина и Трампа.

«Мимику мы контролируем меньше чем речь, поэтому моя работа заключается в том, чтобы ее правильно расшифровать. В зависимости от того, как двигается лицо, становится ясно, что чувствует человек. Подъем бровей в разговоре означает концентрацию внимания на какой-либо теме. Однако многое может поменяться от положения тела, головы. Важнее в мимике утечки, когда она не соответствует словам. Если скрестить брови домиком, и в диалоге сказать что все хорошо — то на самом деле не все ок, а все печально», — рассказывает Константин.

«Также брови домиком означают момент потери чего-либо. Однако не стоит забывать и о том, что есть люди, которые используют этот жест в базовом наборе лицевых знаков. И если это так, то это может быть неверно трактовано. Всегда нужно быть очень внимательным, опираться на другие реакции. По одному щелчку нельзя сделать вывод о эмоциях, это будет неверно. Кстати, есть характерный жест, используемый людьми при состоянии стресса и страха – это напряжение шеи, нервный тик. Мимикой вообще часто играют – с этим нужно работать. Всегда нужна правильная совокупность реакций, и чтобы найти ложь – нужно искать подтверждения во всем», — заявляет эксперт.

Константин уверен, что, когда человек имеет стимул что-то потерять, власть, уважение или деньги – то раскусить его гораздо легче. Причина этому – сильная эмоция страха, которая берет верх над остальными, значительно делая слабее его самоконтроль. Также эксперт не обошел стороной и тему рукопожатий, рассказав о том, как определить подавленную инициативу по направлению ладони, и о значении тонуса человека.
 

«Рукопожатия, кстати, тоже очень интересны. Если собеседник подает руку ладонью вверх, это может означать своеобразный жест о подавленной инициативе, но если посмотреть на положение его тела, то это может также говорить и о уважении. Вообще, есть определенная психогеометрия пространства, имеющая для нас определенный ресурс. Например, если человек жестикулирует сверху, ведя руку ладонью вниз, это говорит о возможном намерии задавить вас, показать силу», — рассказывает профайлер.

Тонус тела также играет важную роль в определении человеческих эмоций. Оказывается, если у человека вялая походка, слабое рукопожатие, то вся его энергия может быть сосредоточена в мыслях, голове. Об обратном говорит и напряженный плечевой пояс человека, с сильным мышечным тонусом, что свидетельствует об энергичном, взрывном характере.

Не ускользнула от внимания эксперта также и тема знаменитого рукопожатия двух мировых лидеров: Путина и Трампа.

«Трамп своими похлопываниями явно прощупывал почву и провоцировал Путина на какую-либо реакцию. Однако Путин вовремя пресек это, показав ему адресное обращение указательным пальцем», — сказал Митрошин.

Однако окончательное заключение и выводы о личности человека нельзя делать, опираясь только на его мимику и жесты, уверен эксперт. При любом элементе, разговоре и встрече должна учитываться любая мелочь: от светового режима дня до того, что происходит вокруг. Кто-то будет чувствовать себя хорошо при абсолютной тишине, а кто-то в режиме шума.

Татьяна Гуделова, штатный психолог ОМОНа Главного управления Росгвардии по г.Москва и специалист по графологии, также рассказала сайту телеканала «Звезда» о том, кого и в каких случаях проверяют на полиграфе и может ли лжец обмануть считывающее устройство.

«Основное значение графологии в том, чтобы отразить наши психологические составляющие. Проверка проходит в несколько уровней. Сначала нужно понять, как пишет человек в спокойном состоянии, а потом в стрессовом – и сравнить два результата. Если человек лжет, меняется его внутреннее состояние, и почерк тоже меняется. Наклон, ширина, читабельность – все зависит от стресса», — рассказывает Татьяна.

Также, Гуделова привела несколько интересных примеров из своей служебной практики, рассказав о психологии серийных убийц, и о преступлениях, которые удалось раскрыть благодаря методам графологии.

«Эмоциональная сфера, она у них пустая. Как солома пережженная. Эти люди абсолютно не чувствуют эмоций  других людей. Это здорово отражается в штрихе. У них сухой почерк, представьте сеченый волос – почерк похож на это. Но это надо под микроскопом смотреть, представьте также линию, у которой есть края, а внутри она абсолютно пустая, прямая», — рассказывает Татьяна.

«Был интересный случай. Смотрю почерк человека, составляю портрет: добрый, отзывчивый… Удивительно, как он мог совершить убийство. В итоге оказалось, что он просто мстил, мстил за оскорбление своего близкого человека. Как в фильме «Ворошиловский стрелок»…  Например, еще была одна записка с именами. Все имена у подозреваемого были идентичны с его основным почерком, и только одно имя выделялось, оно было написано нежнее, круглее, читабельнее. Я сделала вывод, что именно вот этот человек был эмоционально значимым для фигуранта. Диагноз подтвердился, следователю это помогло», — говорит эксперт.

«Еще был случай, когда мужчина госслужащий совершил должностное преступление, а потом суицид. Мы стали разбирать причины этого поступка, и в итоге, проанализировав его записи за последнее время, узнали, что после того как этот человек совершил преступление – им овладел стресс. И с каждым днем его чувство вины становилось сильнее, и когда он понял, что все скоро узнают, что он преступник – он ушел из жизни», – рассказывает психолог.
 

«Вот еще был человек, имеющий доступ к большим финансам, порядочный, и положительный. И вдруг, его все начинают подозревать в хищении средств… Вывод графолога был однозначен: на преступление этот человек может пойти в случае нужды денег на операцию любимой бабушке, или если необходимо выручить кого-то из сложной жизненной ситуации. В ходе следствия мотив подтвердился, «крайние обстоятельства» обнаружились», — поясняет эксперт.

Лжеца зачастую также видно по потере читабельности почерка, когда «бессознательное»  берет верх над сознанием. У букв меняется размер, направление почерка будто уходит вниз, хотят скрыться. Увеличиваются поля, или уменьшаются расстояния. Все эти признаки собирают профессионалы, чтобы вывести обманщика на чистую воду, будь то профайлеры, полиграфисты или графологи. Но для того чтобы составить точное заключение об обмане, нужна не одна проверка, уверена Гуделова.
 

«Сам полиграф обмануть невозможно, потому что это устройство. Обмануть можно полиграфолога, человека. Также полиграф не составляет психологический портрет человека, это должен делать психолог. Нужно помнить о том, что ни один специалист не напишет о том, что человек лжет. На это нужно несколько проверок», — уверена Татьяна.

Как по мимике, жестам и другим внешним признакам понять, что собеседник врёт?

Психолог Сергей Мучкин рассказал, как можно изобличить обманщика без слов. Одно из определений лжи, считает психолог, — это когда человек пытается убедить собеседника в том, во что сам не верит. «Ложь всегда сопровождается, во-первых, определенными эмоциями у того, кто пытается убедить, такими, как стыд, нервозность, волнение, вина. И, во-вторых, все эти эмоции всегда проявляются на нашей невербалике — микродвижения тела, мимика, жестикуляция», — считает Сергей Мучкин.

Обратить внимание, надо, в первую очередь, на то, насколько человек соблюдает с собеседником глазной контакт, не отводит ли он глаза в сторону, особенно на прямой вопрос. Дети, когда лгут, им стыдно в глаза смотреть. Также лгун старается прикрывать руками лицо, рот и, может быть, нос.

У говорящего неправду может перехватывать горло, и голос становиться немного неестественным. И тогда, чтобы скрыть это, человек может начать либо говорить подчеркнуто монотонно, либо у него голос начинает по громкости играть.

По тому, что человек говорит, тоже можно понять, что он лжет. «Во-первых, лгут может выпячивать второстепенные факты, а самые главные стараться скрыть. Во-вторых, человек в ответ на прямой вопрос уходит от ответа, отвечает шуткой, пытается перевести тему или дать уклончивый ответ», — говорит психолог.

Если мы хотим определить — человек говорит правду или лжет, желательно посмотреть, его тело, мимику при правдивой информации, а потом уже отслеживать изменения мимики, считает эксперт.

Если вы хотите солгать убедительно (иногда это бывает необходимо), то надо смотреть собеседнику в глаза и стараться искренне улыбаться и быть максимально живым, искренним, насколько это возможно. «Искренняя улыбка — это улыбка, в которой задействована вся мимика лица, в отличие от неискренней, где задействованы только губы», — подчеркнул Сергей Мучкин.

 Советы:

 Любой собеседник невольно подаёт множество самых разных сигналов, что говорит неправду. Но делать выводы можно только к концу разговора, потому, как отдельные признаки вранья могут быть проявлением волнения, косноязычия и так далее.

 Обратите внимание на глаза. Если человек, задумываясь, смотрит чуть вверх и вправо от себя, то скорее всего, что-то выдумывает. А если влево, то вспоминает.

 У обманщика обычно начинает срываться голос. Иногда он нервно прикрывает рот рукой. На прямой вопрос отводит взгляд, отвечает шуткой, пытается сменить тему.

 Если нужно убедительно соврать, смотрите, так сказать, жертве прямо в глаза и искренне улыбайтесь всем лицом, а не только губами.

 Лукавство близкого человека нам распознать куда проще, чем ложь незнакомца. Главное, чтобы попытки раскрыть чужой обман не превратились в паранойю.

Исследователи выяснили, как можно отличить правду от вранья

Попытки распознать ложь, основываясь на мимике и жестах человека, по своей эффективности не превосходят подбрасывание монетки, заявили ученые. О том, как любой человек может уличить собеседника во вранье, рассказывает отдел науки «Газеты. Ru».

О том, что мимика и жесты человека могут уличить его во лжи, слышали наверняка не только поклонники сериала «Обмани меня». Традиционно считается: когда человек врет, он испытывает волнение, которое может проявляться не только в изменении интонации или высоты голоса. Популярные книги по психологии, телесериалы и фильмы, интернет-сайт пестрят перечнями жестов, которые якобы свидетельствуют о лжи. В «списке подозреваемых» — отведение взгляда в сторону, прикрывание рта рукой, прикосновение к носу, оттягивание воротника, потирание глаз.

Так, ученые Алан Хирш и Чарльз Вульф, которые анализировали выступление Билла Клинтона в 1998 году (во время разбора дела о скандале, возникшем из-за обвинения Клинтона в сексуальной связи с Моникой Левински), заявили:

когда Клинтон говорил правду, он не прикасался к своему лицу, однако в моменты, когда президент лгал жюри, он дотрагивался до своего носа примерно один раз в четыре минуты.

Изучением мимики и жестов, которые могут рассказать о лжи, занимаются и ученые-психологи. К самым известным из них относится, например, Пол Экман — профессор Калифорнийского университета в Сан-Франциско. Именно он был главным научным консультантом и прототипом главного героя сериала «Обмани меня». Профессор Экман занимается исследованиями микромимики — смены тонуса мышц лица, которые придают ему разные выражения, — а также психологии эмоций. Несмотря на то что Пол Экман является признанным во всем мире авторитетом в этой области, некоторые ученые все же подвергают сомнениям научность его метода распознавания лжи.

Психологи проанализировали работы, целью которых было выяснить, действительно ли наблюдение за выражением лица человека и его телодвижениями может помочь распознать вранье. Всего были собраны данные 108 научных исследований, в которых принимали участие 16 537 человек. В результате выяснилось, что

среднестатистический человек может вычислить лжеца примерно с той же вероятностью, с какой бы сделал это, подбрасывая монетку.

Даже специалисты в этой области — детективы, психологи, судьи — не отличались повышенной точностью. Ученые утверждают, что с вероятностью выше 80% отличить вранье от правды смогли только 50 человек из 20 тысяч.

Профессор Томас Ормерод, глава Школы психологии Университета Сассекса, комментирует: «Не существует универсальных признаков, которые могут помочь распознать ложь. Допустим, я начинаю нервно хихикать, а другой человек, наоборот, становится серьезным. Кто-то смотрит собеседнику в глаза, а кто-то отводит взгляд в сторону». В качестве примера ученый приводит следующую ситуацию: например, сотрудники пограничной службы в аэропортах или службы безопасности на ответственных мероприятиях (Олимпийских играх) перед тем, как позволить человеку куда-либо пройти, задают ему серию стандартных вопросов, которые требуют односложного ответа, и при этом внимательно наблюдают за поведением опрашиваемого. Это мешает специалисту вникать в смысл того, что именно говорит человек, более того, он обращает внимание только на ограниченное число жестов, оставляя значительную часть вербальной и невербальной информации без внимания.

Профессор Ормерод и его коллега Корал Дандо провели масштабный эксперимент, доказав, что изобличить лжеца все-таки возможно, причем для этого не нужно иметь психологического или юридического образования. Подробнее ознакомиться с описанием эксперимента и его результатами можно в последнем выпуске The Journal of Experimental Psychology: General.

В исследовании приняли участие 97 мужчин и 65 женщин, работающих в службе безопасности аэропорта. Все специалисты прошли трехнедельную подготовку: 83 агента были обучены методикам, позволяющим вычислять лжеца по мимике и жестам, а оставшиеся 79 человек прошли тренинг по методике профессора Ормерода.

В течение восьми месяцев все агенты выполняли свою обычную работу — находились в аэропорту и беседовали со случайно выбранными людьми, стоявшими в очередях на паспортный контроль и досмотр багажа. Как всегда, специалистам требовалось изобличить обманщиков.

Особенностью работы в течение этих восьми месяцев было то, что среди настоящих пассажиров аэропорта имелись подставные — 113 мужчин и 91 женщина.

Всем пассажирам выдавались настоящие билеты и сообщалась «легенда» — краткая вымышленная история о том, кто они и куда едут, например: «В течение последних трех лет вы работали инженером в городе Нортгемптон, где вы родились и выросли. Вы едете в Чикаго, чтобы принять участие в международном конкурсе фехтования среди любителей».

Участникам эксперимента давалось несколько дней на то, чтобы придумать детали и заучить свою историю. По прибытии в аэропорт они становились в очереди вместе с настоящими пассажирами. Агентам указывали, людей из каких очередей им следует опрашивать.

В результате работы выяснилось: специалисты, действовавшие по методике профессора Ормерода,

смогли вычислить в 24 раза больше подставных пассажиров, чем те, кто руководствовался традиционными методами слежения за мимикой и жестами. В начале эксперимента первая группа агентов вычисляла 66% лжецов по сравнению с 3% второй группы. В конце испытательного периода показатели первой группы выросли до 72%, а второй — упали до 0%.

Секрет методики заключается в том, что агентам не нужно обращать внимание на невербальную информацию и задавать серии стандартных вопросов. Им нужно беседовать с каждым человеком индивидуально, требуя от него развернутого рассказа, а не односложных ответов. Например, можно попросить детально описать какое-то событие из прошлого человека — рассказать о том, как он устроился на работу. Если собеседник утверждает, что учился в Оксфорде, можно узнать, сколько времени занимала дорога от места проживания до места учебы.

Психологи уверяют: если человек заранее готовил рассказ о своей жизни, он все равно не в состоянии продумать абсолютно все детали. Поэтому подозреваемый в красках может расписывать компанию, в которой он трудится, и свои должностные обязанности, но о том, как его приняли в эту компанию, скажет кратко и неохотно. Кроме того, если человек будет придумывать новую информацию, ему придется запоминать больше деталей, а затем он может начать противоречить сам себе. В этом случае агенту не рекомендуется показывать, что он заметил нестыковки. Нужно продолжать разговор — возможно, тогда лжец запутается еще больше.

Еще один способ вывести человека на чистую воду — напрямую спросить его, был ли он честен с собеседником. Удивительно, но этот способ приносит свои плоды, что было доказано еще одним опытом. В нем добровольцы парами отвечали на вопросы викторины, причем за каждый верный ответ получали денежное вознаграждение. Один человек из пары был «сообщником» ученых, о чем второй участник не знал. Когда ведущий на время покидал комнату, актер предлагал партнеру перевернуть лист с ответами и подсмотреть их. После окончания викторины детективам полиции предлагалось поговорить с участником опыта и определить, согласился ли он сжульничать. Полицейские использовали метод Ормерода, прося испытуемых детально описать ход игры или рассказать о своей реакции на те или иные вопросы и не обращая внимания на мимику и жесты человека.

Профессионалы справились с заданием — точность вычисления лжецов составляла более 90%. Даже новички справлялись с заданием более чем в 80% случаев. Один эксперт и вовсе оказался мастером своего дела: он верно определил, лжет человек или нет, в 33 случаях из 33.

Некоторые детективы начинали беседу с прямого вопроса: «Жульничали ли вы во время игры?» Как утверждают психологи, все люди хотят быть честными в глазах окружающих. Именно из-за этого часть солгавших сразу же признавалась, что они смошенничали, а оставшиеся — те, кто жульничал, но заявил, что играл честно, — чувствовали неловкость на протяжении всего разговора и не хотели распространяться о своих успехах.

Как считает Томас Ормерод, его методика может помочь не только полицейским. Сам профессор утверждает, что таким образом вычисляет, когда ему лгут его дети.

Можно ли распознать ложь по мимике и жестам человека

На Ленинградском проспекте находится учреждение, которое занимается изучением обмана, — Международная академия исследования лжи. Корреспондент «Севера столицы» попросил ее преподавателя-инструктора Людмилу Мартьянову рассказать о методиках выявления лжи.

АБСОЛЮТНЫХ ПРИЗНАКОВ ВРАНЬЯ НЕТ

По словам Людмилы Мартьяновой, есть много признаков лжи, но нет ни одного достоверного на сто процентов.

— При обмане человек часто бледнеет или подергивает плечом. Однако если эти действия вошли у кого-то в привычку, они перестают быть признаками лжи, — говорит она.

На обман могут указывать признаки стресса: человек хочет пить/Александр Кочубей

Обман выявляют по реакции организма на стресс. Например, после неудобного вопроса у человека может пересохнуть во рту, он начнет чаще сглатывать слюну и захочет попить воды. Из-за оттока крови от рук к ногам могут похолодеть и взмокнуть ладони. Во время стресса голос становится тоньше и выше.

Человек может начать учащенно моргать или, наоборот, пристально смотреть, поверхностно и учащенно дышать, краснеть, потеть, покрываться пятнами и нервно трогать себя. Чем  выше  уровень  стресса,  тем ближе к лицу прикосновения.

СЛОВА ПРОТИВОРЕЧАТ ЖЕСТАМ

Если человек лжет, его слова могут противоречить сигналам мимики, жестов, положения тела в пространстве.

— Например, подросток пришел домой в два часа ночи. Родители спали. Утром мама спрашивает, во сколько он вернулся. Он говорит, что в девять, но показывает два пальца. Или студент уверяет педагога, что знает предмет и учил, при этом пожимает плечом, показывая сомнение, — говорит Людмила.

Еще один признак: трогать во время беседы лицо и волосы/Александр Кочубей

Лгун часто абстрактно выражается и недоговаривает о важных вещах.

— Если на вопрос: «Вы когда-нибудь обманывали свое руководство?» сотрудник отвечает: «Да все обманывают», стоит задуматься, — уверяет преподаватель-инструктор. — Лжецы вместо ответа на вопрос могут делать комплименты, давить на жалость и на совесть, атаковать встречными вопросами или отвечать философски. Например, жена спрашивает мужа: «Где ты был после работы?» Муж отвечает: «Ну вот, дожили, ты мне совсем  не  доверяешь, 20 лет вместе прожили, а сейчас ты оскорбляешь меня своим недоверием».

Закрытая поза тоже может быть признаком обмана/Александр Кочубей

ПОЙМАТЬ ЖЕНУ НА ИЗМЕНЕ

Специалисты компании выяснили, люди с какими качествами больше обманывают.

— Врут все, но чаще те, кто любит привлекать к себе внимание любыми путями, трудоголики, ставящие во главу угла свои цели и готовые ради них на все, а также чересчур общительные люди, — говорит эксперт.

Во время стресса человек нередко краснеет или бледнеет/Александр Кочубей

Академия проводит исследования в области трудоустройства и выполняет заказы компаний или частных лиц.

— Одна женщина проверяла себя на полиграфе, чтобы получить доказательство, что она не ломала мусоропровод в доме. Результаты она предоставила обвинителю, — рассказывает Людмила. — Предприниматель проверял супругу на принадлежность к спецслужбам. Он считал, что она изменяет ему со спецагентом, цель которого — обанкротить его. Измена, кстати, не подтвердилась.

Часто такие люди убеждены в неверности вторых половинок и хотят это доказать с помощью полиграфа. Такие люди зачастую ходят по полиграфологам до тех пор, пока какой-нибудь шарлатан не подтвердит их ожидания.

Психология лжи, или Как распознать ложь по жестам и мимике

Универсальных инструкций по толкованию слов и жестов не существует. Все мы разные и по-своему проявляем себя. Однако жесты и мимика более правдивы, так как их сложно контролировать. Есть несколько признаков, позволяющих заподозрить ложь.

Обман на языке жестов и мимики

Все люди разные. Способ восприятия мира, мышления, реакции на то или иное событие отличны у всех людей. Ложь относится к одному из таких проявлений и тоже выражается по-разному.

Считается, что общего набора жестов нет, но если он был, мы бы смогли определить, кто нам врет. Наиболее актуально ложь отражается, когда он (человек) провоцирует эмоции.

Тело на своем языке отражает эти эмоции. Однако, чтобы быть уверенными, что вам лгут, необходимо воспринять совокупность жестов, мимики, речи. Чтобы лгать на высоком уровне, необходим повышенный самоконтроль, а значит, напряжение.

Истина где-то слева

Человек может быть явно или скрыто напряжен. Чтобы это определить внимательно посмотрите на левую сторону человека. С точки зрения нейрофизиологии, контроль за левой половиной менее сильный, чем за правой. Мозг со своими левым и правым полушариями управляет сторонами тела по-разному.

• Речь, ум, способность к математике – это вотчина левого полушария.
• Воображение, эмоции, абстрактное мышление – дело правого полушария.
• Управление происходит в целом в виде перекрещивания. Левое полушарие – правая часть тела, а правое полушарие – левое.

К примеру, мы общаемся с человеком правшой. В ходе беседы он усиленно жестикулирует, задействуя левую руку. Очень вероятно, что перед вами лжец. Наиболее выражено это, если правая рука почти не участвует в деле. Если наблюдается такая рассогласованность – человек определенно не искренен. Если в лице наблюдается такое же нарушение, т.е. более активна левая или правая половина, возможно тоже вранье. Особенно следует обратить внимание на левую сторону.

Ложь напрягает

Если вы заметили, что ваш собеседник во время общения побледнел или наоборот порозовел, а также наблюдается мелкое дерганье мимических мышц, а также век или бровей, вам также могут лгать. Если вы видите, что собеседник прикрывает глаза, часто щурится или моргает, то он стареется бессознательно абстрагироваться от темы разговора.  О комфорте или отсутствии оного у собеседника можно судить по зрачкам. Обычно в результате различного недовольства они сужаются.

На удовольствие зрачок реагирует расширением. Если глаза отводятся в сторону, не обязательно перед вами врунишка. А вот если вам прямо смотрят в глаза, излишне настойчиво, это уже признак неискренности.

Ложь на кончике носа

Интересно то, что собственный нос может выдать вас с потрохами. Если вы видите, как во время общения с вами человек подергивает кончиком носа или отводит его в сторону, стоит задуматься об искренности слов собеседника. Если в общении с вами, кто-то раздувает ноздри, стоит задуматься о том, что вам не особо верят.

Забавно, но именно нос особо чуток ко лжи. Он может зачесаться, измениться в размере (так называемый «Эффект Пиноккио»). Все это научно обосновано, поскольку ложь заставляет расти кровяное давление, что в свою очередь влияет на слизистую оболочку носа выработкой гормона катехоламина. Далее в процесс включаются простимулированные давлением крови окончания нервов и появляется зуд. Если собеседник трет нос, глаз, просто трогает их – он может быть не честен с вами.

Руки… мыли?

Если при общении с вами собеседник старается убрать руки в карман или закрыть ладони, можно с определенной долей уверенности предположить его в скрывании чего-либо. Эта особенность наиболее ярко выражена у детей.

Особенность прятать ладони или держать их открытыми может быть использована против вас даже на обычном рынке. Опытный продавец видит, как расположены ваши ладони, когда вы отказываетесь от покупки, и может понять, насколько она нужна вам на самом деле. Если прикрыть рот рукой, то здесь мы видим желание не сболтнуть лишнего. Об этом может свидетельствовать и напряжение мышц рта, а также покусывание губ.

Поза очень важна в определении честности человека. Допустим, вы наблюдаете человека в напряженной или неудобной позе. Он может постоянно елозить, стараясь устроиться удобнее. Это говорит, что тема разговора его напрягает, он может быть с ней не согласен. Вруны могут опираться, скрещивать ноги. Обычно, если человек правдив, то поза его расслаблена и удобна.

Everybody lies

Встречали в разговорной практике фразу вроде «честно говоря» и продолжение за ней? Стоит в момент её произнесения лучше присмотреться к человеку. Когда повторяется определенные шаблоны, стоит задуматься в честности говорящего. Например, такие фразы, как:

• Вы обязаны мне верить…
• Я правду говорю, верьте…
• Я могу обмануть? Да никогда!
• Я откровенен с вами на все сто!

Часто не важно даже, что именно говорит человек. Важно как он это делает. Тембр голоса, его ритм, если он внезапно меняется, может свидетельствовать о не искренности или вранье. Если собеседник заминается или затрудняется произнести следующую фразу – насторожитесь.

Обычно жестикуляция позволяет донести до собеседника более усиленный вариант сказанного нами. Как правило, темп таких жестов и речь находятся в соответствии. Если вы видите рассогласованность одного с другим, стоит задуматься. Значит то, что человек думает, не обязательно то, что он говорит.

Предположим, вы хотите уличить человека в обмане. Для этого стоит предпринять некоторые шаги. Необходимо войти с ним в один ритм, подстроится, так ему будет труднее вам лгать. Не нужно в лоб обвинять человека во лжи. Лучше всего притвориться, что не расслышали слов, пусть он повторится. Так вы получите больше шансов на правду.

Лучше всего прямые вопросы. Мимика, жесты, направленные на собеседника, вынудят его соответственно реагировать. И еще несколько фактов о лжи. Обычно около 37 процентов времени люди лгут по телефону. На личные разговоры идет 27 процентов, интернет 21 процент, а в электронных письмах примерно 14 процентов лжи.

Если человек более коммуникабелен, скорее всего врет он тоже больше. Независимо от пола, люди врут примерно одинаково часто. Однако, суть вранья различается. Женщины враньем стараются расслабить собеседника, а мужчины используют ложь для самоутверждения. Человек не рождается лгуном, а приобретает эту способность только к трем или четырем годам от рождения.

Рекомендуем к прочтению книгу Пола Экмана, специалиста в области микромимики и языка жестов, «Узнай лжеца по выражению лица. Книга-тренажер».

© Алексей, BBF.RU

Теория лжи: как определить, когда вам врут

• Брайан Борзиковски
• BBC Capital

15 апреля 2015

Автор фото, Thinkstock

Мелкая ложь сотрудника чуть не стоила Эндрю Бауэру его самого ценного клиента. Корреспондент

BBC Capital решил выяснить, есть ли способы определить, в какие моменты люди вам врут.

В 2014 г. Бауэр — глава нью-йоркской компании Royce Leather, производящей эксклюзивные дорожные принадлежности, — готовился запустить в продажу через крупный универмаг новый продукт. За пару недель до запланированной даты начала продаж он уточнил у своего заместителя, заказан ли товар. Тот подтвердил, что все в порядке.

Две недели спустя Бауэру позвонили из универмага и поинтересовались, когда можно ожидать прибытия товара. Только тогда он обнаружил, что его заместитель так и не заказал продукцию.

«Ситуация была очень неприятная, — вспоминает Бауэр. — И этот эпизод сказался на наших отношениях с универмагом».

Но больше всего Бауэра удивило, что его заместитель, опытный сотрудник с 30-летним стажем, солгал ему.

Хотя, по словам Бауэра, в основном его работники честны, в принципе люди лгут сплошь и рядом. Как свидетельствуют результаты исследования, проведенного в 2002 г. Массачусетским университетом, 60% взрослых людей в течение 10-минутного разговора говорят неправду как минимум один раз. В основном речь идет о так называемой «социально оправданной лжи» — все мы периодически прибегаем к безобидному вранью.

Но порой ложь бывает куда более серьезной и приводит к серьезным последствиям, говорит Майкл Флойд — сооснователь компании QVerity, предлагающей частным и корпоративным клиентам услуги поведенческого анализа с целью определить, в какие моменты люди врут.

Офисные вруны

Ловля подчиненных на лжи становится все более актуальной задачей, отмечает Флойд, сам в прошлом — агент ЦРУ. Работодатели опасаются случаев мошенничества, хакерских атак, вероятности того, что квалифицированных работников переманят конкуренты заодно со всеми корпоративными секретами, и многого другого, говорит Флойд. Работникам тоже хотелось бы знать, когда начальство им лжет.

Автор фото, Thinkstock

Подпись к фото,

Далеко не всегда есть возможность применить детектор лжи…

По словам Флойда, в основном мы прибегаем ко лжи, стремясь избежать неприятных последствий. В повседневной жизни на вопрос «как дела?» человек отвечает, что все в порядке, иначе придется вести неловкую беседу о том, какой у него сегодня выдался ужасный день. В мире бизнеса люди совершают самые разнообразные неприглядные поступки — а после лгут, поскольку, естественно, не хотят неприятностей.

Например, в 2006 г. Санжай Кумар, бывший глава компании Computer Associates, был признан соучастником в мошенничестве с ценными бумагами на сумму 2,2 млрд долларов. Он предоставлял ложные сведения о доходах от продаж лицензий на программное обеспечение и лгал инвесторам компании. Кумара приговорили к 12 годам тюремного заключения.

Опознать ложь можно, если понимать, что толкает на нее людей, и уметь считывать признаки вранья задолго до того, как раскроется правда.

Вычисляем лжеца

Люди могут точно определить, лжет человек или нет, лишь в 54% случаев, говорит лондонский специалист в области поведенческой науки Гордон Райт.

По его словам, сложность заключается в том, что мы все лжем по-разному, а кроме того, обычно полагаем, что другие говорят нам правду.

«Все мы склонны верить в то, что собеседник с нами честен, — говорит Райт. — Если бы мы не предполагали, что люди по умолчанию говорят правду, разрушился бы весь процесс коммуникации».

Он отмечает, что степень точного определения случаев, в которых нам лгут, можно повысить, если искать в поведении людей некоторые особенности. И, как ни удивительно, это вовсе не те особенности, которые обычно мы ожидаем найти у лжецов.

Автор фото, Thinkstock

Подпись к фото,

Если человек прячет глаза, это еще не доказательство того, что он лжет

Большинство из нас уверено, что люди, говорящие неправду, стараются не встречаться с собеседником взглядом, или что у них бегающие глаза, но доказательств этим утверждениям нет, говорит Лианна тен Бринке, профессор психологии из Калифорнийского университета в Беркли.

В действительности зачастую происходит обратное — лжецы смотрят собеседникам прямо в глаза, поскольку знают, что если будут отводить взгляд, им могут не поверить.

Гораздо более показательно выражение лица. Чувства не лгут, говорит Тен Бринке. Когда люди обманывают, они часто пытаются имитировать подходящие по контексту эмоции, но на фальшивые эмоции лицевые мышцы должным образом не реагируют.

Хороший пример в этом смысле — улыбка. При искренней улыбке задействуются мускулы, отвечающие за морщинки вокруг глаз. При неискренней же уголки рта поднимаются вверх, но мышцы вокруг глаз остаются неподвижными. Это не так просто заметить, если не следить за мимикой собеседника, но при определенной доле внимательности — вполне возможно. «Фальшивая улыбка выглядит неискренней — чего-то в ней недостает», — говорит Тен Бринке.

Ложь также требует больших умственных усилий. Лжецу нужно придумать связную и правдоподобную историю — без лишних подробностей, но и без зияющих пробелов. Обычно лжецы сообщают меньше информации, чем говорящие правду; они могут чаще делать паузы или звучать неуверенно, особенно если не отрепетировали свою историю заранее, говорит Тен Бринке.

Методика ЦРУ

Лжет ли ваш собеседник, можно также определить по его реакции на ваши вопросы.

Собрав воедино многолетний опыт допросов подозреваемых и свидетелей, Флойд с коллегами из ЦРУ разработали метод определения лжи на основе анализа того, как люди отвечают на поставленные вопросы. По словам Флойда, стоит обратить внимание на пять моментов.

• Особенно важны невербальные сигналы. Если человек активно жестикулирует, прикладывает руки к лицу или часто прокашливается, не исключено, что он лжет.
• Еще один признак лжи — попытка уклониться от ответа.
• Третий признак — настойчивые утверждения, что все в порядке, которые должны вас насторожить.
• Проявление агрессии по отношению к собеседнику — также возможный признак лжи.
• Кроме того, есть еще манипулирование — в попытке контролировать ситуацию человек повторяет за вами ваши вопросы или произносит фразы, которые ответом не являются — например, говорит: «Это хороший вопрос».

По словам Флойда, ему требуются по крайней мере два из пяти признаков, чтобы заподозрить, что его пытаются обмануть. И чем больше таких проявлений присутствует в поведении человека, тем выше вероятность того, что вы не ошиблись.

Контекст также имеет значение, отмечает Райт. Если финансовые показатели компании ухудшились, но при этом начальник уверяет коллектив, что сокращений не будет, стоит задуматься, говорит ли он правду. А менеджерам не мешало бы внимательно понаблюдать за тем, как недовольные своей работой сотрудники реагируют на их вопросы и не демонстрируют ли они при этом какие-либо из вышеперечисленных атрибутов вранья.

Автор фото, Thinkstock

Подпись к фото,

Ведите бизнес честно и открыто — и у людей не будет причин вам лгать (ну… или почти не будет)

И все же если постоянно не наблюдать за человеком, трудно сказать, лжет он в данный момент или говорит правду. В повседневной жизни большинство из нас не обращает внимания на вербальные и визуальные сигналы других людей.

Хоть Бауэр, глава Royce Leather, и обжегся один раз, он не собирается теперь анализировать каждое слово, сказанное его подчиненными. Однако он старается обращать внимание на то, как именно с ним разговаривает персонал. Бауэр надеется, что если построить доверительные отношения с сотрудниками, никому из них не придет в голову прибегать к лжи.

«Хорошие межличностные отношения и нечестность несовместимы, — говорит он. — Ведите свой бизнес с максимальной прямотой и открытостью — тогда у людей не будет причин вам лгать».

Курс, семинар, тренинг «Профайлинг: психодиагностика и распознавание лжи»

Технологии профайлинга позволяют определить сильные и слабые стороны характера, особенности мышления человека и спрогнозировать его поведение. Также, проанализировав жесты, речь, мимику, эмоции и поведение, с высокой достоверностью можно определить, когда вам лгут. Эти инструменты позволяют существенно повысить эффективность переговорного процесса, отбора и подбора персонала, управления коллективом, а также минимизировать риски, связанные с человеческим фактором. На семинаре вы узнаете, благодаря каким сигналам в поведении человека можно определить ложь и как составить подробный характерологический портрет человека.

В результате обучения вы:

• научитесь по жестам, речи, мимике, эмоциям и поведению определять неискренность в общении, факты умалчивания или искажения информации
• сможете заблаговременно готовиться к переговорам любого уровня, выбирая стратегию и тактику проведения с учетом специфики характера собеседника
• узнаете, как анализировать истинные эмоции собеседника по невербальному поведению
• освоите несколько инструментов и технологий, позволяющих прогнозировать поведение человека в различных ситуациях
• повысите эффективность работы проектных команд за счет оценки сильных и слабых сторон человека и анализа истинного эмоционального состояния и отношения

День 1
Определение сильных и слабых сторон человека, мотивы поведения и их классификация

• Типы личности и мотивы поведения, особенности методики оперативной психодиагностики
• Особенности внешнего вида, мимики, жестов, речи, которые расскажут о характере человека
• Модели поведения различных типов личности в стрессе и при лжи
• Базовые эмоции типов личности
• Параметры оценки сильных и слабых сторон человека, особенности вербального и невербального поведения типов личности в различных ситуациях
• Различные типы мышления человека, скорость и глубина мыслительного процесса, качества характера и невербальные признаки, которые необходимо учитывать для успешного определения лжи
• Способы и техники выстраивания коммуникации на основе анализа характера

Практикумы:

• «Составление характерологического портрета человека по видеозаписи, социальным сетям и в непосредственном общении»
• Упражнение «Развитие навыков опросной беседы»
• «Проработка стратегии и тактики общения с человеком»

День 2
Психология лжи. Техники распознавания неискреннего и настораживающего поведения в процессе общения

• Основные изменения поведения человека при лжи, смена линии поведения
• Работа вегетативной нервной системы человека
• Классификация видов лжи и различные способы обмана: умолчание и искажение
• Техники обнаружения лжи по речи, психолингвистика и речевые паттерны, эффективная модель вопросов для детекции лжи
• Психогеометрия пространства, определение лжи и эмоционального отношения по жестам. Жесты-адаптеры и иллюстраторы
• Эмблематические оговорки в жестах, указывающие на истинную информацию
• Микровыражения — утечки в мимике, которые позволяют определить ложь и истинное эмоциональное состояние
• Анализ уровня эмоции по жестам и мимике
• Советы по самоконтролю и управлению состоянием при стрессе

Практикумы:

• Упражнение «Распознавание ложной информации в процессе разговора»
• Упражнение «Развитие навыка задавания вопросов для детекции лжи»
• Ролевая игра «Закрепление полученных навыков психодиагностики и детекции лжи»

Кулик Анна Валерьевна

Эксперт-профайлер, специалист в области кадровых расследований и проведения экспертиз по уголовным делам. Психодиагност, полиграфолог

Профессиональный опыт

Опыт работы в профайлинге и сфере безопасности с 2006 года

• АНО ДПО «Научно-исследовательский центр корпоративной безопасности», президент
• Исследовательский центр корпоративной безопасности, руководитель
• Главное военное следственное управление Следственного комитета РФ, независимый консультант

Профессиональные компетенции

• HR-профайлинг, оценка и развитие сотрудников, составление психологического портрета
• Бизнес-профайлинг
• Кадровые расследования (кражи, мошенничества и др.)
• Поддержка и модерация переговорного процесса
• Безынструментальная детекция лжи
• Проведение экспертиз по уголовным делам
• Экспертная поддержка в ходе судебных разбирательств

Клиенты

Ведущие отечественные и зарубежные компании в области ритейла, телекоммуникаций, FMSG, строительства, банковского сектора, GR и др.

Преподавательская деятельность

Преподает открытые и корпоративные программы по технологиям профайлинга в Главном военном следственном управлении СК РФ, Следственном комитете РФ, МГИМО, МГУ и МВД

Выступления и публикации

• Автор книг и методических пособий по профайлингу
• Автор статей в научных и бизнес-изданиях «Банковские технологии», «Рубеж», «Директор по безопасности»
• Приглашенный эксперт в более чем 20 передачах на телеканалах: Первый, Россия, НТВ, Мир, Москва24, Дождь
• Регулярные выступления на конференциях по HR, безопасности и комплаенс

Митрошин Константин Павлович

Эксперт-профайлер, психодиагност, специалист в области развития мышления и снятия эмоционального выгорания, бизнес-тренер

Профессиональный опыт

• АНО ДПО «Научно-исследовательский центр корпоративной безопасности», советник президента и эксперт
• «Исследовательский центр корпоративной безопасности», исполнительный директор
• Главное военное следственное управление Следственного комитета РФ, независимый консультант

Профессиональные компетенции

• HR-профайлинг, оценка и развитие сотрудников, составление психологического портрета
• Бизнес-профайлинг
• Кадровые расследования (кражи, мошенничества и др. )
• Поддержка и модерация переговорного процесса
• Безынструментальная детекция лжи
• Проведение экспертиз по уголовным делам
• Экспертная поддержка в ходе судебных разбирательств
• Снятие эмоционального выгорания и развитие мышления

Клиенты

Ведущие отечественные и зарубежные компании в области ритейла, телекоммуникаций, FMSG, строительства, банковского сектора, GR и др.

Преподавательская деятельность

Преподает открытые и корпоративные программы по технологиям профайлинга в Главном военном следственном управлении СК РФ, Следственном комитете РФ, МГИМО, МГУ и МВД

Выступления и публикации

• Автор статей в научных и бизнес-изданиях: «Банковские технологии», «Директор по безопасности»
• Приглашенный эксперт в радиоэфирах и на ТВ

Сибгатуллин Ринат Шамилевич

Специалист-профайлер, психодиагност, эксперт в области кадровых расследований и проведения экспертиз по уголовным делам, юрист

Профессиональный опыт

АНО ДПО «Научно-исследовательский центр корпоративной безопасности», специалист-профайлер

Профессиональные компетенции

• HR-профайлинг, оценка и развитие сотрудников, составление психологического портрета
• Бизнес-профайлинг
• Кадровые расследования (кражи, мошенничества и др. )
• Безынструментальная детекция лжи
• Проведение экспертиз по уголовным делам

Клиенты

Ведущие отечественные и зарубежные компании в области ритейла, телекоммуникаций, FMSG, строительства, банковского сектора и др.

Преподавательская деятельность

Преподает открытые и корпоративные программы по технологиям профайлинга для российских и зарубежных компаний

Даты начала обучения не определены.

Как распознать ложь, анализируя выражение лица

Микровыражения могут возникать в результате сознательного или бессознательного подавления эмоций. Таким образом, обнаружение микровыражений (или анализ мимики) является ключом к обучению распознаванию лжи, раскрытию скрытых эмоций и обмана. Важно отметить, что микровыражение выглядит одинаково, независимо от того, является ли оно результатом подавленных или подавленных эмоций. Само микровыражение не говорит нам, что это такое; это должно определяться контекстом, в котором это происходит, и часто требует дополнительных вопросов.

Это хорошее место, чтобы объяснить, что я имею в виду под контекстом. Одно и то же микровыражение может иметь очень разное значение в разных контекстах.

Пройдите обучение микровыражениям

Самое широкое значение контекста — это природа разговорного обмена . Это первая встреча, случайный разговор, официальное собеседование, допрос, на котором другой человек знает, что он или она подозреваются в правонарушении?

Второй контекст — это история отношения .Что произошло ранее в этом разговоре? Каков был характер предыдущих контактов между оцениваемым лицом и оценщиком? И чего каждый ожидает и хочет видеть в своих будущих отношениях?

Третий контекст — поворот динамика . Отображается ли микровыражение, когда оцениваемый человек говорит или слушает?

Наконец, четвертый контекст — это соответствие . Соответствует ли эмоция, отображаемая в микровыражении, содержанию одновременной речи человека, звуку его или ее голоса, его жестам и позе или противоречит ли им? Если микровыражение показано, когда человек слушает, соответствует ли оно тому, что говорит оценщик, и тому, что говорит оцениваемый далее человек?

Хотя все четыре из этих контекстуальных проблем необходимо учитывать при оценке нормального выражения лица или макро-выражения эмоции, они могут быть особенно полезными при обнаружении микровыражения.Их также необходимо учитывать при оценке признаков эмоций в голосе, позе и других когнитивных признаках обмана, чтобы правильно научиться распознавать ложь.

Большинство людей не замечают микровыражений, когда они возникают во время разговора, когда микровыражения соревнуются за внимание с помощью слов, тона голоса и жестов. Их также упускают, потому что мы часто отвлекаемся на размышления о том, что сказать дальше, вместо того, чтобы внимательно следить за микровыражениями человека.Даже когда я показывал людям микровыражения вне контекста — с выключенным звуком и без необходимости думать об ответах — большинство неподготовленных людей не сообщают, что видели многие из них. Поскольку мы не очень хорошо наблюдаем за микровыражениями сами по себе, когда я впервые попытался научить людей определять микровыражения, я был удивлен тем, как быстро они научились. Всего за час обучения люди могут значительно улучшить свою способность распознавать микровыражения. Я считаю, что существенными элементами, которые позволяют им так быстро учиться, являются немедленная обратная связь о том, верны ли они в своих суждениях, повторяющаяся практика и визуальный контраст выражений, которые чаще всего путают друг с другом, особенно гнев с отвращением и страха с удивлением.

Пол Экман — известный психолог и соавтор микровыражений. В 2009 году журнал TIME назвал его одним из 100 самых влиятельных людей мира. Он работал со многими государственными учреждениями как внутри страны, так и за рубежом. Доктор Экман собрал более 50 лет своих исследований, чтобы создать комплексные обучающие инструменты, позволяющие распознавать скрытые эмоции окружающих.

границ | Поймать лжеца выражением страха на лице

Введение

Есть ли какие-либо наблюдаемые модели поведения или подсказки, которые могут отличить ложь от правды? Почти все исследователи в области обнаружения обмана согласны с тем, что не существует «носа Пиноккио», который мог бы служить легким индикатором обмана (DePaulo et al., 2003). Тем не менее многие исследователи все еще пытаются найти ключи к обману (Levine, 2018; Denault et al., 2020). «Теория утечки» утверждает, что ложь с высокими ставками (вознаграждения имеют серьезные последствия или могут быть суровые наказания) может привести к «утечке» обмана в физиологические изменения или поведение (особенно микровыражения, которые длятся от 1/25 до 1). / 5 с; Экман, Фризен, 1969; Экман, 2003; Портер и др., 2011, 2012; Су, Левин, 2016; Мацумото, Хванг, 2020).В частности, с точки зрения теории утечки (ten Brinke and Porter, 2012; Ten Brinke et al., 2012a, b) наблюдаемые эмоциональные выражения лица (микровыражения и макровыражения) могут в некоторой степени определять, кто лжет, а кто говорит правда (Это проблема вероятности (см. Levine, 2018, 2019). Тем не менее, эта возможность обсуждается. Хотя некоторые исследователи (ten Brinke and Porter, 2012; Ten Brinke et al., 2012b; Matsumoto and Hwang, 2018) утверждали, что эмоциональное микровыражение лица может быть признаком лжи, поддерживая их утверждения эмпирическими данными, Burgoon (2018) утверждал, что обнаружение микровыражений — не лучший способ поймать лжецов.Кроме того, Vrij et al. (2019) даже отнесли микровыражение к псевдонауке.

Даже если людям может быть сложно или даже невозможно обнаружить лжецов на основе микровыражений, все же существуют некоторые поведенческие сигналы, которые могут в некоторой степени отличить ложь от правды (Vrij et al., 2000, 2006) . В частности, показано, что расширение зрачка и его шаг тесно связаны с лежанием (Levine, 2018, 2019). Большинство исследователей обмана согласны с тем, что ложь связана с такими процессами или факторами, как возбуждение и переживание эмоций (Zuckerman et al., 1981). Следовательно, эмоциональная мимика может быть верным поведенческим сигналом к ​​обману. Между тем, есть непроизвольные аспекты эмоционального выражения. Как отмечал Дарвин, некоторые действия лицевых мышц было труднее всего контролировать добровольно, и их труднее всего было подавить (так называемая гипотеза торможения (см. Также Ekman, 2003). Когда присутствует сильная искренняя эмоция, связанные выражения лица не могут быть подавлены (Baker et al., 2016). Hurley and Frank (2011) представили доказательства гипотезы Дарвина и обнаружили, что обманщики не могут контролировать некоторые элементы своего выражения лица, такие как движения бровей.Лжецы чувствовали страх, обманывая восторг, отвращение или казались напряженными во время лжи и пытались подавить эти эмоции, нейтрализуя, маскируя или симулируя (Porter and Ten Brinke, 2008). Однако лжецы не могли полностью их подавить, и переживаемые эмоции «просачивались» в виде микровыражений, особенно в ситуациях с высокими ставками (Ekman and Friesen, 1969).

Утверждение об утечке эмоций подтверждается некоторыми недавними исследованиями (Porter et al., 2011, 2012).Когда лжецы симулируют неощутимое эмоциональное выражение лица или нейтрализуют ощущаемые эмоции, по крайней мере одно противоречивое выражение может просачиваться и проявляться временно (Porter and Ten Brinke, 2008). Ten Brinke и Porter (2012) показали, что лжецы демонстрируют неудачную эмоциональную маскировку и определенные просочившиеся выражения лица (например, «присутствие ухмылки»). Кроме того, они обнаружили, что ложное раскаяние было связано с (непроизвольным и непоследовательным) выражением счастья и отвращения на лице (Ten Brinke et al., 2012а).

Помимо поддержки утечки эмоций, исследования также показывают, что утечка эмоций может отличать ложь от правды. Райт Уилан и др. (2014) рассмотрели несколько сигналов, которые успешно помогли лжецам и правдивым людям, в том числе отвращение взгляда и покачивание головой. Они объединили информацию из каждой реплики для классификации отдельных случаев и достигли уровня точности 78%. Между тем, Райт Уилан и др. (2015) обнаружили, что неполицейские и полицейские наблюдатели могут достичь точности 68 и 72% соответственно, когда это необходимо для обнаружения обмана в реальной жизненной ситуации с высокой ставкой.Мацумото и Хван (2018) обнаружили, что выражение отрицательных эмоций на лице, возникающее в течение <0,40 и 0,50 с, может различать лиц, говорящих правду, и лжецов. Все эти исследования показали, что просочившиеся выражения лица могут помочь людям успешно обнаруживать лжецов.

Помимо исследований на людях, были также предприняты попытки использовать машинное обучение для автоматического обнаружения обмана с помощью утечки эмоций. Метаанализ, проведенный Бондом и ДеПауло (2006), показал, что при обнаружении лжецов наблюдатели достигают лишь немного большей, чем шанс, точности.По сравнению с людьми, в некоторых предыдущих работах с машинным обучением использовались так называемые надежные выражения лица (или непроизвольные выражения лица) для автоматического обнаружения обмана и достигалась точность выше 70% (Slowe and Govindaraju, 2007; Zhang et al., 2007). Учитывая, что тонкие различия эмоциональных выражений лица не могут быть обнаружены наивными людьми-наблюдателями, компьютерное зрение может улавливать различные тонкие черты между ложными и правдивыми ситуациями, которые не могут быть восприняты человеком.Су и Левин (2016) обнаружили, что эмоциональные выражения лица (в том числе микровыражения) могут быть эффективными сигналами для машинного обучения, чтобы обнаружить ложь с высокими ставками, точность которой была намного выше, чем те, о которых сообщалось в предыдущих исследованиях (например, Bond and DePaulo, 2006 ). Они обнаружили, что некоторые единицы действия (AU, сокращение или расслабление одной или нескольких мышц (см. Ekman and Friesen, 1976), такие как AU1, AU2, AU4, AU12, AU15 и AU45 (мигает), могут быть потенциальными индикаторами для различения лжецы из рассказчиков правды в ситуациях с высокими ставками.Bartlett et al. (2014) показали, что компьютерное зрение может отличать обманчивые лицевые сигналы боли от реальных болевых сигналов на лице с точностью 85%. Барати (2016) разработал систему, которая обнаруживала лжеца на основе микровыражений лица, языка тела и анализа речи. Они обнаружили, что эффективность детектора микровыражения лица составила 82%. Аналогичным образом, автоматизированная система обнаружения обмана, разработанная Wu et al. (2018) показали, что предсказания микровыражений могут использоваться в качестве функций для обнаружения обмана, и система получила площадь под кривой точного отзыва (AUC), равную 0.877 при использовании различных классификаторов.

Теория обмана с утечкой предсказывает, что при лжи, особенно в ситуациях с высокими ставками, люди будут бояться того, что их ложь будет обнаружена, и, следовательно, вызовут эмоции страха. Эти эмоции страха могут затем просочиться и потенциально быть обнаруженными (Levine, 2019). Между тем предполагается, что в случае утечки страха, связанного с обманом, продолжительность утечки страха будет короче из-за природы утечки и подавления (что будет представлено как мимолетные микровыражения страха).Некоторые могут возразить, что эмоции страха также могут проявляться в правде. Это может быть правдой. Тем не менее, для рассказчика правды страх того, что его неправильно сочтут лжецом, будет меньше утечки, поскольку рассказчику правды не нужно изо всех сил подавлять страх, как это делают лжецы. В результате степень подавления будет разной для лжецов и правдивых. В среднем продолжительность страха (или единицы страха) в ситуациях лжи будет короче, чем в ситуациях, когда говорят правду, из-за более жесткого подавления в первых.

Ставки могут играть жизненно важную роль, используя эмоциональное выражение лица как сигнал для обнаружения обмана. В лабораторных исследованиях участники испытывают меньше эмоций или когнитивную нагрузку (Buckley, 2012). Почти все лабораторные эксперименты типичны для низких ставок и недостаточно мотивируют, чтобы вызвать эмоции, вызывающие утечку (в виде микровыражений). Следовательно, лжецы в лабораторных экспериментах не так нервничают, как в реальных ситуациях с высокими ставками, при отсутствии или незначительной утечке эмоций.Как отмечает Vrij (2004), некоторые лабораторные исследования, в которых манипулировали ставками, показали, что ложь с высокой ставкой обнаружить легче, чем с низкой. Франк и Экман (1997) заявили, что «: наличие высоких ставок является центральным для лжецов, испытывающих сильные эмоции, когда они лгут ». Следовательно, ложь в ситуациях с высокой ставкой будет более заметна с помощью эмоциональных сигналов выражения лица, а просочившиеся эмоциональные выражения лица в основном будут происходить в контексте с высокой ставкой.

Хартвиг ​​и Бонд (2014) придерживались противоположного мнения и утверждали, что даже в ситуациях с высокими ставками все еще может быть трудно отличить лжецов от правдивых.Они утверждали, что контекст высокой ставки будет влиять как на лжецов, так и на рассказчиков правды, поскольку лжецы и рассказчики правды могут испытывать схожие психологические процессы. Другими словами, ситуации с высокими ставками вызывают противоречивые эмоциональные выражения, такие как страх, не только у лжецов, но и у правдивых. Это утверждение до некоторой степени верно (ten Brinke and Porter, 2012), но высокие ставки не обязательно устраняют все различия между лжецами и рассказчиками правды. Несмотря на то, что ситуации с высокими ставками увеличивают давление как на лжецов, так и на тех, кто говорит правду, можно предположить, что степень увеличения будет другой, и лжецы будут испытывать гораздо большее давление, чем рассказчики правды при высоких ставках.Кроме того, фабрикация лжи требует, чтобы лжецы больше думали и, следовательно, вызывали бы у них более сильное эмоциональное возбуждение, чем у рассказчиков правды. Следовательно, для лжецов частота или вероятность утечки непоследовательного эмоционального выражения (скажем, страха) будет выше и, следовательно, легче обнаружить. Теоретически, чем выше ставки, тем больше вероятных сигналов, связанных с обманом (например, страха), и тем легче будет идентифицировать лжецов с помощью этих сигналов.

Помимо продолжительности, другие динамические характеристики (Ekman et al., 1981; Frank et al., 1993) также могли различаться по подлинному и поддельному выражению лица, например по симметрии. Ekman et al. (1981) вручную проанализировали асимметрию лица с помощью Системы кодирования движений лица (FACS) и показали, что настоящая улыбка имеет большую симметрию по сравнению с намеренной улыбкой. Точно так же просочившиеся эмоциональные выражения страха на лице во время лжи и менее просочившиеся при разговоре правды также могут демонстрировать разную степень симметрии. Однако подход Ekman et al. (1981) может занять много времени и быть субъективным.Таким образом, в текущем исследовании мы предложили метод, который использовал когерентность (меру корреляции между двумя сигналами / переменными) для измерения асимметрии. Чем симметричнее мимические движения левого и правого лица, тем выше коэффициент корреляции между ними. Следовательно, значение когерентности (диапазон от 0 до 1) может быть мерой асимметрии или симметрии.

Основываясь на теории утечки и предшествующих данных, мы выдвигаем гипотезу, что (1) эмоциональное выражение страха на лице (страх быть пойманным) может отличать ложь от правды в ситуациях с высокими ставками; (2) продолжительность страха перед ложью будет короче, чем у правды; (3) симметрия движений лица будет иной, поскольку движения лица в лежачих ситуациях будут более асимметричными (из-за природы подавления и утечки).

Методы

База данных

База данных, которую мы использовали, состояла из 32 видеоклипов, в которых 16 человек говорили ложь в половине из них и правду в другой половине. Все видеоклипы были сняты для игры с высокими ставками. Причина, по которой мы использовали текущий дизайн, заключалась в том, что сигналы для обнаружения обмана могут отличаться от человека к человеку, и то, что обнаруживает одного лжеца, обычно отличается от сигналов, которые раскрывают следующего лжеца (Levine, 2019). Следовательно, сигналы могут отличаться от отправителя к отправителю.Однако один и тот же человек в разных случаях будет демонстрировать почти одинаковую модель выражения лица. Следовательно, относительно идеальные экспериментальные материалы должны быть составлены одним и тем же человеком, который говорит как ложь, так и правду, чтобы исключить или уменьшить вариации, вызванные индивидуальными различиями.

Видеоклипы записывают выражения лиц людей в игровом шоу «Момент истины». Перед шоу конкурсанты прошли проверку на полиграфе, ответив на 50 вопросов.Во время шоу снова был задан 21 такой же вопрос, и конкурсанты должны были ответить на них перед аудиторией студии. По мере продвижения конкурсантов вопросы становились все более личными (например, очень личный вопрос: платили ли вы когда-нибудь за секс?). Если участник дал такой же ответ на вопрос, как и на полиграфе (что означает, что он говорил правду), он переходил к следующему вопросу; ложь (по результатам проверки на полиграфе) или отказ отвечать на вопрос заканчивают игру (см. https: // ru.wikipedia.org/wiki/The_Moment_of_Truth_(American_game_show) для подробностей). Во время игрового шоу большинство людей говорили эмоционально и демонстрировали естественные эмоциональные выражения лиц из-за ситуаций, в которых они находились с высокими ставками. Истинная правда была получена с помощью теста на полиграфе перед шоу, который определял, лгал ли человек или нет. игровое шоу. Между тем ставки в игровом шоу могут быть высокими (максимальный выигрыш от шоу может достигать 500000 долларов США, а признаки обмана будут более явными, чем при отсутствии такого денежного стимула (см. DePaulo et al., 2003).

Участниками были восемь мужчин и восемь женщин, закончивших игру ложью. Таким образом, у каждого участника был хотя бы один лживый видеоклип. Видеоклипы состоят из моментов, когда люди отвечали на вопросы, то есть от конца допроса до конца ответа. Чтобы упростить расчет, мы объединили все видеоклипы, говорящие о правде, для каждого участника в один, и в итоге у нас было по одному видео для каждого типа, правдивого и лживого, для каждого человека.Продолжительность видеоклипов составляет от 3 до 280 с, в среднем 56,6 с. Из-за настройки игрового шоу, согласно которой ложь завершает игру, правдивые видеоклипы были намного длиннее, чем лживые ( означает = 105,5 с для правдивых видео, а означает = 7,8 с для лживых видео). Всего было 50 097 кадров для правдивых видеоклипов и 3689 кадров для лживых видеоклипов. Медиана кадров составляет 199 для лживых видеоклипов и 2 872,5 для правдивых видеоклипов с частотой кадров 30 к / с.

Использование компьютерного зрения для сравнения характеристик видеоклипов, когда люди лгут или говорят правду

Трудно попросить людей найти ключи к обману. Более того, наивные люди-наблюдатели могут быть не в состоянии уловить тонкие различия эмоциональных выражений лица между ложью и правдой. В качестве альтернативы компьютерное зрение может быть более способным сделать это. Мы предложили метод, направленный на использование единого страха для распознавания лживых и честных людей в ситуациях с высокими ставками.

Эмоциональное выражение страха на лице

Сначала мы импортировали видеоклипы в OpenFace (Baltrusaitis et al., 2018) для проведения компьютерного анализа видео. Это программное обеспечение автоматически обнаруживает лицо, локализует лицевой ориентир, выводит координацию ориентиров и распознает лицевые AU. OpenFace может идентифицировать 18 AU. Согласно Фрэнку и Экману (1997), изложение косвенной лжи приводит к появлению таких эмоций, как страх и вина. Поэтому мы сосредоточились на AU страха, т.е.е., AU1, AU2, AU4, AU5, AU20, AU26. Для каждого кадра видео мы получили присутствие (0 или 1) и интенсивность (любое число от 0 до 5) для каждого AU из OpenFace. Как только мы получили информацию AU от OpenFace, мы затем использовали MATLAB для вычисления AU эмоционального выражения страха на лице. Это было сделано путем умножения выходных значений присутствия (0, 1) и значения интенсивности (от 0 до 5) для каждого кадра. Затем мы проанализировали AU с помощью статистического анализа, а также сделали прогнозы классификации с помощью машинного обучения.

Для статистического анализа мы взяли среднее значение каждой ЕД по всем кадрам в одном условии для каждого участника. В итоге мы получили по одному значению AU для каждого состояния для каждого человека. Затем мы загрузили данные для статистического анализа.

Для машинного обучения перед построением модели мы провели повторную выборку данных с помощью SMOTE. SMOTE — это метод избыточной выборки, который решает проблему дисбаланса классов за счет использования интерполяции для увеличения количества экземпляров в классе меньшинства (Chawla et al., 2002). Передискретизация была необходима, потому что данные несбалансированы: правдивые видеоклипы намного длиннее, чем видео обмана, 50 097 кадров против 3689 кадров. Это соответствовало реальной жизни, что ложь не была такой частой по сравнению с правдой, но она все же могла повлиять на надежность и валидность модели.

Затем мы использовали WEKA (Hall et al., 2009), программу машинного обучения, чтобы классифицировать видео на группу правды и группу обмана. Трое разных классификаторов были обучены с помощью 10-кратной процедуры перекрестной проверки.Тремя классификаторами были «Случайный лес», «K-ближайшие соседи» и «Бэггинг». Random Forest работает путем построения множества деревьев решений (что также является лучшим выбором для несбалансированных наборов данных (см. Bruer et al., 2020). K-ближайших соседей (lazy.IBK в WEKA) достигает классификации путем определения ближайших соседей к пример запроса и использование этих соседей для определения класса запроса (Cunningham and Delany, 2004). Bagging — это метод для создания нескольких версий предиктора и их использования для получения агрегированного предиктора (Breiman, 1996).

Продолжительность страха

Мы использовали MATLAB для подсчета продолжительности AU страха (количества кадров, когда соответствующий AU присутствовал). Поскольку частота кадров всех видео была одинаковой, количество кадров могло представлять продолжительность AU. Затем точная продолжительность была получена путем деления общего количества кадров на частоту кадров, то есть 30.

Симметрия движений лица

Beh and Goh (2019) предложили метод обнаружения изменений евклидовых расстояний до лицевых ориентиров для обнаружения микровыражений.Мы использовали расстояния ld1 и rd1, которые представляют собой расстояния между лицевыми ориентирами на левой / правой брови и левом / правом глазу (индекс 20/25 и индекс 40/43, см. Рисунок 1), чтобы исследовать синхронизацию и симметрию между левой и правой бровью. и правильные движения лица. Для этой цели использовалась функция MATLAB Wcohenrence (когерентность вейвлета, значения варьировались от 0 до 1), поскольку эта функция возвращает возведенную в квадрат когерентность вейвлета, которая является мерой корреляции между двумя сигналами (здесь ld1 и rd1) в частотно-временной области.Если движения лица влево и вправо имеют идеальную синхронизацию и симметрию, значение когерентности вейвлета будет равно 1.

Рисунок 1 . 68 лицевых ориентиров и евклидовы расстояния ld1 и rd1.

Сводка обработки данных

Все вышеупомянутые шаги классификации правды или обмана в видеоклипах показаны на рисунке 2. Во-первых, OpenFace обнаружил лицо, локализовал ориентиры, выдал наличие и интенсивность AU.После этого единицы страха, а также индикаторы, используемые для расчета симметрии в каждом кадре как из лживых, так и из правдивых видеоклипов, были объединены в вектор описания движений лица (кадр за кадром). Наконец, на этапе классификации классификаторы Случайного леса, K-ближайших соседей и Бэггинга были обучены различать обман и честность.

Рисунок 2 . Обзор процедуры классификации видеоклипов. Модель, используемая здесь для демонстрации блок-схемы обработки, принадлежит третьему автору.

Результаты

Единицы действия страха могут отличить лжецов от правдивых

Результаты классификации машинного обучения

Весь набор данных был разделен на два подмножества; мы произвольно выбрали данные 12 из 16 участников для построения модели, т. е. данные, собранные от 12 участников (42 954 кадра, 2 999 кадров лжи и остальная часть правды) были использованы для обучения модели; а данные, собранные от оставшихся четырех участников (всего 10 832 кадра, 690 кадров лжи и остальная часть правды), были использованы для проверки того, насколько точной была модель, чтобы делать новые прогнозы.Три классификатора были обучены на наборе данных из 12 участников, чтобы отличать лжецов от рассказчиков правды с использованием векторов признаков AU страха (например, AU01, AU02, AU04, AU05, AU07, AU20 и AU26, пожалуйста, подробнее об AU страха: см. https://imotions.com/blog/facial-action-coding-system/). Все три классификатора, Случайный лес, K-ближайших соседей (IBK) и Бэггинг, были обучены в WEKA с помощью 10-кратной процедуры перекрестной проверки. При построении модели 10-кратная процедура перекрестной проверки разделила все данные от 12 участников на 10 подмножеств, и алгоритмы были обучены на 9 подмножествах и каждый раз тестировались на оставшихся 10-м, повторяя 10 раз.Когда классификатор был развернут на основе 10-кратной перекрестной проверки, он был применен к данным других четырех участников для расчета точности прогноза. Чтобы подчеркнуть относительную важность единиц страха для точности классификации, мы исключили все другие индикаторы, используемые Бехом и Го (2019). В таблице 1 показана эффективность анализа машинного обучения, который был проведен на наборе данных из 12 участников и протестирован на данных остальных 4 участников.

Таблица 1 .Производительность машинного обучения Random Forest, IBK и Bagging.

Таблица 1 показывает процент точности, полученный для набора данных тестирования. В дополнение к точности, в таблице указывается средневзвешенное значение истинно-положительной частоты (частота TP, экземпляры, правильно отнесенные к данному классу), частота ложных срабатываний (частота FP, экземпляры, ошибочно классифицированные как данный класс), значение точности (пропорция экземпляров, которые действительно относятся к классу, деленное на общее количество экземпляров, отнесенных к этому классу), значение отзыва (доля экземпляров, классифицированных как данный класс, деленная на фактическое общее количество в этом классе), F-мера (комбинированная мера точности и отзыв), значение площади кривой точности-отзыва (PRC) (метрики производительности модели, основанные на точности и отзыве) и каппа (которая измеряет соответствие между прогнозируемой и наблюдаемой категоризацией).Подробности этой статистики можно увидеть в Witten et al. (2016).

Кроме того, учитывая, что размер набора данных относительно невелик, мы провели перекрестную проверку с исключением одного человека (LOOCV). LOOCV использует каждого отдельного человека как «тестовый» набор, а оставшийся набор данных как обучающий набор. Рекомендуется для небольших наборов данных. Был применен алгоритм случайного леса. Результаты показали, что средняя точность по-прежнему превышает 90% (среднее значение , = 90,16%, диапазон от 78,74 до 95.78%).

Различия страха между правдой и ложью Видеоклипы

Этот анализ проводился путем изучения статистических различий AU страха между правдивыми и лживыми видеоклипами с помощью парного теста t . Чтобы избежать проблемы множественного тестирования, мы применили поправку Бонферрони и установили значение p равным 0,007. Мы также рассчитали d Коэна для измерения величины эффекта. Результаты представлены в таблице 2. При использовании начальной загрузки значение p для сравнения AU20 в двух группах было равно 0.006 (для AU05 соответствующее значение p равно 0,008). Этот анализ показал, что лжецы и рассказчики правды по-разному выражали страх на лице.

Таблица 2 . Результаты парного t -теста для сравнения средних значений единиц страха между правдивыми и лживыми видеоклипами.

Были более кратковременные проявления страха во время лёжа

Экман (2003) сообщил, что многие люди не могли подавить активность AU20 (растягивание губ по горизонтали) при просмотре видеозаписей людей, лгущих и говорящих правду.Наши результаты, представленные в разделе «Различия между единицами страха между правдивыми и ложными видеоклипами», также обнаружили существенные различия между правдивыми и ложными видеоклипами в значениях 20 австралийских единиц. Следовательно, различия в продолжительности от начала до пика, от пика к смещению и общей продолжительности AU20 между правдивыми видеоклипами (в которых количество AU20 равно 675) и ложными видеоклипами (в которых количество AU20 равно 47). ) были проанализированы с независимыми выборками t -тест, используя бутстрэппинг с 1000 итераций.Результаты показали, что были значительные различия в общей продолжительности и продолжительности от пика до смещения между правдивыми видеоклипами и ложными видеоклипами (20,77 против 15,21 кадра, p = 0,033, размер эффекта = 0,276; 11,35 против 6,98). кадры, p = 0,04, размер эффекта = 0,347). Продолжительность AU20 в лживых видеоклипах была почти на четыре кадра (133 мс) в среднем меньше, чем в правдоподобных видеоклипах, потому что лицевые движения (здесь AU20) исчезали быстрее в положении лежа.На рисунке 3 показано распределение общего количества кадров, кадров от начала до вершины и кадров от вершины до смещения AU20. Медиана составляет 12 в видеороликах, свидетельствующих о правде, и 8 в видеороликах, показывающих ложь. Для лживых видеоклипов 95% доверительный интервал составляет от 10,32 до 20,11 кадра для средней общей продолжительности и от 19,03 до 22,52 кадра для видеороликов, говорящих правду. Было 16 (из 47) AU20, длительность которых была меньше или равна шести кадрам (200 мс, один из общепризнанных пороговых значений, различающих микровыражения и макровыражения) в лежащих видеоклипах, в то время как 145 (из 675) в правдивые видеоклипы.Было 32 AU20 с длительностью ≤ 15 кадров (500 мс, другая граница микровыражения / макровыражения, подробности обсуждаются) в лживых видеоклипах, и соответствующее число — 407 в видеоклипах, говорящих правду.

Рисунок 3 . Скрипичный сюжет для кадров AU20 в правдивых и лживых видеоклипах. IQR, межквартильный размах. * статистически значимые ( p <0,05) различия между ложью и правдой.

Асимметрия движений лица была более заметной при лжи, чем при правде

Мы вычислили ld1 и rd1, расстояние между ориентирами лица, предсказанными для левой брови и левого глаза, и расстояние между метками, предсказанными для правой брови и правого глаза (Beh and Goh, 2019) в каждом кадре.Эти два расстояния представляли движения левой и правой бровей. Затем мы использовали функцию MATLAB Wcohenrence (когерентность вейвлета) для измерения корреляции между ld1 и rd1 в каждом видео. Если бы движения были точно симметричными (например, они имеют одно и то же время начала, достигают вершины в одно и то же время и исчезают в одно и то же время), согласованность между ld1 и rd1 была бы 1. Любая асинхронность привела бы к согласованности значение <1, при этом меньшее значение когерентности указывает на большую асимметрию.На рисунке 4 показана последовательность вейвлетов в правдивых и лживых видеоклипах.

Рисунок 4 . Квадратная когерентность вейвлета между ld1 и rd1 в ситуациях лжи ( левая панель ) и правдивых ( правая панель ). Относительное фазовое соотношение показано в виде стрелок (стрелка вправо указывает отставание 0; стрелка в правом нижнем углу указывает небольшое опережение ld1; стрелка влево указывает, что ld1 и ld2 антикоррелированы).

Выходы когерентности для каждого игрока (т.е., среднее значение когерентности между ld1 и rd1) затем были импортированы в тест перестановки (подробности см. по следующей ссылке: https://github.com/lrkrol/permutationTest) для сравнения различий асимметрии между ложью и истиной. показательная ситуация. Перестановочные тесты предоставляют элегантные способы управления общей ошибкой типа I и не требуют распространения. Результаты показали, что ситуации лжи и правды вызывают разную согласованность в выражениях лица (средства согласованности равны 0.7083 и 0,8096, p = 0,003, размер эффекта = 1,3144).

Обсуждение

Текущее исследование подтвердило предсказание теории утечки информации о том, что утечка страха может отличить ложь от правды. Результаты машинного обучения показали, что эмоциональные выражения страха на лице могут отличать ложь от правды в игровом шоу с высокими ставками; парные сравнения показали значительные различия между ложью и правдой в значениях AU20 страха (AU5 незначительно).Результаты подтвердили и две другие гипотезы. Продолжительность ЕД страха при лжи была короче, чем при сообщении правды, с более короткой общей продолжительностью и продолжительностью от пика до компенсации, равной 20 ЕД страха при лжи, по сравнению с сообщением правды. Третья гипотеза предсказывала, что симметрия лицевых движений будет иной, и результаты показали, что лицевые движения были более асимметричными в ситуациях лжи, чем в ситуациях, говорящих правду.

В текущем исследовании использование машинного обучения классифицирует обман и честность.Он восполнил недостатки человеческого кодирования и успешно обнаружил тонкие различия между ложью и правдой. Между тем была предложена объективная мера асимметрии. Насколько нам известно, это первый объективный метод измерения асимметрии движений лица. Используя эти методы, мы смогли найти разницу между ложью и правдой, что является предпосылкой для поиска улик обмана.

Подход машинного обучения может иметь некоторые недостатки.Например, LOOCV рекомендуется для небольших наборов данных, подобных тому, что мы имеем в текущем исследовании. Однако это дало более высокую дисперсию, чем 10-кратная перекрестная проверка. Причина такой высокой дисперсии может заключаться в том, что обучающие наборы данных в LOOCV имеют большее перекрытие (каждая модель была обучена на почти идентичном наборе данных), из-за чего выходные данные из разных складок сильно коррелировали друг с другом и, следовательно, увеличивали общую дисперсию ( среднее значение многих сильно коррелированных величин имеет более высокую дисперсию, чем среднее значение многих величин, которые не столь сильно коррелированы (см. James et al., 2013, с.185). В наших данных дисперсия была представлена ​​как разные уровни точности, когда разные участники были исключены из обучающей выборки; например, точность 78,74%, когда участник 14 был исключен, по сравнению с 95,78%, когда участник 11 был исключен. Bengio и Grandvalet (2004) утверждали, что, когда независимые оценки при перекрестной проверке были коррелированы, корреляция, отвечающая за общее увеличение дисперсии, может увеличиваться с K при перекрестной проверке в K раз, при этом исключение одного значения является крайний случай, когда K равно количеству точек данных.В нашем наборе данных, учитывая аналогичную процедуру, каждый человек генерирует одно и то же выражение лица, весьма вероятно, что обучающие наборы сильно коррелированы. Дальнейшие исследования с большим размером выборки уменьшили бы эту дисперсию.

Утечка эмоций может быть сигналом обмана, но это не обман как таковой . Однако они тесно связаны с обманом. Как показывают результаты, правдивые люди тоже испытывают страх. Однако динамика переживаемого страха перед правдивыми людьми сильно отличалась от таковой у лжецов.Таким образом, эмоцию страха можно рассматривать как «горячую точку» обмана. Поиск невербальных «горячих точек» индивидов удовлетворяет требованиям быстрой оценки. Некоторые другие подходы к обнаружению обмана, например активность мозга, не могут обеспечить результаты в реальном времени (Vrij and Fisher, 2020). Результаты показали, что «горячие точки» — эмоциональные выражения страха — могут различать правдивые и вводящие в заблуждение сообщения с разумным уровнем точности. Используя машинное обучение, мы достигли более высокой точности (более 80%), чем средняя точность, достигаемая людьми (54%, см. Bond and DePaulo, 2006).Кроме того, мы провели исследование по обнаружению обмана людей (Ню, 2021 г.), в котором были показаны видеоклипы первого и последнего честного ответа (оба — от конца допроса до конца ответа. Мы изменили продолжительность правдивых видеоклипов, чтобы продолжительность лжи и правдивых видеоклипов была почти одинаковой), лживые видеоклипы одинаковы. В исследовании приняли участие 30 студентов колледжа. Точность обнаружения лжи составила 0,34; для видеоклипов с низкими ставками, говорящих о правде (первый честный ответ), точность определения правды составляла 0.69, а для видеоклипов с высокой ставкой правды (последний честный ответ) точность определения правды составила 0,64, а среднее значение обнаружения обмана — 0,50. Результаты снова показали, что точность обнаружения человеческого обмана была на уровне случайностей. Помимо точности, AU страха (AU20) оказала большое влияние на различение лжи от правды.

Ложь с высокой ставкой использовалась в некоторых предыдущих исследованиях. Например, Врай и Манн (2001) использовали видео из СМИ, где члены семьи пропавших без вести объявили о пропаже своих близких и просили о помощи.В этих видеороликах одни дикторы говорили правду, в то время как другие скрывали правду о том, что люди, пропавшие без вести, были убиты самими дикторами. Одним из недостатков материалов такого типа является то, что исследователи не будут иметь доступа к правде и, следовательно, не смогут с уверенностью сказать, лжет он или нет. Наш набор данных состоит из видео обмана с высокими ставками из реального игрового шоу, в которых правдивость утверждений подтверждается тестом на полиграфе.Это может помочь нам достичь относительно высокой экологической значимости и внутренней значимости. Учитывая споры о надежности тестов на полиграфе, в будущих исследованиях можно использовать материалы, в которых правда будет дополнительно подтверждена. Одним из примеров может служить игровое шоу Golden Balls, в котором используется настройка дилеммы заключенного, и истина становится очевидной после того, как кто-то принимает решение в игре (см. Van den Assem et al., 2012).

Были ли выражения лиц в видеоклипах лежа все микровыражения, длящиеся <0.2 с? Текущие результаты общей продолжительности показали, что AU20 в среднем длится 20,77 кадра, то есть 692 мс, в правдивых видеоклипах; и 15,21 кадра, то есть 507 мс, в клипах лежа. 95% доверительные интервалы общей продолжительности составляли от 19,03 до 22,52 кадра (634–751 мс), когда говорили правду, и от 10,32 до 20,11 кадра (344 мс ~ 670 мс) во время лжи. В текущем исследовании на среднее значение повлияли экстремальные значения или выбросы (см. Рисунок 3). Таким образом, мы использовали медианное значение, которое могло быть более подходящей статистикой для продолжительности.Средняя продолжительность видеороликов, говорящих о правде, составляла 12 (400 мс), а для видеороликов с ложью - 8 (267 мс). Хотя продолжительность (частичного) страха была короче в видеоклипах лжи, чем в видеоклипах, говорящих правду, большая часть продолжительности лжи не укладывалась в пределы традиционной продолжительности микровыражений, то есть <200 мс (см. Shen et al. ., 2012). Было около 1/3 AU20, длительность которых была меньше или равна шести кадрам (200 мс) в лежащих видеоклипах, и только 1/5 из них в видеоклипах, говорящих правду, были меньше или равны шести кадрам.Используя 500 мс в качестве границы между микровыражениями и макровыражениями (см. Matsumoto and Hwang, 2018), почти 2/3 выражений лица могли быть названы в честь микровыражений. Результаты показали, что просочившиеся эмоциональные выражения лица в реальной жизни были намного дольше (продолжительность максимума просочившихся эмоциональных выражений лица была бы <200 мс). Независимо от того, какова продолжительность, и является ли выражение лица микровыражением или нет, продолжительность выражений лица была значительно короче в видеороликах лжи, чем в видеороликах, говорящих о правде.

Взятые вместе, наши результаты показали, что обман можно обнаружить, используя эмоциональные выражения страха на лице в ситуациях с высокими ставками. Ложь в ситуациях с высокими ставками приведет к утечке выражения страха на лице. Продолжительность страха значительно различалась в условиях лжи и правды. Кроме того, движения лица более асимметричны, когда человек лжет, чем когда он говорит правду.

Наши результаты показали, что внимание к динамическим характеристикам страха (таким как симметрия и продолжительность) может улучшить способность людей отличать лжецов от правдивых.Кроме того, подход машинного обучения может быть использован для обнаружения обманчивого поведения в реальном мире, особенно тех, которые связаны с высокими ставками в ситуациях, когда генерируются сильные эмоции, связанные с попытками нейтрализовать, замаскировать или имитировать такие эмоции (аналогичная работа выполняется в проект iBorderCtrl, см. Crampton, 2019). Конечно, количество участников (16) в текущем наборе данных было относительно небольшим, что могло ограничить обобщение результатов. Мы рассматриваем текущие работы как предварительную разведку.

Согласно некоторым исследованиям метаанализа, расширение зрачка и высота речи в значительной степени связаны с обманом (Zuckerman et al., 1981; DePaulo et al., 2003; Levine, 2019). Эти сигналы также тесно связаны с утечкой. Результаты Bradley et al. (2008) указали, что изменения зрачка были больше при просмотре эмоционально возбуждающих картинок, которые также были связаны с повышенной симпатической активностью. При честном и обманчивом взаимодействии тон речи будет разным (Ekman et al., 1976; Цукерман и др., 1981). В будущих исследованиях следует рассмотреть все эти просочившиеся улики или «горячие точки» обмана.

Заявление о доступности данных

Оригинальные материалы, представленные в исследовании, включены в статью, набор данных, используемый в текущем исследовании, может быть получен по запросу от первого автора ([email protected]).

Заявление об этике

Исследования с участием людей были рассмотрены и одобрены институциональным наблюдательным советом (IRB) Университета традиционной китайской медицины Цзянси.Пациенты / участники предоставили письменное информированное согласие на участие в этом исследовании. Письменное информированное согласие было получено от человека (лиц) на публикацию любых потенциально идентифицируемых изображений или данных, включенных в эту статью.

Авторские взносы

XS задумал исследование, провел эксперименты, проанализировал данные, написал статью и получил финансирование. GF проанализировал данные и отредактировал рукопись. ZC проанализировал данные. CN предоставила материалы, использованные в данном исследовании.Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Это исследование частично поддержано грантами Национального фонда естественных наук Китая (№ 31960180, 32000736, 31460251), Планируемого проекта социальных наук в провинции Цзянси (№ 18JY24) и проекта 1050 молодых специалистов. отметка таланта Университета традиционной китайской медицины Цзянси (№ 5141

0, 1141

0).

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Список литературы

Бейкер А., Блэк П. Дж. И Портер С. (2016). «10. Правда написана на твоем лице! непроизвольные аспекты эмоциональных выражений лица », в Выражение эмоций: философские, психологические и юридические перспективы , ред. С. Абелл и Дж. Смит (Нью-Йорк, Нью-Йорк: издательство Кембриджского университета), 219–244.

Google Scholar

Балтрусайтис, Т., Заде, А., Лим, Ю.С., и Моренси, Л.-П. (2018). «Openface 2.0: набор инструментов для анализа поведения лиц» в документе , представленном на 13-й Международной конференции IEEE 2018 г. по автоматическому распознаванию лиц и жестов (FG 2018) (Сиань).

Google Scholar

Баратхи, С. С. (2016). Обнаружение лжи на основе микровыражения лица, языка тела и анализа речи. Внутр. J. Eng. Res. Технол . 5, 337–343. DOI: 10.17577 / IJERTV5IS020336

CrossRef Полный текст | Google Scholar

Бартлетт, М.С., Литтлворт, Г.С., Франк, М.Г., и Ли, К. (2014). Автоматическое декодирование движений лица выявляет обманчивые выражения боли. Curr. Биол . 24, 738–743. DOI: 10.1016 / j.куб.2014.02.009

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Бех, К. X., и Го, К. М. (2019). «Определение микровыражений с использованием лицевых ориентиров» в документе , представленном на 15-м Международном коллоквиуме IEEE 2019 по обработке сигналов и ее приложениям (CSPA) (Пенанг).

Google Scholar

Бенжио Ю. и Грандвалет Ю. (2004). Отсутствует объективная оценка дисперсии перекрестной проверки в k раз. J. Mach. Учиться. Res .5, 1089–1105. DOI: 10.5555 / 1005332.1044695

CrossRef Полный текст | Google Scholar

Бонд, К. Ф. младший, и Де Пауло, Б. М. (2006). Точность суждений об обмане. чел. Soc. Psychol. Ред. . 10, 214–234. DOI: 10.1207 / s15327957pspr1003_2

CrossRef Полный текст | Google Scholar

Брэдли М. М., Микколи Л., Эскриг М. А. и Ланг П. Дж. (2008). Ученик как мера эмоционального возбуждения и вегетативной активации. Психофизиология 45, 602–607.DOI: 10.1111 / j.1469-8986.2008.00654.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Брюер, К. К., Занетт, С., Динг, X. П., Лион, Т. Д., и Ли, К. (2020). Выявление лжецов с помощью автоматической расшифровки мимики детей. Детский разработчик . 91, e995 – e1011. DOI: 10.1111 / cdev.13336

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Бакли, Дж. П. (2012). Исследователям обнаружения обмана необходимо сотрудничать с опытными практиками. J. Appl. Res. Mem. Cogn . 1, 126–127. DOI: 10.1016 / j.jarmac.2012.04.002

CrossRef Полный текст | Google Scholar

Бургун, Дж. К. (2018). Мнение: микровыражения — не лучший способ поймать лжеца. Фронт. Психол . 9: 1672. DOI: 10.3389 / fpsyg.2018.01672

CrossRef Полный текст | Google Scholar

Чавла, Н. В., Бойер, К. В., Холл, Л. О., и Кегельмейер, В. П. (2002). SMOTE: метод передискретизации синтетического меньшинства. Дж.Искусственный интеллект. Res . 16, 321–357. DOI: 10.1613 / jair.953

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Каннингем П. и Делани С. Дж. (2004). k-Классификаторы ближайшего соседа. arXiv. arXiv: 2004.04523.

Google Scholar

Denault, V., Dunbar, N.E., Plusquellec, P. (2020). Обнаружение обмана во время судебного разбирательства: игнорирование невербального общения свидетелей не является решением проблемы — это ответ на Vrij and Turgeon (2018). Внутр. J. Evid. Док. 24, 3–11. DOI: 10.1177 / 1365712719851133

CrossRef Полный текст | Google Scholar

ДеПауло, Б. М., Линдси, Дж. Дж., Мэлоун, Б. Э., Мюленбрук, Л., Чарльтон, К., и Купер, Х. (2003). Подсказки к обману. Psychol. Бык . 129, 74–118. DOI: 10.1037 / 0033-2909.129.1.74

CrossRef Полный текст | Google Scholar

Экман П. (2003). Дарвин, обман и выражение лица. Ann. Акад. Sci . 1000, 205–221.DOI: 10.1196 / анналы.1280.010

CrossRef Полный текст | Google Scholar

Экман П. и Фризен В. В. (1969). Невербальная утечка и ключи к обману. Психиатрия . 32, 88–106. DOI: 10.1080 / 00332747.1969.11023575

CrossRef Полный текст | Google Scholar

Экман П. и Фризен В. В. (1976). Измерение движений лица. Environ. Psychol. Невербальное поведение . 1, 56–75. DOI: 10.1007 / BF01115465

CrossRef Полный текст | Google Scholar

Экман, П., Friesen, W. V., and Scherer, K. R. (1976). Движение тела и высота голоса в обманчивом взаимодействии. Semiotica 16, 23–27. DOI: 10.1515 / semi.1976.16.1.23

CrossRef Полный текст | Google Scholar

Франк, М. Г., и Экман, П. (1997). Способность обнаруживать обман распространяется на различные типы лжи с высокими ставками. J. Pers. Soc. Психол . 72, 1429–1439. DOI: 10.1037 / 0022-3514.72.6.1429

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Франк, М.Г., Экман П. и Фризен В. В. (1993). Поведенческие маркеры и узнаваемость улыбки наслаждения. J. Pers. Soc. Психол . 64, 83–93. DOI: 10.1037 / 0022-3514.64.1.83

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Холл М., Франк Э., Холмс Г., Пфарингер Б., Ройтеманн П. и Виттен И. Х. (2009). Программное обеспечение интеллектуального анализа данных WEKA: обновление. ACM SIGKDD Explor. Информационный бюллетень . 11, 10–18. DOI: 10.1145 / 1656274.1656278

CrossRef Полный текст | Google Scholar

Хартвиг, М., и Бонд, К. Ф. младший (2014). Обнаружение лжи по нескольким подсказкам: метаанализ. Заявл. Cogn. Психол . 28, 661–676. DOI: 10.1002 / acp.3052

CrossRef Полный текст | Google Scholar

Херли, К. М., и Фрэнк, М. Г. (2011). Осуществление лицевого контроля в ситуациях обмана. Дж. Невербальное поведение . 35, 119–131. DOI: 10.1007 / s10919-010-0102-1

CrossRef Полный текст | Google Scholar

Джеймс, Г., Виттен, Д., Хасти, Т., и Тибширани, Р.(2013). Введение в статистическое обучение. Нью-Йорк, Нью-Йорк: Спрингер.

Google Scholar

Левин Т. Р. (2018). Научные доказательства и теории подсказок в исследованиях обмана: согласование результатов метаанализа и первичных экспериментов. Внутр. Дж. Коммуна . 12, 2461–2479.

Google Scholar

Левин Т. Р. (2019). Обманутые: теория неисполнения правды и социальные науки лжи и обмана . Таскалуса, Алабама: Издательство Университета Алабамы.

Google Scholar

Мацумото Д. и Хван Х. С. (2020). Группы невербального поведения различают правду и ложь о будущих злых умыслах в собеседованиях по проверке контрольно-пропускных пунктов. Психиатрия Психология . Закон 1–16. DOI: 10.1080 / 13218719.2020.1794999

CrossRef Полный текст | Google Scholar

Ниу, К. (2021 г.). Построение базы данных обмана с высокой экологической достоверностью (магистерская работа). Университет китайской медицины Цзянси, Наньчан, Китай.

Google Scholar

Портер, С., и Тен Бринке, Л. (2008). Чтение между ложью: определение скрытых и фальсифицированных эмоций в универсальных выражениях лица. Psychol. Sci . 19, 508–514. DOI: 10.1111 / j.1467-9280.2008.02116.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Портер С., тен Бринке Л., Бейкер А. и Уоллес Б. (2011). Хотел бы я соврать тебе? «Утечка» в обманчивых выражениях лица связана с психопатией и эмоциональным интеллектом. чел. Индивидуальный. Diff . 51, 133–137. DOI: 10.1016 / j.paid.2011.03.031

CrossRef Полный текст | Google Scholar

Портер, С., Тен Бринке, Л., и Уоллес, Б. (2012). Секреты и ложь: непроизвольная утечка ложных выражений лица в зависимости от эмоциональной напряженности. Дж. Невербальное поведение . 36, 23–37. DOI: 10.1007 / s10919-011-0120-7

CrossRef Полный текст | Google Scholar

Шэнь, X., Ву, Q., и Фу, X. (2012). Влияние продолжительности выражения на распознавание микровыражений. J. Zhejiang Univ. Sci. В 13, 221–230. DOI: 10.1631 / jzus.B1100063

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Slowe, T. E., and Govindaraju, V. (2007). «Автоматическая индикация обмана с помощью надежных выражений лица» в документе , представленном на семинаре IEEE 2007 года по передовым технологиям автоматической идентификации (Альгеро).

Google Scholar

Су, Л., и Левин, М. (2016). Врет ли вам «солгать мне»? Оценка лицевых ключей к обману с высокими ставками. Сост. Vis. Понимание изображений . 147, 52–68. DOI: 10.1016 / j.cviu.2016.01.009

CrossRef Полный текст | Google Scholar

Тен Бринке, Л., Макдональд, С., Портер, С., и О’Коннор, Б. (2012a). Крокодиловы слезы: поведение на лице, словах и языке тела, связанное с подлинным и сфабрикованным раскаянием. Law Hum. Поведение . 36, 51–59. DOI: 10,1037 / h0093950

PubMed Аннотация | CrossRef Полный текст | Google Scholar

ten Brinke, L., and Porter, S.(2012). Плачь меня рекой: определение поведенческих последствий межличностного обмана с чрезвычайно высокими ставками. Law Hum. Поведение . 36, 469–477. DOI: 10,1037 / h0093929

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тен Бринке, Л., Портер, С., и Бейкер, А. (2012b). Детектив Дарвин: наблюдаемые сокращения лицевых мышц раскрывают эмоциональную ложь с высокими ставками. Evol. Гм. Поведение . 33, 411–416. DOI: 10.1016 / j.evolhumbehav.2011.12.003

CrossRef Полный текст | Google Scholar

Ван ден Ассем, М.Дж., Ван Долдер Д. и Талер Р. Х. (2012). Разделить или украсть? Кооперативное поведение при больших ставках. Manag. Sci . 58, 2–20. DOI: 10.1287 / mnsc.1110.1413

CrossRef Полный текст | Google Scholar

Врий, А. (2004). «13 рекомендаций по поимке лжеца», в Обнаружение обмана в судебно-медицинском контексте , ред. П. А. Гранхаг и Л. А. Стрёмвалл (Кембридж: Cambridge University Press), 287.

Google Scholar

Vrij, A., Akehurst, L., Soukara, S., и Bull, R. (2006). Выявление обмана посредством анализа вербального и невербального поведения детей и взрослых. Hum. Commun. Res . 30, 8–41. DOI: 10.1111 / j.1468-2958.2004.tb00723.x

CrossRef Полный текст | Google Scholar

Врай А., Эдвард К., Робертс К. П. и Булл Р. (2000). Обнаружение обмана с помощью анализа вербального и невербального поведения. Дж. Невербальное поведение . 24, 239–263. DOI: 10.1023 / A: 1006610329284

CrossRef Полный текст | Google Scholar

Врий, А., и Манн, С. (2001). Кто убил моего родственника? Способность полицейских обнаруживать реальную ложь с высокими ставками. Psychol. Закон о преступности 7, 119–132. DOI: 10.1080 / 10683160108401791

CrossRef Полный текст | Google Scholar

Виттен И. Х., Франк Э., Холл М. А. и Пал К. Дж. (2016). Интеллектуальный анализ данных: практические инструменты и методы машинного обучения , 4 изд. Кембридж, Массачусетс: Морган Кауфманн.

Google Scholar

Райт Уилан, К., Вагстафф, Г., и Уиткрофт, Дж. М. (2015). Ложь на высоких ставках: точность обнаружения обмана со стороны полиции и не полицейских. Psychol. Закон о преступности 21, 127–138. DOI: 10.1080 / 1068316X.2014.935777

CrossRef Полный текст | Google Scholar

Райт Уилан, К., Вагстафф, Г. Ф., и Уиткрофт, Дж. М. (2014). Ложь с высокими ставками: вербальные и невербальные сигналы обмана в публичных обращениях за помощью с пропавшими без вести или убитыми родственниками. Psychiatry Psychol. Закон 21, 523–537. DOI: 10.1080 / 13218719.2013.839931

CrossRef Полный текст | Google Scholar

Ву З., Сингх Б., Дэвис Л. и Субрахманян В. (2018). «Обнаружение обмана в видео », в статье , представленной на конференции AAAI по искусственному интеллекту (Новый Орлеан, Луизиана).

Google Scholar

Чжан З., Сингх В., Слоу Т. Е., Туляков С. и Говиндараджу В. (2007). «Автоматическое обнаружение обмана по непроизвольным выражениям лица в реальном времени», в документе , представленном на конференции IEEE 2007 года по компьютерному зрению и распознаванию образов (Миннеаполис, Миннесота).

Google Scholar

Цукерман М., ДеПауло Б. М. и Розенталь Р. (1981). «Вербальная и невербальная коммуникация обмана», в Достижения экспериментальной социальной психологии , Vol. 14, ред. С. М. Миллер и Б. Леонард (Нью-Йорк, Нью-Йорк: Academic Press), 1–59.

Google Scholar

Использование науки о данных, чтобы определить, кто из этих людей лжет: NewsCenter

22 мая 2018 г.

Исследователи из лаборатории компьютерного ученого Эхсана Хока создали игру, которая позволила им проанализировать более 1 миллиона кадров выражений лица, что на сегодняшний день является крупнейшим набором видеоданных для понимания того, как определить, лжет ли кто-то.(Фото из Рочестерского университета / Дж. Адам Фенстер)

Кто-то ерзает в длинной очереди у ворот службы безопасности аэропорта. Может ли наука о данных сказать нам, почему? Этот человек просто нервничает из-за ожидания?

Или это пассажир, которому есть что скрывать?

Даже высококвалифицированные сотрудники службы безопасности аэропорта Администрации транспортной безопасности (TSA) все еще с трудом понимают, лжет ли кто-то или говорит правду, несмотря на миллиарды долларов и годы исследований, которые были потрачены на эту тему.

Теперь исследователи из Рочестерского университета используют науку о данных и онлайн-платформу краудсорсинга под названием ADDR (Automated Dyadic Data Recorder), чтобы углубить наше понимание обмана на основе мимических и вербальных сигналов.

Они также надеются свести к минимуму случаи расового и этнического профилирования, которое, как утверждают критики TSA, происходит, когда пассажиров отводят в сторону в рамках программы агентства по проверке пассажиров методами наблюдения (SPOT).

«По сути, наша система похожа на Skype на стероидах», — говорит Тай Сен, аспирант лаборатории Эхсана Хока, доцента информатики.Сен тесно сотрудничал с Камрулом Хасаном, другим аспирантом в группе, над двумя статьями в IEEE Automated Face and Gesture Recognition и Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies. В документах описывается структура, которую лаборатория использовала для создания крупнейшего на данный момент общедоступного набора данных об обмане, и объясняется, почему одни улыбки более лживы, чем другие.

Наука об играх и данных раскрывает правду, скрывающуюся за улыбкой

Вот как работает ADDR: два человека подписываются на Amazon Mechanical Turk, краудсорсинговом интернет-рынке, который подбирает людей для задач, которые компьютеры в настоящее время не могут выполнять.На видео один человек назначается описывающим, а другой — допрашивающим.

Дескриптору показывается изображение, и ему предлагается запомнить как можно больше деталей. Компьютер инструктирует описывающего либо солгать, либо сказать правду о том, что он только что увидел. Допрашивающий, не знакомый с инструкциями для описывающего, затем задает описывающему ряд базовых вопросов, не относящихся к изображению. Это делается для выявления индивидуальных поведенческих различий, которые можно использовать для разработки «персонализированной модели».Обычные вопросы включают: «Во что вы были одеты вчера?» — вызвать психическое состояние, связанное с восстановлением воспоминаний — и «сколько 14 умножить на 4?» — вызвать психическое состояние, соответствующее аналитической памяти.

Сыграйте в игру: Сможете ли вы сказать, кто лжет?

«Часто люди склонны выглядеть определенным образом или показывать какое-то выражение лица, когда они что-то вспоминают», — сказал Сен. «И когда им задают вычислительный вопрос, у них появляется другое выражение лица.”

Это также вопросы, на которые у свидетеля не будет стимула лгать, и которые служат основой для «нормальных» ответов этого человека при честном ответе.

И, конечно же, есть вопросы по самому изображению, на которые свидетель дает правдивый или нечестный ответ.

Весь обмен записан на отдельном видео для последующего анализа с использованием науки о данных.

1 миллион лиц

Преимущество такого подхода к краудсорсингу заключается в том, что он позволяет исследователям подключиться к гораздо большему кругу участников исследования и собирать данные гораздо быстрее, чем это могло бы произойти, если бы участников пришлось привести в лабораторию, говорит Хок.По его словам, отсутствие стандартизированного и последовательного набора данных с достоверной достоверной информацией стало серьезным препятствием для исследований обмана. С помощью структуры ADDR исследователи собрали 1,3 миллиона кадров выражений лиц 151 пары людей, играющих в игру, за несколько недель усилий. В лаборатории ведется сбор дополнительных данных.

Наука о данных позволяет исследователям быстро анализировать все эти данные новыми способами. Например, они использовали программное обеспечение для автоматического анализа черт лица, чтобы определить, какие единицы действия использовались в данном кадре, и присвоить каждому числовой вес.

Затем исследователи использовали метод неконтролируемой кластеризации — метод машинного обучения, который может автоматически находить закономерности без присвоения заранее определенных ярлыков или категорий.

«В нем говорилось, что существует пять типов« лиц », связанных с улыбкой, которые люди делают, отвечая на вопросы, — сказал Сен. С ложью чаще всего ассоциировалась высокоинтенсивная версия так называемой улыбки Дюшенна, в которой задействованы мышцы щек / глаз и рта. Это согласуется с теорией «наслаждения обманом», согласно которой «когда вы обманываете кого-то, вы, как правило, находите от этого удовольствие», — объяснил Сен.

Еще более загадочным было открытие, что честные свидетели часто сжимали глаза, но не улыбались ртом вообще. «Когда мы вернулись и воспроизвели видео, мы обнаружили, что это часто происходило, когда люди пытались вспомнить, что было на изображении», — сказал Сен. «Это показало, что они концентрировались и пытались честно вспомнить».

Улыбка Дюшенна — улыбка, которая распространяется на глазные мышцы — чаще всего ассоциируется с ложью.
(фото Рочестерского университета / Дж.Адам Фенстер)

Свидетели, отвечающие честно, часто сужают глаза, пытаясь правдиво вспомнить информацию.
(фото Рочестерского университета / Дж. Адам Фенстер)

Следующие шаги

Так будут ли эти данные науки подсказывать лжецам просто изменить выражение лица?

Вряд ли. Характерная сильная улыбка Дюшенна, связанная с ложью, включает в себя «мышцу щеки, которую вы не можете контролировать», — говорит Хок.«Это непроизвольно».

Исследователи в области науки о данных говорят, что они только прикоснулись к потенциальным выводам на основе собранных данных.

Хок, например, заинтригован тем фактом, что следователи неосознанно пропускают уникальную информацию, когда им лгут. Например, следователи демонстрируют более вежливую улыбку, когда им лгут. Кроме того, следователь с большей вероятностью ответит улыбкой лживому свидетелю, чем рассказчику правды. Хотя необходимо провести дополнительные исследования, очевидно, что изучение данных следователей дает полезную информацию и может иметь значение для подготовки офицеров TSA.

«Существуют также возможности использования языка для дальнейшего расшифровки неоднозначности в микровыражениях». — говорит Хасан. Хасан в настоящее время исследует это пространство.

«В конце концов, мы по-прежнему хотим, чтобы окончательное решение принимали люди», — говорит Хок. «Но во время допроса важно предоставить им некоторые объективные показатели, которые они могли бы использовать для дальнейшего обоснования своих решений».

Куртис Хаут, Захари Тейчер, Минь Тран, Мэтью Левин и Иминь Ян — все студенты лаборатории Хоке — также внесли свой вклад в исследование.

Теги: Data Science, Департамент компьютерных наук, Ehsan Hoque, Feature-post-side, Школа инженерных и прикладных наук Хаджима, результаты исследования

Категория : Наука и технологии

Как определить, лжет ли вам кто-то, по мнению экспертов

Все люди обладают способностью лгать. И многие из нас так и делают — многочисленные исследования показали, что в среднем американцы лгут одну-две лжи в день.К счастью, эксперты говорят, что есть способы обнаружить признаки неправды.

Чтобы идентифицировать выдумку, сначала нужно иметь базовый уровень того, как кто-то действует, когда он честен, — говорит Трейси Браун, эксперт по языку тела и автор книги Как распознать ложь, мошенничество и кражу личных данных: практическое руководство. Например, посмотрите, как кто-то отвечает на такой простой вопрос, как «Откуда вы?» Куда уходят их глаза? Как звучит их голос?

После того, как вы определили этот базовый уровень, обратите внимание на изменения в поведении по четырем различным категориям: движения тела, выражения лица, тон голоса и содержание речи, — говорит д-р.Лилиан Гласс, автор книги «Язык тела лжецов». « Это коды связи», — говорит она.

Знаки, однако, не надежны — если кому-то неудобно на своем месте, он может ерзать; если кто-то нервничает, его голос может сорваться.

«В медицинском сообществе, и, конечно, в области психического здоровья, ведутся споры о том, какие надежные подсказки по языку тела могут указывать на то, что кто-то лжет», — говорит д-р.Гэри Браун, лицензированный семейный и супружеский терапевт из Лос-Анджелеса. Наше собственное восприятие может препятствовать нашей способности правильно интерпретировать знаки, добавляет доктор Дженни Тайц, клинический психолог из Лос-Анджелеса. «Трудно правильно интерпретировать кого-то с помощью языка тела, потому что кто-то может чувствовать напряжение или выглядеть обеспокоенным по многим причинам», — говорит она. «Например, легко вообразить уклонение от зрительного контакта, поскольку люди часто ассоциируют ложь с ложью по любому количеству причин: от социальной тревожности до скуки и стыда, потому что вы знаете, что лжете.Мы не всегда умеем читать других, как думаем ».

Тем не менее, есть сигналы, на которые проверенные эксперты по языку тела советуют следить.

Body Cues

Руки: Лжецы обычно используют жесты руками после они говорят, а не во время или до разговора, говорит Трейси Браун, которая участвовала в программе обучения обману с членами ФБР и иногда помогает в расследовании.«Разум делает слишком много вещей, в том числе придумывает историю, выясняет, верят ли им, и соответственно дополняет историю», — говорит она. «Так нормальное жесты, которое обычно может происходить непосредственно перед тем, как заявление происходит после утверждения».

В исследовании 2015 года, проведенном Мичиганским университетом, было проанализировано 120 медиа-роликов о судебных делах с высокими ставками, чтобы понять, как люди ведут себя, когда лгут, а не когда говорят правду. Исследование показало, что те, кто лгут, чаще жестикулируют и руками, чем те, кто говорит правду — люди жестикулируют обеими руками в 40% лживых роликов по сравнению с 25% правдивых роликов. .

Когда люди ведут себя нечестно, они также склонны смотреть ладонями подальше от вас, — говорит Трейси Браун, которая регулярно выступает с основными докладами в финансовых учреждениях, чтобы помочь им обнаружить и предотвратить мошенничество. По ее словам, это бессознательный сигнал о том, что они скрывают информацию, эмоции или даже лгут. «Они могут положить их в карманы или даже спрятать под столом».

Зуд и ерзание : покачивание туловищем взад и вперед, наклон головы в сторону или шарканье ног также могут быть признаками обмана, говорит Гласс, который закончил докторскую стажировку в Калифорнийском университете в Лос-Анджелесе, специализируясь на психологии, словесности и психологии. Невербальная коммуникация.По ее словам, колебания вегетативной нервной системы, которая регулирует функции организма, также могут иметь влияние. «Когда люди нервничают, эти колебания в нервной системе могут побуждать людей чувствовать зуд или покалывание в теле, что, в свою очередь, может вызвать еще большее беспокойство», — объясняет она.

Исследование, проведенное профессором психологии Калифорнийского университета в Лос-Анджелесе Р. Эдвардом Гейзельманом, пришло к аналогичному выводу, обнаружив, что люди, будучи нечестными, склонны демонстрировать «ухоженное поведение», например, играть с волосами.

Сигналы для лица

Глаза: Кто-то, кто лжет, может смотреть или отводить взгляд в решающий момент, говорит Гласс, — возможный признак того, что они двигают глазами, пытаясь подумать, что сказать дальше. .

Исследование, проведенное Гейзельманом в Калифорнийском университете в Лос-Анджелесе, подтвердило это, обнаружив, что люди иногда ненадолго отворачиваются, когда лгут. Исследование, проведенное в 2015 году Мичиганским университетом, также показало, что те, кто лгали, чаще смотрели на них, чем те, кто говорил правду — настолько, что в 70% роликов, где лгали люди, было показано, что они смотрят прямо на людей, которым они лгут.

Однако по этому поводу все еще ведутся споры. Исследование 2012 года, опубликованное в Plos One , опровергло концепцию, согласно которой люди смотрят в определенном направлении, когда они нечестны. И хотя есть возможность слишком много вникнуть в чьи-то манеры, Гласс считает, что есть доля правды, которая может светиться в глазах.

Рот: Закатывание губ до точки, где они почти исчезают, может быть признаком того, что кто-то лжет по упущению, согласно Трейси Браун.«По моему опыту, когда люди делают это, они сдерживают эмоции или факты», — говорит она.

Исследование, проведенное в Калифорнийском университете в Лос-Анджелесе, показало, что люди, которые лгут, чаще поджимают губы, когда задают деликатные вопросы. По словам Гласса, поджатие губ может означать, что кто-то не хочет участвовать в текущем разговоре. «Это инстинктивный рефлекс, означающий, что вы не хотите говорить», — говорит она.

Изменение цвета лица: Вы когда-нибудь замечали, что кто-то бледнеет, когда говорит? Это может быть признаком неправды, говорит Гласс, который говорит, что это означает, что кровь приливает к лицу.

Потоотделение или сухость: Изменения вегетативной нервной системы могут вызвать у лжецов потливость в Т-области лица (верхняя губа, лоб, подбородок и вокруг рта) или сухость во рту и глазах — человек может чрезмерно Согласно Глассу, они моргают или прищуриваются, облизывают или кусают губы или тяжело сглатывают.

Получите последние советы о карьере, отношениях и благополучии, которые сделают вашу жизнь лучше: подпишитесь на информационный бюллетень TIME’s Living.

Тон голоса

Высокий голос: Когда люди нервничают, мышцы голосовых связок могут напрягаться (инстинктивная реакция на стресс), в результате чего голос становится очень высоким, — говорит Гласс. Вы также можете заметить скрип в чьем-то голосе. По ее словам, прочистка горла, способ справиться с дискомфортом в стянутых мышцах, также может иногда сигнализировать о нечестности.

Внезапное изменение громкости: Люди, которые лгут, также склонны повышать голос, говорит Гласс.«Иногда ты становишься громче, потому что обороняешься», — добавляет она.

Содержание речи

Фразы, такие как «Я хочу быть с тобой честным», «честно» или «позволь мне сказать тебе правду»: Это могут быть признаки того, что кто-то может немного попробовать По словам Гласса, вас трудно убедить в их честности.

Использование таких слов, как «ээ», «нравится» и «гм»: Исследование, проведенное в Мичиганском университете, показало, что «говорение с большим голосом» является распространенным признаком обмана.Гласс говорит, что люди чаще используют эти слова, когда пытаются выиграть время, чтобы понять, что они собираются сказать дальше.

Промахи: Большинство из нас не прирожденные лжецы, отмечает Гласс. Поэтому иногда мы позволяем правде ускользать. Заметьте, что кто-то говорит что-то вроде: «Меня уволили — нет, подождите, я имею в виду, что я уволился» или «Я был на обеде с таким-то — подождите, на самом деле, я работал допоздна». Она говорит, что в ваших руках может оказаться лжец.

Получите наш информационный бюллетень о здоровье.Подпишитесь, чтобы получать последние новости о здоровье и науке, а также ответы на вопросы о здоровье и советы экспертов.

Спасибо!

В целях вашей безопасности мы отправили письмо с подтверждением на указанный вами адрес. Щелкните ссылку, чтобы подтвердить подписку и начать получать наши информационные бюллетени.Если вы не получите подтверждение в течение 10 минут, проверьте папку со спамом.

Свяжитесь с нами по [email protected].

Поймать лжеца выражением страха на лице

Front Psychol. 2021; 12: 675097.

Xunbing Shen

¹ Департамент психологии, Университет китайской медицины Цзянси, Наньчан, Китай

Gaojie Fan

² Лаборатория визуального познания Бека, Университет штата Луизиана, Батон-Руж, Луизиана, США Штаты

Цаоюань Ню

¹ Департамент психологии, Университет китайской медицины Цзянси, Наньчан, Китай

Чжэньцай Чен

¹ Департамент психологии, Университет китайской медицины Цзянси, Наньчан, Китай

13

62 907 Департамент психологии, Университет китайской медицины Цзянси, Наньчан, Китай

² Лаборатория визуального познания Бека, Государственный университет Луизианы, Батон-Руж, Лос-Анджелес, США

Отредактировал: Стефани А.Шилдс, Университет штата Пенсильвания (PSU), США

Рецензент: Мерилин Монаро, Университет Падуи, Италия; Валентино Зурлони, Миланский университет Бикокка, Италия; Cigdem Beyan, Университет Тренто, Италия

Эта статья была отправлена ​​в Emotion Science, раздел журнала Frontiers in Psychology

Поступила в редакцию 2 марта 2021 г .; Принято 17 мая 2021 года.

Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License (CC BY).Использование, распространение или воспроизведение на других форумах разрешено при условии указания автора (авторов) и правообладателя (ов) и ссылки на оригинальную публикацию в этом журнале в соответствии с принятой академической практикой. Запрещается использование, распространение или воспроизведение без соблюдения этих условий.

Abstract

Высокие ставки могут вызывать стресс независимо от того, говорит ли человек правду или лжет. Однако лжецы могут испытывать больший страх от беспокойства о том, что их обнаружат, чем те, кто говорит правду, и, согласно «теории утечки», подавить этот страх практически невозможно.Поэтому мы предположили, что анализ выражения страха на лице может выявить обман. Обнаружение и анализ скрытых выражений страха на лице — непростая задача для непрофессионалов. Однако это относительно простая задача для компьютерного зрения и машинного обучения. Чтобы проверить гипотезу, мы проанализировали видеоклипы из игрового шоу «Момент истины» с помощью OpenFace (для вывода единиц действия (ЕД) страха и ориентиров на лицах) и WEKA (для классификации видеоклипов, в которых участвовали игроки. ложь или говорю правду).Результаты показали, что некоторые алгоритмы достигают точности> 80%, просто используя единицы страха. Кроме того, было обнаружено, что общая продолжительность страха в состоянии лжи, равная 20 ЕД, была короче, чем в состоянии откровения правды. Дальнейший анализ обнаружил, что причина более короткой продолжительности в состоянии лжи заключалась в том, что временное окно от пика до смещения AU20 в состоянии лжи было меньше, чем в условии, говорящем о правде. Результаты также показали, что движения лица вокруг глаз были более асимметричными, когда люди лгали.Все результаты говорят о том, что подсказки на лице могут использоваться для обнаружения обмана, а страх может быть признаком отличия лжецов от правдивых.

Ключевые слова: обман, теория утечки, страх, машинное обучение, асимметрия

Введение

Существуют ли какие-либо наблюдаемые модели поведения или сигналы, которые могут отличить ложь от правды? Почти все исследователи в области обнаружения обмана согласны с тем, что не существует «носа Пиноккио», который мог бы служить легким индикатором обмана (DePaulo et al., 2003). Тем не менее многие исследователи все еще пытаются найти ключи к обману (Levine, 2018; Denault et al., 2020). «Теория утечки» утверждает, что ложь с высокими ставками (вознаграждения имеют серьезные последствия или могут быть суровые наказания) может привести к «утечке» обмана в физиологические изменения или поведение (особенно микровыражения, которые длятся от 1/25 до 1). / 5 с; Экман, Фризен, 1969; Экман, 2003; Портер и др., 2011, 2012; Су, Левин, 2016; Мацумото, Хванг, 2020).В частности, с точки зрения теории утечки (ten Brinke and Porter, 2012; Ten Brinke et al., 2012a, b) наблюдаемые эмоциональные выражения лица (микровыражения и макровыражения) могут в некоторой степени определять, кто лжет, а кто говорит правда (Это проблема вероятности (см. Levine, 2018, 2019). Тем не менее, эта возможность обсуждается. Хотя некоторые исследователи (ten Brinke and Porter, 2012; Ten Brinke et al., 2012b; Matsumoto and Hwang, 2018) утверждали, что эмоциональное микровыражение лица может быть признаком лжи, поддерживая их утверждения эмпирическими данными, Burgoon (2018) утверждал, что обнаружение микровыражений — не лучший способ поймать лжецов.Кроме того, Vrij et al. (2019) даже отнесли микровыражение к псевдонауке.

Даже если людям может быть трудно или даже невозможно обнаружить лжецов на основе микровыражений, все же существуют некоторые поведенческие сигналы, которые могут в некоторой степени отличить ложь от правды (Vrij et al., 2000, 2006). ). В частности, показано, что расширение зрачка и его шаг тесно связаны с лежанием (Levine, 2018, 2019). Большинство исследователей обмана согласны с тем, что ложь связана с такими процессами или факторами, как возбуждение и переживание эмоций (Zuckerman et al., 1981). Следовательно, эмоциональная мимика может быть верным поведенческим сигналом к ​​обману. Между тем, есть непроизвольные аспекты эмоционального выражения. Как отмечал Дарвин, некоторые действия лицевых мышц было труднее всего контролировать добровольно, и их труднее всего было подавить (так называемая гипотеза торможения (см. Также Ekman, 2003). Когда присутствует сильная искренняя эмоция, связанные выражения лица не могут быть подавлены (Baker et al., 2016). Hurley and Frank (2011) представили доказательства гипотезы Дарвина и обнаружили, что обманщики не могут контролировать некоторые элементы своего выражения лица, такие как движения бровей.Лжецы чувствовали страх, обманывая восторг, отвращение или казались напряженными во время лжи и пытались подавить эти эмоции, нейтрализуя, маскируя или симулируя (Porter and Ten Brinke, 2008). Однако лжецы не могли полностью их подавить, и переживаемые эмоции «просачивались» в виде микровыражений, особенно в ситуациях с высокими ставками (Ekman and Friesen, 1969).

Утверждение об утечке эмоций подтверждается некоторыми недавними исследованиями (Porter et al., 2011, 2012).Когда лжецы симулируют неощутимое эмоциональное выражение лица или нейтрализуют ощущаемые эмоции, по крайней мере одно противоречивое выражение может просачиваться и проявляться временно (Porter and Ten Brinke, 2008). Ten Brinke и Porter (2012) показали, что лжецы демонстрируют неудачную эмоциональную маскировку и определенные просочившиеся выражения лица (например, «присутствие ухмылки»). Кроме того, они обнаружили, что ложное раскаяние было связано с (непроизвольным и непоследовательным) выражением счастья и отвращения на лице (Ten Brinke et al., 2012а).

Помимо поддержки утечки эмоций, исследования также показывают, что утечка эмоций может отличать ложь от правды. Райт Уилан и др. (2014) рассмотрели несколько сигналов, которые успешно помогли лжецам и правдивым людям, в том числе отвращение взгляда и покачивание головой. Они объединили информацию из каждой реплики для классификации отдельных случаев и достигли уровня точности 78%. Между тем, Райт Уилан и др. (2015) обнаружили, что неполицейские и полицейские наблюдатели могут достичь точности 68 и 72% соответственно, когда это необходимо для обнаружения обмана в реальной жизненной ситуации с высокой ставкой.Мацумото и Хван (2018) обнаружили, что выражение отрицательных эмоций на лице, возникающее в течение <0,40 и 0,50 с, может различать лиц, говорящих правду, и лжецов. Все эти исследования показали, что просочившиеся выражения лица могут помочь людям успешно обнаруживать лжецов.

Помимо исследований на людях, были также предприняты попытки использовать машинное обучение для автоматического обнаружения обмана с помощью утечки эмоций. Метаанализ, проведенный Бондом и ДеПауло (2006), показал, что при обнаружении лжецов наблюдатели достигают лишь немного большей, чем шанс, точности.По сравнению с людьми, в некоторых предыдущих работах с машинным обучением использовались так называемые надежные выражения лица (или непроизвольные выражения лица) для автоматического обнаружения обмана и достигалась точность выше 70% (Slowe and Govindaraju, 2007; Zhang et al., 2007). Учитывая, что тонкие различия эмоциональных выражений лица не могут быть обнаружены наивными людьми-наблюдателями, компьютерное зрение может улавливать различные тонкие черты между ложными и правдивыми ситуациями, которые не могут быть восприняты человеком.Су и Левин (2016) обнаружили, что эмоциональные выражения лица (в том числе микровыражения) могут быть эффективными сигналами для машинного обучения, чтобы обнаружить ложь с высокими ставками, точность которой была намного выше, чем те, о которых сообщалось в предыдущих исследованиях (например, Bond and DePaulo, 2006 ). Они обнаружили, что некоторые единицы действия (AU, сокращение или расслабление одной или нескольких мышц (см. Ekman and Friesen, 1976), такие как AU1, AU2, AU4, AU12, AU15 и AU45 (мигает), могут быть потенциальными индикаторами для различения лжецы из рассказчиков правды в ситуациях с высокими ставками.Bartlett et al. (2014) показали, что компьютерное зрение может отличать обманчивые лицевые сигналы боли от реальных болевых сигналов на лице с точностью 85%. Барати (2016) разработал систему, которая обнаруживала лжеца на основе микровыражений лица, языка тела и анализа речи. Они обнаружили, что эффективность детектора микровыражения лица составила 82%. Аналогичным образом, автоматизированная система обнаружения обмана, разработанная Wu et al. (2018) показали, что предсказания микровыражений могут использоваться в качестве функций для обнаружения обмана, и система получила площадь под кривой точного отзыва (AUC), равную 0.877 при использовании различных классификаторов.

Теория обмана с утечкой предсказывает, что при лжи, особенно в ситуациях с высокими ставками, люди будут бояться того, что их ложь будет обнаружена, и, следовательно, вызовут эмоции страха. Эти эмоции страха могут затем просочиться и потенциально быть обнаруженными (Levine, 2019). Между тем предполагается, что в случае утечки страха, связанного с обманом, продолжительность утечки страха будет короче из-за природы утечки и подавления (что будет представлено как мимолетные микровыражения страха).Некоторые могут возразить, что эмоции страха также могут проявляться в правде. Это может быть правдой. Тем не менее, для рассказчика правды страх того, что его неправильно сочтут лжецом, будет меньше утечки, поскольку рассказчику правды не нужно изо всех сил подавлять страх, как это делают лжецы. В результате степень подавления будет разной для лжецов и правдивых. В среднем продолжительность страха (или единицы страха) в ситуациях лжи будет короче, чем в ситуациях, когда говорят правду, из-за более жесткого подавления в первых.

Ставки могут играть жизненно важную роль при использовании эмоционального выражения лица в качестве сигнала для обнаружения обмана. В лабораторных исследованиях участники испытывают меньше эмоций или когнитивную нагрузку (Buckley, 2012). Почти все лабораторные эксперименты типичны для низких ставок и недостаточно мотивируют, чтобы вызвать эмоции, вызывающие утечку (в виде микровыражений). Следовательно, лжецы в лабораторных экспериментах не так нервничают, как в реальных ситуациях с высокими ставками, при отсутствии или незначительной утечке эмоций.Как отмечает Vrij (2004), некоторые лабораторные исследования, в которых манипулировали ставками, показали, что ложь с высокой ставкой обнаружить легче, чем с низкой. Франк и Экман (1997) заявили, что « наличие высоких ставок является центральным для лжецов, испытывающих сильные эмоции, когда они лгут ». Следовательно, ложь в ситуациях с высокой ставкой будет более заметна с помощью эмоциональных сигналов выражения лица, а просочившиеся эмоциональные выражения лица в основном будут происходить в контексте с высокой ставкой.

Хартвиг ​​и Бонд (2014) придерживались противоположного мнения и утверждали, что даже в ситуациях с высокими ставками все еще может быть сложно отличить лжецов от правдивых.Они утверждали, что контекст высокой ставки будет влиять как на лжецов, так и на рассказчиков правды, поскольку лжецы и рассказчики правды могут испытывать схожие психологические процессы. Другими словами, ситуации с высокими ставками вызывают противоречивые эмоциональные выражения, такие как страх, не только у лжецов, но и у правдивых. Это утверждение до некоторой степени верно (ten Brinke and Porter, 2012), но высокие ставки не обязательно устраняют все различия между лжецами и рассказчиками правды. Несмотря на то, что ситуации с высокими ставками увеличивают давление как на лжецов, так и на тех, кто говорит правду, можно предположить, что степень увеличения будет другой, и лжецы будут испытывать гораздо большее давление, чем рассказчики правды при высоких ставках.Кроме того, фабрикация лжи требует, чтобы лжецы больше думали и, следовательно, вызывали бы у них более сильное эмоциональное возбуждение, чем у рассказчиков правды. Следовательно, для лжецов частота или вероятность утечки непоследовательного эмоционального выражения (скажем, страха) будет выше и, следовательно, легче обнаружить. Теоретически, чем выше ставки, тем больше вероятных сигналов, связанных с обманом (например, страха), и тем легче будет идентифицировать лжецов с помощью этих сигналов.

Помимо продолжительности, другие динамические характеристики (Ekman et al., 1981; Frank et al., 1993) также могли различаться по подлинному и поддельному выражению лица, например по симметрии. Ekman et al. (1981) вручную проанализировали асимметрию лица с помощью Системы кодирования движений лица (FACS) и показали, что настоящая улыбка имеет большую симметрию по сравнению с намеренной улыбкой. Точно так же просочившиеся эмоциональные выражения страха на лице во время лжи и менее просочившиеся при разговоре правды также могут демонстрировать разную степень симметрии. Однако подход Ekman et al. (1981) может занять много времени и быть субъективным.Таким образом, в текущем исследовании мы предложили метод, который использовал когерентность (меру корреляции между двумя сигналами / переменными) для измерения асимметрии. Чем симметричнее мимические движения левого и правого лица, тем выше коэффициент корреляции между ними. Следовательно, значение когерентности (диапазон от 0 до 1) может быть мерой асимметрии или симметрии.

Основываясь на теории утечки и предыдущих свидетельствах, мы выдвигаем гипотезу, что (1) эмоциональное выражение страха на лице (страх быть пойманным) может отличать ложь от правды в ситуациях с высокими ставками; (2) продолжительность страха перед ложью будет короче, чем у правды; (3) симметрия движений лица будет иной, поскольку движения лица в лежачих ситуациях будут более асимметричными (из-за природы подавления и утечки).

Методы

База данных

База данных, которую мы использовали, состояла из 32 видеоклипов, в которых 16 человек говорили ложь в половине из них и правду в другой половине. Все видеоклипы были сняты для игры с высокими ставками. Причина, по которой мы использовали текущий дизайн, заключалась в том, что сигналы для обнаружения обмана могут отличаться от человека к человеку, и то, что обнаруживает одного лжеца, обычно отличается от сигналов, которые раскрывают следующего лжеца (Levine, 2019). Следовательно, сигналы могут отличаться от отправителя к отправителю.Однако один и тот же человек в разных случаях будет демонстрировать почти одинаковую модель выражения лица. Следовательно, относительно идеальные экспериментальные материалы должны быть составлены одним и тем же человеком, который говорит как ложь, так и правду, чтобы исключить или уменьшить вариации, вызванные индивидуальными различиями.

Видеоклипы записывают выражения лиц людей в игровом шоу «Момент истины». Перед шоу конкурсанты прошли проверку на полиграфе, ответив на 50 вопросов.Во время шоу снова был задан 21 такой же вопрос, и конкурсанты должны были ответить на них перед аудиторией студии. По мере продвижения конкурсантов вопросы становились все более личными (например, очень личный вопрос: платили ли вы когда-нибудь за секс?). Если участник дал такой же ответ на вопрос, как и на полиграфе (что означает, что он говорил правду), он переходил к следующему вопросу; ложь (по результатам проверки на полиграфе) или отказ отвечать на вопрос заканчивают игру (см. https: // ru.wikipedia.org/wiki/The_Moment_of_Truth_(American_game_show) для подробностей). Во время игрового шоу большинство людей говорили эмоционально и демонстрировали естественные эмоциональные выражения лиц из-за ситуаций, в которых они находились с высокими ставками. Истинная правда была получена с помощью теста на полиграфе перед шоу, который определял, лгал ли человек или нет. игровое шоу. Между тем ставки в игровом шоу могут быть высокими (максимальный выигрыш от шоу может достигать 500000 долларов США, а признаки обмана будут более явными, чем при отсутствии такого денежного стимула (см. DePaulo et al., 2003).

Участниками были восемь мужчин и восемь женщин, закончивших игру ложью. Таким образом, у каждого участника был хотя бы один лживый видеоклип. Видеоклипы состоят из моментов, когда люди отвечали на вопросы, то есть от конца допроса до конца ответа. Чтобы упростить расчет, мы объединили все видеоклипы, говорящие о правде, для каждого участника в один, и в итоге у нас было по одному видео для каждого типа, правдивого и лживого, для каждого человека.Продолжительность видеоклипов составляет от 3 до 280 с, в среднем 56,6 с. Из-за настройки игрового шоу, согласно которой ложь завершает игру, правдивые видеоклипы были намного длиннее, чем лживые ( означает = 105,5 с для правдивых видео, а означает = 7,8 с для лживых видео). Всего было 50 097 кадров для правдивых видеоклипов и 3689 кадров для лживых видеоклипов. Медиана кадров составляет 199 для лживых видеоклипов и 2 872,5 для правдивых видеоклипов с частотой кадров 30 к / с.

Использование компьютерного зрения для сравнения характеристик видеоклипов, когда люди лгут или говорят правду

Трудно попросить людей выяснить, как можно обмануть. Более того, наивные люди-наблюдатели могут быть не в состоянии уловить тонкие различия эмоциональных выражений лица между ложью и правдой. В качестве альтернативы компьютерное зрение может быть более способным сделать это. Мы предложили метод, направленный на использование единого страха для распознавания лживых и честных людей в ситуациях с высокими ставками.

Эмоциональные выражения страха на лице

Сначала мы импортировали видеоклипы в OpenFace (Baltrusaitis et al., 2018) для проведения компьютерного анализа видео. Это программное обеспечение автоматически обнаруживает лицо, локализует лицевой ориентир, выводит координацию ориентиров и распознает лицевые AU. OpenFace может идентифицировать 18 AU. Согласно Фрэнку и Экману (1997), изложение косвенной лжи приводит к появлению таких эмоций, как страх и вина. Поэтому мы сосредоточились на AU страха, т.е.е., AU1, AU2, AU4, AU5, AU20, AU26. Для каждого кадра видео мы получили присутствие (0 или 1) и интенсивность (любое число от 0 до 5) для каждого AU из OpenFace. Как только мы получили информацию AU от OpenFace, мы затем использовали MATLAB для вычисления AU эмоционального выражения страха на лице. Это было сделано путем умножения выходных значений присутствия (0, 1) и значения интенсивности (от 0 до 5) для каждого кадра. Затем мы проанализировали AU с помощью статистического анализа, а также сделали прогнозы классификации с помощью машинного обучения.

Для статистического анализа мы взяли среднее значение каждой AU по всем кадрам в одном условии для каждого участника. В итоге мы получили по одному значению AU для каждого состояния для каждого человека. Затем мы загрузили данные для статистического анализа.

Для машинного обучения перед построением модели мы провели повторную выборку данных с помощью SMOTE. SMOTE — это метод избыточной выборки, который решает проблему дисбаланса классов за счет использования интерполяции для увеличения количества экземпляров в классе меньшинства (Chawla et al., 2002). Передискретизация была необходима, потому что данные несбалансированы: правдивые видеоклипы намного длиннее, чем видео обмана, 50 097 кадров против 3689 кадров. Это соответствовало реальной жизни, что ложь не была такой частой по сравнению с правдой, но она все же могла повлиять на надежность и валидность модели.

Затем мы использовали WEKA (Hall et al., 2009), программное обеспечение для машинного обучения, чтобы классифицировать видео на группу правды и группу обмана. Трое разных классификаторов были обучены через 10-кратную процедуру перекрестной проверки.Тремя классификаторами были «Случайный лес», «K-ближайшие соседи» и «Бэггинг». Random Forest работает путем построения множества деревьев решений (что также является лучшим выбором для несбалансированных наборов данных (см. Bruer et al., 2020). K-ближайших соседей (lazy.IBK в WEKA) достигает классификации путем определения ближайших соседей к пример запроса и использование этих соседей для определения класса запроса (Cunningham and Delany, 2004). Bagging — это метод для создания нескольких версий предиктора и их использования для получения агрегированного предиктора (Breiman, 1996).

Продолжительность страха

Мы использовали MATLAB для подсчета продолжительности AU страха (количества кадров, когда присутствовала соответствующая AU). Поскольку частота кадров всех видео была одинаковой, количество кадров могло представлять продолжительность AU. Затем была получена точная длительность путем деления общего количества кадров на частоту кадров, то есть 30.

Симметрия движений лица

Бех и Го (2019) предложили метод обнаружения изменений евклидовых расстояний до лицевых ориентиров. узнать микровыражения.Мы использовали расстояния ld1 и rd1, которые представляют собой расстояния между лицевыми ориентирами на левой / правой брови и левом / правом глазу (индекс 20/25 и индекс 40/43, см.), Чтобы исследовать синхронизацию и симметрию между левой и правой бровью. мимические движения. Для этой цели использовалась функция MATLAB Wcohenrence (когерентность вейвлета, значения варьировались от 0 до 1), поскольку эта функция возвращает возведенную в квадрат когерентность вейвлета, которая является мерой корреляции между двумя сигналами (здесь ld1 и rd1) в частотно-временной области.Если левое и правое движения лица имеют идеальную синхронизацию и симметрию, значение когерентности вейвлета будет 1.

68 лицевых ориентиров и евклидовы расстояния ld1 и rd1.

Сводка обработки данных

Все вышеупомянутые шаги классификации правды или обмана в видеоклипах продемонстрированы в. Сначала OpenFace обнаруживает лицо, локализует ориентиры, выводит наличие и интенсивность AU. После этого единицы страха, а также индикаторы, используемые для расчета симметрии в каждом кадре как из лживых, так и из правдивых видеоклипов, были объединены в вектор описания движений лица (кадр за кадром).Наконец, на этапе классификации классификаторы Случайного леса, K-ближайших соседей и Бэггинга были обучены различать обман и честность.

Обзор процедуры классификации видеоклипов. Модель, используемая здесь для демонстрации блок-схемы обработки, принадлежит третьему автору.

Результаты

Действие Единицы страха могут отличить лжецов от правдивых

Результаты классификации машинного обучения

Весь набор данных был разделен на два подмножества; мы произвольно выбрали 12 из данных наших 16 участников для построения модели, т.е.д., данные, собранные от 12 участников (42 954 кадра, из которых 2 999 кадров лжи и остальная часть правды) были использованы для обучения модели; а данные, собранные от оставшихся четырех участников (всего 10 832 кадра, 690 кадров лжи и остальная часть правды), были использованы для проверки того, насколько точной была модель, чтобы делать новые прогнозы. Три классификатора были обучены на наборе данных из 12 участников, чтобы отличать лжецов от рассказчиков правды с использованием векторов признаков AU страха (т.е., AU01, AU02, AU04, AU05, AU07, AU20 и AU26, подробности о страхах AU см. на https://imotions.com/blog/facial-action-coding-system/). Все три классификатора, Случайный лес, K-ближайшие соседи (IBK) и Bagging, были обучены в WEKA с помощью 10-кратной процедуры перекрестной проверки. При построении модели 10-кратная процедура перекрестной проверки разделила все данные от 12 участников на 10 подмножеств, и алгоритмы были обучены на 9 подмножествах и каждый раз тестировались на оставшихся 10-м, повторяя 10 раз.Когда классификатор был развернут на основе 10-кратной перекрестной проверки, он был применен к данным других четырех участников для расчета точности прогноза. Чтобы подчеркнуть относительную важность единиц страха для точности классификации, мы исключили все другие индикаторы, используемые Бехом и Го (2019). показывает эффективность анализа машинного обучения, который был проведен на наборе данных из 12 участников и протестирован на данных остальных 4 участников.

Таблица 1

Производительность машинного обучения Random Forest, IBK и Bagging.

сообщает процент точности, полученный для набора данных тестирования.В дополнение к точности, в таблице указывается средневзвешенное значение истинно-положительной частоты (частота TP, экземпляры, правильно отнесенные к данному классу), частота ложных срабатываний (частота FP, экземпляры, ошибочно классифицированные как данный класс), значение точности (пропорция экземпляров, которые действительно относятся к классу, деленное на общее количество экземпляров, отнесенных к этому классу), значение отзыва (доля экземпляров, классифицированных как данный класс, деленная на фактическое общее количество в этом классе), F-мера (комбинированная мера точности и отзыв), значение площади кривой точности-отзыва (PRC) (метрики производительности модели, основанные на точности и отзыве) и каппа (которая измеряет соответствие между прогнозируемой и наблюдаемой категоризацией).Подробности этой статистики можно увидеть в Witten et al. (2016).

Кроме того, учитывая относительно небольшой размер набора данных, мы провели перекрестную проверку с исключением одного человека (LOOCV). LOOCV использует каждого отдельного человека как «тестовый» набор, а оставшийся набор данных как обучающий набор. Рекомендуется для небольших наборов данных. Был применен алгоритм случайного леса. Результаты показали, что средняя точность все еще выше 90% (среднее значение , = 90,16%, диапазон от 78,74 до 95.78%).

Различия единиц страха между правдивыми и лживыми видеоклипами

Этот анализ был проведен путем изучения статистических различий единиц страха между правдивыми и ложными видеоклипами с помощью парного теста t . Чтобы избежать проблемы множественного тестирования, мы применили поправку Бонферрони и установили значение p равным 0,007. Мы также рассчитали d Коэна для измерения величины эффекта. Результаты представлены в. При использовании начальной загрузки значение p для сравнения AU20 в двух группах было равно 0.006 (для AU05 соответствующее значение p равно 0,008). Этот анализ показал, что лжецы и рассказчики правды по-разному выражали страх на лице.

Таблица 2

Результаты парного t -теста для сравнения средних значений единиц страха между правдивыми и лживыми видеоклипами.

.493

Было больше переходных периодов страха во время лжи

Экман (2003) сообщил, что многие люди не могли подавить активность AU20 (растягивание губ по горизонтали) при просмотре видеозаписей. людей лгут и говорят правду. Наши результаты, представленные в разделе «Различия между единицами страха между правдивыми и ложными видеоклипами», также обнаружили существенные различия между правдивыми и ложными видеоклипами в значениях 20 австралийских единиц.Следовательно, различия в продолжительности от начала до пика, от пика к смещению и общей продолжительности AU20 между правдивыми видеоклипами (в которых количество AU20 равно 675) и ложными видеоклипами (в которых количество AU20 равно 47). ) были проанализированы с независимыми выборками t -тест, используя бутстреппинг с 1000 итераций. Результаты показали, что были существенные различия в общей продолжительности и продолжительности от пика до смещения между правдивыми видеоклипами и лживыми видеоклипами (20.77 против 15,21 кадра, p = 0,033, размер эффекта = 0,276; 11,35 против 6,98 кадров, p = 0,04, размер эффекта = 0,347). Продолжительность AU20 в лживых видеоклипах была почти на четыре кадра (133 мс) в среднем меньше, чем в правдоподобных видеоклипах, потому что лицевые движения (здесь AU20) исчезали быстрее в положении лежа. показывает распределение общего количества кадров, кадров от начала до вершины и кадров от вершины до смещения AU20. Медиана составляет 12 в видеороликах, свидетельствующих о правде, и 8 в видеороликах, показывающих ложь.Для лживых видеоклипов 95% доверительный интервал составляет от 10,32 до 20,11 кадра для средней общей продолжительности и от 19,03 до 22,52 кадра для видеороликов, говорящих правду. Было 16 (из 47) AU20, длительность которых была меньше или равна шести кадрам (200 мс, один из общепризнанных пороговых значений, различающих микровыражения и макровыражения) в лежащих видеоклипах, в то время как 145 (из 675) в правдивые видеоклипы. Было 32 AU20 с длительностью ≤ 15 кадров (500 мс, другая граница микровыражения / макровыражения, подробности обсуждаются) в лживых видеоклипах, и соответствующее число — 407 в видеоклипах, говорящих правду.

Сюжет для скрипки для кадров AU20 в правдивых и лживых видеоклипах. IQR, межквартильный размах. * статистически значимые ( p <0,05) различия между ложью и правдой.

Асимметрии движений лица были более заметны во время лжи, чем при правде

Мы вычислили ld1 и rd1, расстояние между ориентировками на лице, предсказанными на левой брови и левом глазу, и расстояние между точками, предсказанными для правой брови и правого глаза. (Beh and Goh, 2019) в каждом кадре.Эти два расстояния представляли движения левой и правой бровей. Затем мы использовали функцию MATLAB Wcohenrence (когерентность вейвлета) для измерения корреляции между ld1 и rd1 в каждом видео. Если бы движения были точно симметричными (например, они имеют одно и то же время начала, достигают вершины в одно и то же время и исчезают в одно и то же время), согласованность между ld1 и rd1 была бы 1. Любая асинхронность привела бы к согласованности значение <1, при этом меньшее значение когерентности указывает на большую асимметрию.показывает последовательность вейвлетов в правдивых и лживых видеоклипах.

Квадратная когерентность вейвлета между ld1 и rd1 в ситуациях лжи ( левая панель ) и установления истины ( правая панель ). Относительное фазовое соотношение показано в виде стрелок (стрелка вправо указывает отставание 0; стрелка в правом нижнем углу указывает небольшое опережение ld1; стрелка влево указывает, что ld1 и ld2 антикоррелированы).

Выходные данные согласованности для каждого игрока (т. Е. Среднее значение согласованности между ld1 и rd1) затем были импортированы в тест перестановки (подробности см. По следующей ссылке: https: // github.com / lrkrol / permutationTest), чтобы сравнить различия в асимметрии лжи и правдивости. Перестановочные тесты предоставляют элегантные способы управления общей ошибкой типа I и не требуют распространения. Результаты показали, что ложь и ситуации, говорящие о правде, вызывают различную согласованность в выражениях лица (средние значения согласованности составляют 0,7083 и 0,8096, p = 0,003, размер эффекта = 1,3144).

Обсуждение

Текущее исследование подтвердило предсказание теории утечки, согласно которой утечка страха может отличить ложь от правды.Результаты машинного обучения показали, что эмоциональные выражения страха на лице могут отличать ложь от правды в игровом шоу с высокими ставками; парные сравнения показали значительные различия между ложью и правдой в значениях AU20 страха (AU5 незначительно). Результаты подтвердили и две другие гипотезы. Продолжительность ЕД страха при лжи была короче, чем при сообщении правды, с более короткой общей продолжительностью и продолжительностью от пика до компенсации, равной 20 ЕД страха при лжи, по сравнению с сообщением правды.Третья гипотеза предсказывала, что симметрия лицевых движений будет иной, и результаты показали, что лицевые движения были более асимметричными в ситуациях лжи, чем в ситуациях, говорящих правду.

В текущем исследовании использование машинного обучения классифицирует обман и честность. Он восполнил недостатки человеческого кодирования и успешно обнаружил тонкие различия между ложью и правдой. Между тем была предложена объективная мера асимметрии.Насколько нам известно, это первый объективный метод измерения асимметрии движений лица. Используя эти методы, мы смогли найти разницу между ложью и правдой, что является предпосылкой для поиска улик обмана.

Подход машинного обучения может иметь некоторые недостатки. Например, LOOCV рекомендуется для небольших наборов данных, подобных тому, что мы имеем в текущем исследовании. Однако это дало более высокую дисперсию, чем 10-кратная перекрестная проверка. Причина такой высокой дисперсии может заключаться в том, что обучающие наборы данных в LOOCV имеют большее перекрытие (каждая модель была обучена на почти идентичном наборе данных), из-за чего выходные данные из разных складок сильно коррелировали друг с другом и, следовательно, увеличивали общую дисперсию ( среднее значение многих сильно коррелированных величин имеет более высокую дисперсию, чем среднее значение многих величин, которые не столь сильно коррелированы (см. James et al., 2013, с.185). В наших данных дисперсия была представлена ​​как разные уровни точности, когда разные участники были исключены из обучающей выборки; например, точность 78,74%, когда участник 14 был исключен, по сравнению с 95,78%, когда участник 11 был исключен. Bengio и Grandvalet (2004) утверждали, что, когда независимые оценки при перекрестной проверке были коррелированы, корреляция, отвечающая за общее увеличение дисперсии, может увеличиваться с K при перекрестной проверке в K раз, при этом исключение одного значения является крайний случай, когда K равно количеству точек данных.В нашем наборе данных, учитывая аналогичную процедуру, каждый человек генерирует одно и то же выражение лица, весьма вероятно, что обучающие наборы сильно коррелированы. Дальнейшие исследования с большим размером выборки уменьшили бы эту дисперсию.

Утекшие эмоции могут указывать на обман, но это не обман как таковой . Однако они тесно связаны с обманом. Как показывают результаты, правдивые люди тоже испытывают страх. Однако динамика переживаемого страха перед правдивыми людьми сильно отличалась от таковой у лжецов.Таким образом, эмоцию страха можно рассматривать как «горячую точку» обмана. Поиск невербальных «горячих точек» индивидов удовлетворяет требованиям быстрой оценки. Некоторые другие подходы к обнаружению обмана, например активность мозга, не могут обеспечить результаты в реальном времени (Vrij and Fisher, 2020). Результаты показали, что «горячие точки» — эмоциональные выражения страха — могут различать правдивые и вводящие в заблуждение сообщения с разумным уровнем точности. Используя машинное обучение, мы достигли более высокой точности (более 80%), чем средняя точность, достигаемая людьми (54%, см. Bond and DePaulo, 2006).Кроме того, мы провели исследование по обнаружению обмана людей (Ню, 2021 г.), в котором были показаны видеоклипы первого и последнего честного ответа (оба — от конца допроса до конца ответа. Мы изменили продолжительность правдивых видеоклипов, чтобы продолжительность лжи и правдивых видеоклипов была почти одинаковой), лживые видеоклипы одинаковы. В исследовании приняли участие 30 студентов колледжа. Точность обнаружения лжи составила 0,34; для видеоклипов с низкими ставками, говорящих о правде (первый честный ответ), точность определения правды составляла 0.69, а для видеоклипов с высокой ставкой правды (последний честный ответ) точность определения правды составила 0,64, а среднее значение обнаружения обмана — 0,50. Результаты снова показали, что точность обнаружения человеческого обмана была на уровне случайностей. Помимо точности, AU страха (AU20) оказала большое влияние на различение лжи от правды.

Ложь с высокой ставкой использовалась в некоторых предыдущих исследованиях. Например, Врай и Манн (2001) использовали видео из СМИ, где члены семьи пропавших без вести объявили о пропаже своих близких и просили о помощи.В этих видеороликах одни дикторы говорили правду, в то время как другие скрывали правду о том, что люди, пропавшие без вести, были убиты самими дикторами. Одним из недостатков материалов такого типа является то, что исследователи не будут иметь доступа к правде и, следовательно, не смогут с уверенностью сказать, лжет он или нет. Наш набор данных состоит из видео обмана с высокими ставками из реального игрового шоу, в которых правдивость утверждений подтверждается тестом на полиграфе.Это может помочь нам достичь относительно высокой экологической значимости и внутренней значимости. Учитывая споры о надежности тестов на полиграфе, в будущих исследованиях можно использовать материалы, в которых правда будет дополнительно подтверждена. Одним из примеров может служить игровое шоу Golden Balls, в котором используется настройка дилеммы заключенного, и истина становится очевидной после того, как кто-то принимает решение в игре (см. Van den Assem et al., 2012).

Были ли выражения лиц в видеоклипах лежа все микровыражения, длящиеся <0.2 с? Текущие результаты общей продолжительности показали, что AU20 в среднем длится 20,77 кадра, то есть 692 мс, в правдивых видеоклипах; и 15,21 кадра, то есть 507 мс, в клипах лежа. 95% доверительные интервалы общей продолжительности составляли от 19,03 до 22,52 кадра (634–751 мс), когда говорили правду, и от 10,32 до 20,11 кадра (344 мс ~ 670 мс) во время лжи. В текущем исследовании на среднее значение повлияли экстремальные значения или выбросы (см.). Таким образом, мы использовали медианное значение, которое могло быть более подходящей статистикой для продолжительности.Средняя продолжительность видеороликов, говорящих о правде, составляла 12 (400 мс), а для видеороликов с ложью - 8 (267 мс). Хотя продолжительность (частичного) страха была короче в видеоклипах лжи, чем в видеоклипах, говорящих правду, большая часть продолжительности лжи не укладывалась в пределы традиционной продолжительности микровыражений, то есть <200 мс (см. Shen et al. ., 2012). Было около 1/3 AU20, длительность которых была меньше или равна шести кадрам (200 мс) в лежащих видеоклипах, и только 1/5 из них в видеоклипах, говорящих правду, были меньше или равны шести кадрам.Используя 500 мс в качестве границы между микровыражениями и макровыражениями (см. Matsumoto and Hwang, 2018), почти 2/3 выражений лица могли быть названы в честь микровыражений. Результаты показали, что просочившиеся эмоциональные выражения лица в реальной жизни были намного дольше (продолжительность максимума просочившихся эмоциональных выражений лица была бы <200 мс). Независимо от того, какова продолжительность, и является ли выражение лица микровыражением или нет, продолжительность выражений лица была значительно короче в видеороликах лжи, чем в видеороликах, говорящих о правде.

В совокупности наши результаты позволяют предположить, что обман можно обнаружить с помощью эмоционального выражения страха на лице в ситуациях с высокими ставками. Ложь в ситуациях с высокими ставками приведет к утечке выражения страха на лице. Продолжительность страха значительно различалась в условиях лжи и правды. Кроме того, движения лица более асимметричны, когда человек лжет, чем когда он говорит правду.

Наши результаты показали, что внимание к динамическим характеристикам страха (таким как симметрия и продолжительность) может улучшить способность людей отличать лжецов от правдивых.Кроме того, подход машинного обучения может быть использован для обнаружения обманчивого поведения в реальном мире, особенно тех, которые связаны с высокими ставками в ситуациях, когда генерируются сильные эмоции, связанные с попытками нейтрализовать, замаскировать или имитировать такие эмоции (аналогичная работа выполняется в проект iBorderCtrl, см. Crampton, 2019). Конечно, количество участников (16) в текущем наборе данных было относительно небольшим, что могло ограничить обобщение результатов. Мы рассматриваем текущие работы как предварительную разведку.

Согласно некоторым исследованиям метаанализа, расширение зрачка и высота речи в значительной степени связаны с обманом (Zuckerman et al., 1981; DePaulo et al., 2003; Levine, 2019). Эти сигналы также тесно связаны с утечкой. Результаты Bradley et al. (2008) указали, что изменения зрачка были больше при просмотре эмоционально возбуждающих картинок, которые также были связаны с повышенной симпатической активностью. При честном и обманчивом взаимодействии тон речи будет разным (Ekman et al., 1976; Цукерман и др., 1981). В будущих исследованиях следует рассмотреть все эти просочившиеся улики или «горячие точки» обмана.

Заявление о доступности данных

Оригинальные материалы, представленные в исследовании, включены в статью, набор данных, используемый в текущем исследовании, может быть получен по запросу от первого автора (moc.oohay@gnibnuxnehs).

Заявление об этике

Исследования с участием людей были рассмотрены и одобрены институциональным наблюдательным советом (IRB) Университета традиционной китайской медицины Цзянси.Пациенты / участники предоставили письменное информированное согласие на участие в этом исследовании. Письменное информированное согласие было получено от человека (лиц) на публикацию любых потенциально идентифицируемых изображений или данных, включенных в эту статью.

Вклад авторов

XS задумал исследование, провел эксперименты, проанализировал данные, написал статью и получил финансирование. GF проанализировал данные и отредактировал рукопись. ZC проанализировал данные. CN предоставила материалы, использованные в данном исследовании.Все авторы внесли свой вклад в статью и одобрили представленную версию.

Конфликт интересов

Авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Сноски

Финансирование. Это исследование частично поддержано грантами Национального фонда естественных наук Китая (№ 31960180, 32000736, 31460251), Планируемого проекта социальных наук в провинции Цзянси (№18JY24) и проект 1050 молодых первоклассных талантов Университета традиционной китайской медицины Цзянси (№ 5141

0, 1141

0).

Ссылки

• Бейкер А., Блэк П. Дж., Портер С. (2016). 10. На вашем лице написана правда! непроизвольные аспекты эмоциональных выражений лица, в «Выражении эмоций: философские, психологические и юридические перспективы», ред. С. Абелл и Дж. Смит (Нью-Йорк, Нью-Йорк: издательство Кембриджского университета:), 219–244. [Google Scholar]
• Балтрусайтис Т., Заде А., Лим Ю. К., Моренси Л.-П. (2018). Openface 2.0: набор инструментов для анализа поведения лиц, в документе, представленном на 13-й Международной конференции IEEE 2018 г. по автоматическому распознаванию лиц и жестов (FG 2018) (Сиань:). [Google Scholar]
• Барати С. С. (2016). Обнаружение лжи на основе микровыражения лица, языка тела и анализа речи. Int. J. Eng. Res. Technol. 5, 337–343. 10.17577 / IJERTV5IS020336 [CrossRef] [Google Scholar]
• Бартлетт М.С., Литтлворт Г.С., Фрэнк М.Г., Ли К. (2014). Автоматическое декодирование движений лица выявляет обманчивые выражения боли. Curr. Биол. 24, 738–743. 10.1016 / j.cub.2014.02.009 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Бех К. X., Гох К. М. (2019). Определение микровыражений с использованием ориентиров на лицах, в статье, представленной на 15-м международном коллоквиуме IEEE 2019 года по обработке сигналов и ее приложениям (CSPA) (Penang:). [Google Scholar]
• Бенжио Й., Грандвалет Й. (2004). Отсутствует объективная оценка дисперсии перекрестной проверки в k раз.J. Mach. Учиться. Res. 5, 1089–1105. 10.5555 / 1005332.1044695 [CrossRef] [Google Scholar]
• Бонд К. Ф., младший, Де Пауло Б. М. (2006). Точность суждений об обмане. Чел. Soc. Psychol. Ред. 10, 214–234. 10.1207 / s15327957pspr1003_2 [PubMed] [CrossRef] [Google Scholar]
• Брэдли М. М., Микколи Л., Эскриг М. А., Ланг П. Дж. (2008). Ученик как мера эмоционального возбуждения и вегетативной активации. Психофизиология
  45, 602–607. 10.1111 / j.1469-8986.2008.00654.x [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Брейман Л.(1996). Предикторы мешков. Мах. Учиться. 24, 123–140. 10.1007 / BF00058655 [CrossRef] [Google Scholar]
• Брюер К. К., Занетт С., Дин Х. П., Лион Т. Д., Ли К. (2020). Выявление лжецов с помощью автоматической расшифровки мимики детей. Child Dev. 91, e995 – e1011. 10.1111 / cdev.13336 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Бакли Дж. П. (2012). Исследователям обнаружения обмана необходимо сотрудничать с опытными практиками. J. Appl. Res. Mem.Cogn. 1, 126–127. 10.1016 / j.jarmac.2012.04.002 [CrossRef] [Google Scholar]
• Burgoon J. K. (2018). Мнение: микровыражения — не лучший способ поймать лжеца. Передний. Psychol. 9: 1672. 10.3389 / fpsyg.2018.01672 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Чавла Н. В., Бойер К. В., Холл Л. О., Кегельмейер В. П. (2002). SMOTE: метод передискретизации синтетического меньшинства. J. Искусственный интеллект. Res. 16, 321–357. 10.1613 / jair.953 [CrossRef] [Google Scholar]
• Crampton J.W. (2019). Биометрия платформы. Surveill. Soc. 17, 54–62. 10.24908 / ss.v17i1 / 2.13111 [CrossRef] [Google Scholar]
• Каннингем П., Делани С. Дж. (2004). k-Классификаторы ближайшего соседа. arXiv. arXiv: 2004.04523. [Google Scholar]
• Дено В., Данбар Н. Э., Плюскеллек П. (2020). Обнаружение обмана во время судебного разбирательства: игнорирование невербального общения свидетелей не является решением проблемы — это ответ на Vrij and Turgeon (2018). Int. J. Evid. Доказательство
  24, 3–11. 10.1177 / 1365712719851133 [CrossRef] [Google Scholar]
• ДеПауло Б.М., Линдси Дж. Дж., Мэлоун Б. Э., Мюленбрук Л., Чарльтон К., Купер Х. (2003). Подсказки к обману. Psychol. Бык. 129, 74–118. 10.1037 / 0033-2909.129.1.74 [PubMed] [CrossRef] [Google Scholar]
• Экман П. (2003). Дарвин, обман и выражение лица. Анна. Акад. Sci. 1000, 205–221. 10.1196 / annals.1280.010 [PubMed] [CrossRef] [Google Scholar]
• Экман П., Фризен В. В. (1969). Невербальная утечка и ключи к обману. Психиатрия. 32, 88–106. 10.1080 / 00332747.1969.11023575 [PubMed] [CrossRef] [Google Scholar]
• Ekman P., Friesen W. V. (1976). Измерение движений лица. Environ. Psychol. Невербальное поведение. 1, 56–75. 10.1007 / BF01115465 [CrossRef] [Google Scholar]
• Экман П., Фризен В. В., Шерер К. Р. (1976). Движение тела и высота голоса в обманчивом взаимодействии. Семиотика
  16, 23–27. 10.1515 / semi.1976.16.1.23 [CrossRef] [Google Scholar]
• Экман П., Хагер Дж. К., Фризен В. В. (1981). Симметрия эмоциональных и осознанных действий лица. Психофизиология
  18, 101–106. 10.1111 / j.1469-8986.1981.tb02919.x [PubMed] [CrossRef] [Google Scholar]
• Фрэнк М. Г., Экман П. (1997). Способность обнаруживать обман распространяется на различные типы лжи с высокими ставками. J. Pers. Soc. Psychol. 72, 1429–1439. 10.1037 / 0022-3514.72.6.1429 [PubMed] [CrossRef] [Google Scholar]
• Франк М. Г., Экман П., Фризен В. В. (1993). Поведенческие маркеры и узнаваемость улыбки наслаждения. J. Pers. Soc. Psychol. 64, 83–93. 10.1037 / 0022-3514.64.1.83 [PubMed] [CrossRef] [Google Scholar]
• Холл М., Франк Э., Холмс Г., Пфарингер Б., Ройтеманн П., Виттен И. Х. (2009). Программное обеспечение интеллектуального анализа данных WEKA: обновление. ACM SIGKDD Explor. Информационный бюллетень. 11, 10–18. 10.1145 / 1656274.1656278 [CrossRef] [Google Scholar]
• Хартвиг ​​М., Бонд К. Ф., младший (2014). Обнаружение лжи по нескольким подсказкам: метаанализ. Прил. Cogn. Psychol. 28, 661–676. 10.1002 / acp.3052 [CrossRef] [Google Scholar]
• Херли К. М., Фрэнк М. Г. (2011). Осуществление лицевого контроля в ситуациях обмана. J. Невербальное поведение.35, 119–131. 10.1007 / s10919-010-0102-1 [CrossRef] [Google Scholar]
• Джеймс Г., Виттен Д., Хасти Т., Тибширани Р. (2013). Введение в статистическое обучение.
  Нью-Йорк, штат Нью-Йорк: Спрингер. [Google Scholar]
• Левин Т. Р. (2018). Научные доказательства и теории подсказок в исследованиях обмана: согласование результатов метаанализа и первичных экспериментов. Int. J. Commun. 12, 2461–2479. [Google Scholar]
• Левин Т. Р. (2019). Обманутые: теория неисполнения правды и социальная наука лжи и обмана.Таскалуса, Алабама: Издательство Университета Алабамы. [Google Scholar]
• Мацумото Д., Хван Х. С. (2018). Микровыражения отличают правду от лжи о будущих злых умыслах. Передний. Psychol. 9: 2545. 10.3389 / fpsyg.2018.02545 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Мацумото Д., Хван Х. С. (2020). Группы невербального поведения различают правду и ложь о будущих злых умыслах в собеседованиях по проверке контрольно-пропускных пунктов. Psychiatry Psychol. Закон 1–16.10.1080 / 13218719.2020.1794999 [CrossRef] [Google Scholar]
• Niu C. (2021). Создание базы данных обмана с высокой экологической достоверностью (магистерская диссертация:). Университет китайской медицины Цзянси, Наньчан, Китай. [Google Scholar]
• Портер С., Тен Бринке Л. (2008). Чтение между ложью: определение скрытых и фальсифицированных эмоций в универсальных выражениях лица. Psychol. Sci. 19, 508–514. 10.1111 / j.1467-9280.2008.02116.x [PubMed] [CrossRef] [Google Scholar]
• Porter S., тен Бринке Л., Бейкер А., Уоллес Б. (2011). Хотел бы я соврать тебе? Утечка ложных выражений лица связана с психопатией и эмоциональным интеллектом. Чел. Индивидуальный. Diff. 51, 133–137. 10.1016 / j.paid.2011.03.031 [CrossRef] [Google Scholar]
• Портер С., Тен Бринке Л., Уоллес Б. (2012). Секреты и ложь: непроизвольная утечка ложных выражений лица в зависимости от эмоциональной напряженности. J. Невербальное поведение. 36, 23–37. 10.1007 / s10919-011-0120-7 [CrossRef] [Google Scholar]
• Шен X., Wu Q., Fu X. (2012). Влияние продолжительности выражения на распознавание микровыражений. J. Zhejiang Univ. Sci. B
  13, 221–230. 10.1631 / jzus.B1100063 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Slowe T. E., Govindaraju V. (2007). Автоматическая индикация обмана с помощью надежных выражений лица, в документе, представленном на семинаре IEEE 2007 года по передовым технологиям автоматической идентификации (Альгеро:). [Google Scholar]
• Су Л., Левин М. (2016). Ложь мне врать тебе? Оценка лицевых ключей к обману с высокими ставками.Комп. Vis. Понимание изображений. 147, 52–68. 10.1016 / j.cviu.2016.01.009 [CrossRef] [Google Scholar]
• Тен Бринке Л., Макдональд С., Портер С., О’Коннор Б. (2012a). Крокодиловы слезы: поведение на лице, словах и языке тела, связанное с подлинным и сфабрикованным раскаянием. Закон Хум. Behav. 36, 51–59. 10.1037 / h0093950 [PubMed] [CrossRef] [Google Scholar]
• тен Бринке Л., Портер С. (2012). Плачь меня рекой: определение поведенческих последствий межличностного обмана с чрезвычайно высокими ставками.Закон Хум. Behav. 36, 469–477. 10.1037 / h0093929 [PubMed] [CrossRef] [Google Scholar]
• Тен Бринке Л., Портер С., Бейкер А. (2012b). Детектив Дарвин: наблюдаемые сокращения лицевых мышц раскрывают эмоциональную ложь с высокими ставками. Evol. Гм. Behav. 33, 411–416. 10.1016 / j.evolhumbehav.2011.12.003 [CrossRef] [Google Scholar]
• Ван ден Ассем М. Дж., Ван Долдер Д., Талер Р. Х. (2012). Разделить или украсть? Кооперативное поведение при больших ставках. Manag. Sci. 58, 2–20. 10.1287 / mnsc.1110.1413 [CrossRef] [Google Scholar]
• Врий А. (2004). 13 рекомендаций по поимке лжеца, в «Обнаружении обмана в судебно-медицинском контексте», ред. П.А. Гранхаг и Л.А. Стрёмвалл (Кембридж: Cambridge University Press:), 287. [Google Scholar]
• Vrij A., Akehurst L., Soukara S. , Булл Р. (2006). Выявление обмана посредством анализа вербального и невербального поведения детей и взрослых. Гм. Commun. Res. 30, 8–41. 10.1111 / j.1468-2958.2004.tb00723.x [CrossRef] [Google Scholar]
• Vrij A., Эдвард К., Робертс К. П., Булл Р. (2000). Обнаружение обмана с помощью анализа вербального и невербального поведения. J. Невербальное поведение. 24, 239–263. 10.1023 / A: 1006610329284 [CrossRef] [Google Scholar]
• Врий А., Фишер Р. П. (2020). Разоблачение заблуждения об обмане и нервном поведении. Передний. Psychol. 11: 1377. 10.3389 / fpsyg.2020.01377 [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
• Вридж А., Хартвиг ​​М., Гранхаг П. А. (2019). Чтение лжи: невербальное общение и обман.Анну. Rev. Psychol. 70, 295–317. 10.1146 / annurev-psycho-010418-103135 [PubMed] [CrossRef] [Google Scholar]
• Vrij A., Mann S. (2001). Кто убил моего родственника? Способность полицейских обнаруживать реальную ложь с высокими ставками. Psychol. Закон о преступности
  7, 119–132. 10.1080 / 10683160108401791 [CrossRef] [Google Scholar]
• Виттен И. Х., Фрэнк Э., Холл М. А., Пал К. Дж. (2016). Интеллектуальный анализ данных: практические инструменты и методы машинного обучения, 4 изд. Кембридж, Массачусетс: Морган Кауфманн. [Google Scholar]
• Райт Уилан К., Вагстафф Г., Уиткрофт Дж. М. (2015). Ложь на высоких ставках: точность обнаружения обмана со стороны полиции и не полицейских. Psychol. Закон о преступности
  21, 127–138. 10.1080 / 1068316X.2014.935777 [CrossRef] [Google Scholar]
• Райт Уилан К., Вагстафф Г. Ф., Уиткрофт Дж. М. (2014). Ложь с высокими ставками: вербальные и невербальные сигналы обмана в публичных обращениях за помощью с пропавшими без вести или убитыми родственниками. Psychiatry Psychol. Закон
  21, 523–537. 10.1080 / 13218719.2013.839931 [CrossRef] [Google Scholar]
• Wu Z., Сингх Б., Дэвис Л., Субрахманян В. (2018). Обнаружение обмана в видео , в статье , представленной на конференции AAAI по искусственному интеллекту (Новый Орлеан, Лос-Анджелес:). [Google Scholar]
• Чжан З., Сингх В., Слоу Т. Э., Туляков С., Говиндараджу В. (2007). Автоматическое обнаружение обмана в реальном времени по непроизвольным выражениям лица, в статье, представленной на конференции IEEE 2007 года по компьютерному зрению и распознаванию образов (Миннеаполис, Миннесота :). [Google Scholar]
• Цукерман М., ДеПауло Б. М., Розенталь Р. (1981). Вербальная и невербальная коммуникация обмана, в «Достижения в экспериментальной социальной психологии», Vol. 14, ред. С. М. Миллер и Б. Леонард (Нью-Йорк, Нью-Йорк: Academic Press:), 1–59. [Google Scholar]

Полное руководство по чтению микровыражений лица

Эта статья является частью нашего руководства по языку тела. Щелкните здесь, чтобы узнать больше.

Лицо и его выражения, также известные как микровыражения, являются окном в душу — , если вы умеете их читать.Хорошая новость в том, что мы можем многое рассказать о ком-то по его лицу.

Лицо лидера

Посмотрите на эти лица руководителей. Сможете сказать, у каких компаний самые прибыльные?

В этом исследовании Николаса Роула и Налини Амбади исследователи попросили участников оценить этих руководителей на основе их фотографий. Их рейтинги точно коррелировали с уровнем прибыли, полученной генеральным директором.

Ответы: J. David J. O’reilly (Chevron), G. Джеймс Малва (Conoco Phillips), C. Х. Ли Скотт-младший (Walmart).

↑ Содержание ↑

Умеешь ли ты читать выражения лица?

Вы умеете читать микровыражения? Прежде чем читать руководство ниже, посмотрите, насколько хорошо вы можете определить 7 универсальных выражений лица!

Я искренне верю, что умение читать по лицам — один из 10 самых важных навыков работы с людьми, которые должен знать каждый. Давайте добавим это в ваш набор инструментов Soft Skills:

↑ Содержание ↑

Как читать микровыражения

Микровыражения — ключ к чтению лиц.Посмотрите мое видео, чтобы получить подробную информацию, а также узнать, как определять каждое микровыражение!

Готовы двигаться дальше? Вот мое руководство по пониманию микровыражения.

Что такое микровыражение?

Микровыражение — это очень короткое непроизвольное выражение лица, которое люди делают, когда испытывают эмоцию. Обычно они длятся 0,5–4,0 секунды и не могут быть подделаны.

Что такое тренировка с микровыражением?

Умение читать микровыражения и расшифровывать лица — одно из лучших навыков работы с людьми, которое вы можете иметь.Тренировка с микровыражениями — это способ быстро выучить каждое из 7 микровыражений, чтобы вы могли замечать их и реагировать на них в реальной жизни. Узнайте больше о тренировках с микровыражениями здесь.

Кто изобрел микровыражение?

Микровыражения были впервые обнаружены исследователями Хаггардом и Айзексом. Доктор Пол Экман популяризировал термин «микровыражение» и значительно расширил исследования.

Есть ли универсальные эмоции?

Да. Чарльз Дарвин был первым, кто продвигал идею о том, что люди выражают эмоции одинаково, независимо от того, где они находятся в мире.Доктор Экман попытался подтвердить ответ, поэтому он направился в Чили, Аргентину, Бразилию, Японию и США, чтобы найти его.

Экман обнаружил, что во всех этих странах люди выражают и идентифицируют 7 универсальных эмоций одинаково. Он даже рискнул отправиться в отдаленное примитивное племя фор в Папау-Новой Гвинее и обнаружил, что они выражают те же эмоции, что и мы.

Как читать микровыражения?

Научиться читать микровыражения — это легкий навык, который чрезвычайно полезен как в профессиональной, так и в общественной жизни.Прочтите наше руководство ниже о том, как определить каждое из семи микровыражений.

Они могут возникать с частотой от 1/15 до 1/25 секунды. Вы видите их повсюду. Билл Клинтон показал их во время своих показаний.

Лэнс Армстронг проявил презрение в интервью Опре.

Нам просто нужно знать, что искать.

Лицо — лучший индикатор эмоций человека. Тем не менее, это часто упускается из виду. Доктор Пол Экман, чьи исследования лежат в основе шоу « Обмани меня », провел новаторское исследование по расшифровке человеческого лица.Он показал, что мимика универсальна.

Другими словами, люди в США делают то же лицо печали, что и коренные жители Папуа-Новой Гвинеи, которые никогда не видели телевизионных или киногероев, чтобы подражать им. Он также обнаружил, что слепые от рождения люди — или слепые с рождения — также имеют такое же выражение лица, хотя никогда не видели лиц других людей.

Экман выделил семь выражений лица, которые наиболее широко используются и легко интерпретируются.Научиться их читать невероятно полезно для понимания людей в нашей жизни.

Если вы хотите научиться читать по лицам людей, важно знать следующие основные выражения. Я бы порекомендовал примерить следующие лица в зеркало, чтобы вы могли увидеть, как они выглядят на себе.

Интересное примечание: Исследователи обнаружили, что если вы сделаете выражение лица, вы тоже начнете ощущать эмоции! Эмоции вызывают не только выражения лица — выражения лица также вызывают эмоции.

↑ Содержание ↑

Семь микровыражений

Сюрприз Микроэкспрессия

• Брови приподняты и изогнуты.
• Кожа под бровью растянута.
• На лбу видны горизонтальные морщины.
• Веки открыты, белок глаза виден сверху и снизу.
• Челюсть раскрывается, зубы раздвигаются, но ротовая полость отсутствует.

Вы когда-нибудь задумывались, , почему мы выглядим удивленными? Когда мы поднимаем брови, мы открываем глаза шире.Это позволяет другим наблюдателям намного легче увидеть, куда мы смотрим… так что они могут видеть именно , а нас удивляет.

И если вас когда-либо обвиняли во лжи, когда вы говорите правду, вы могли бы вскинуть брови и широко раскрыть глаза. Согласно исследованию Нью-Йоркского университета в 2014 году, это также помогает нам выглядеть заслуживающими доверия. Когда вы широко открываете глаза, вы буквально сигнализируете окружающим, что вам нечего скрывать.

Сюрприз также может быть полезен в мире свиданий и влечения — когда кто-то тянется к вам, вы можете заметить, что он на короткое время приподнимает бровь, что называется вспышкой бровей.

Что такое вспышка бровей?

Вспышка бровей — это быстрое поднятие и опускание бровей, которое обычно длится всего долю секунды. Он обычно используется людьми, которые знают друг друга, чтобы указать на знакомство, или используется как знак влечения и интереса.

В исследовании Лондонского университета в 2008 году исследователи попытались выяснить силу вспышки бровей:

• 6-месячные младенцы были протестированы, чтобы увидеть, будут ли они следить за взглядом взрослого.
• Когда взрослый куда-то смотрел, не используя микровыражение, младенец не следил за взглядом.
• Однако, когда была включена вспышка бровей, младенцев проследили за взором взрослого.

Другими словами, даже младенцы знают о важности мелькания бровей. Мы все понимаем на глубоком, биологическом уровне, что когда мы видим это выражение лица … это потому, что мы видели что-то интересное (или кого-то привлекательного!).

↑ Содержание ↑

Fear Microexpression

• Брови приподняты и сведены вместе, обычно плоской линией.
• Морщины на лбу расположены посередине между бровями, а не поперек.
• Верхнее веко поднято, но нижнее веко напряжено и приподнято.
• Глаза имеют верхний белый вид, но не нижний белый.
• Рот открыт, губы слегка напряжены или вытянуты и отведены назад.

Микровыражение страха тесно связано с шоком, поэтому между ними много общего. Но у этого также есть своя цель — когда мы напуганы и широко открываем глаза, наше поле зрения увеличивается.Это позволяет нам видеть любые угрозы, которые могут скрываться поблизости.

Наш рот открывается, когда мы боимся, потому что это помогает нам подготовиться к двум вещам. Во-первых, он подготавливает нас на случай, если нам понадобится позвать на помощь, если мы почувствуем угрозу. Во-вторых, он подготавливает нас к вдыханию большого количества кислорода. Этот кислород полезен в случае, если нам нужно убежать… или сразиться с врагом!

И если вы когда-нибудь видели кого-то напуганным, вы тоже могли испугаться. Это совершенно нормально: отражение страха других людей — естественная реакция.Исследование, проведенное в 1996 году, показало, что, когда мы видим испуганные выражения лица, активность нашей миндалины — части нашего мозга, ответственной за страх — возрастает.

Таким образом, когда один человек демонстрирует микровыражение страха, другие вокруг него также широко открывают глаза. Это позволяет окружающим лучше подготовиться к поиску признаков опасности.

Bonus: Вы когда-нибудь задумывались, почему мы закрываем рты, когда мы шокированы или напуганы? Это способ скрыть свои эмоции. Это полезный жест, если нас не пугает ничего слишком серьезного.Например, если мы спотыкаемся в темноте и сталкиваемся с кем-то — только для того, чтобы понять, что кто-то является нашим другом или членом семьи.

↑ Содержание ↑

Disgust Microexpression:

• Глаза суженные.
• Верхняя губа приподнята.
• Возможно обнажение верхних зубов.
• Нос морщинистый.
• Скулы приподняты.

Отвращение — это выражение вашего лица, когда вы чувствуете запах чего-то плохого или слышите что-то неприятное.Когда мы прищуриваем глаза от отвращения, наша острота зрения увеличивается, помогая нам найти источник нашего отвращения. Это также важное микровыражение, на которое следует обратить внимание: если вы хотите быть привлекательным, наука говорит, что избегайте отвращения любой ценой.

И вот почему: в исследовании 76 гетеросексуальных женщин Портсмутского университета было обнаружено, что отвращение оказывает наибольшее негативное влияние на сексуальное возбуждение — даже в 3 раза больше, чем страх. Так что, если вы хотите быть романтичным, лучше вообще избегать всего отвратительного.

Попытка подавить отвращение также имеет плохие последствия. В 2009 году Университет Гронингена провел исследование:

• Участников попросили подавить отвращение.
• Им показали кадры грязного туалета или фильм с ампутацией.

Вы можете угадать, что случилось? Эти участники стали еще больше думать об отвратительных вещах! И в целом они чувствовали себя более негативно.

↑ Содержание ↑

Микроэкспрессия гнева:

• Брови опущены и сведены вместе.
• Между бровями появляются вертикальные линии.
• Нижняя губа натянута.
• Глаза пристально смотрят или выпучены.
• Губы можно плотно прижать друг к другу, уголками вниз или принимать квадратную форму, как при крике.
• Ноздри могут быть расширены.
• Нижняя челюсть выдвигается.

(Все три области лица должны быть задействованы, чтобы не было двусмысленности)

В отличие от микровыражений удивления и страха микровыражение гнева характеризуется опущенными бровями.И этому есть причина. В выпуске журнала Psychological Science за 2019 год :

• 101 участник оценил преобладание различных аватарок.
• Аватары имели нейтральное выражение лица, но были либо наклонены вверх, вниз, либо оставались нейтральными.

Результаты показали, что люди с более низкой позицией воспринимались как более доминирующие. Это потому, что когда голова опущена, брови кажутся более V-образными и выступающими.

Это также означает, что люди считают разгневанных людей менее заслуживающими доверия.С опущенными бровями и прищуренными глазами становится труднее «увидеть» окно в душу, что приводит к снижению уровня воспринимаемого доверия.

Люди, которые искренне злятся, могут пытаться скрыть свое гневное выражение лица в социальных ситуациях. В конце концов, гнев — более серьезное нарушение социальных норм, чем грусть или другие негативные эмоции. Следовательно, люди могут показать лишь небольшой признак, например, быстрое сморщивание бровей.

Однако исследователи из Университета Эссекса обнаружили, что сердитые лица — одно из самых быстрых выражений, которые можно обнаружить.Это потому, что мы должны быть в состоянии быстро определить, рассердился ли человек, с которым мы разговариваем, внезапно, чтобы избежать возможного физического вреда.

↑ Содержание ↑

Happiness Microexpression

• Уголки губ оттянуты назад и вверх.
• Рот может быть приоткрыт, зубы открыты.
• Морщинка идет от носа к внешней губе.
• Скулы приподняты.
• На нижнем веке могут появиться морщины или оно будет напряженным.
• Гусиные лапки возле глаз.

* Выражения наверху — это фальшивое счастье, когда боковые глазные мышцы не задействованы. Те, что внизу — настоящее счастье. Увидеть разницу?

Люди все время пытаются симулировать свое счастье. Но настоящее счастье невозможно подделать. Когда люди по-настоящему счастливы, они улыбаются так называемой улыбкой Дюшена.

Что такое улыбка Дюшенна?

Улыбка Дюшена, придуманная французским неврологом Гийомом Дюшенном, — это искренняя улыбка, рожденная истинным удовольствием.Ее можно отличить от фальшивой улыбки по мышце orbicularis oculi , которая образует морщинки типа «гусиные лапки» вокруг глаз.

Когда кто-то по-настоящему счастлив, вы заметите, что на его улыбке также есть морщинки вокруг глаз (так называемый маркер Дюшена). Улыбки без маркера Дюшенна — это «фальшивые» или вежливые улыбки.

Мы даже заранее настроены отличать настоящие улыбки от фальшивых! Исследователи из Западного университета обнаружили, что наш мозг воспринимает микровыражения, сопровождаемые маркером Дюшенна, как более искренние и интенсивные.Так что, зная микровыражение счастья, вы сможете отличить настоящее счастье от тех, кто его притворяется.

↑ Содержание ↑

Sadness Microexpression

• Внутренние уголки бровей втягиваются, а затем поднимаются.
• Кожа под бровями треугольная, внутренним уголком вверх.
• Угол губ опущен.
• Челюсть поднимается.
• Нижняя губа надувается.

Это микровыражение сложнее всего подделать! Это также одно из самых сложных микровыражений для правильного определения.Причина? Печальные микровыражения не очень большие или заметные. Когда человеку грустно, нет ничего такого большого, как улыбка.

Печаль, в отличие от удивления, также является одним из самых продолжительных микровыражений. У людей может даже развиться грустное лицо в состоянии покоя (похоже на RBF). Печаль также можно использовать как выражение лица, чтобы успокоить злых.

↑ Содержание ↑

Презрение / ненависть Microexpression

• Одна сторона рта приподнята.

Что такое неуважение? Презрение, как и ненависть, — это негативное чувство неприязни, неуважения или оскорбления по отношению к кому-либо. Это единственное из 7 универсальных микровыражений, которое асимметрично.

В отличие от микровыражения отвращения, презрение характеризуется чувством превосходства над другим. Когда человек испытывает презрение, он или она может чувствовать, что он прав, а другой человек неправ. Если вы видите микровыражение презрения, это плохой знак.

Почему? По словам брачного эксперта д-ра.Готтман, презрение — самая разрушительная эмоция и главный фактор развода. Но не все так плохо. Если вы правильно определите презрение, вы сможете его исправить.

Согласно исследованию, опубликованному в журнале Journal of Marriage and the Family , 83% непростых отношений, в которых проявлялись такие негативные признаки, как презрение, смогли изменить их — при условии, что пары смогли успешно помириться после ссоры.

↑ Содержание ↑

Бонус: Resting Bitch Face (RBF)

Вы когда-нибудь смотрели на кого-то, кто просто ВЫГЛЯДИТ на злость / грусть / ненависть ко всей вселенной без всякой причины? Они могут просто страдать от так называемой «отдыхающей суки », (или сокращенно RBF).

Если вы такой же больной, как я, вы знаете, что что бы вы ни делали, RBF никуда не денется.

• Хотите вкусно поесть? RBF.
• Стирать ли? RBF.
• Смотрите смешной фильм со своей второй половинкой? RBF.

↑ Содержание ↑

Бонус № 2: Рык

Рычание — это выражение лица, для которого характерны приподнятая верхняя губа, опущенные брови, расширенные ноздри и обнаженные зубы. Ворчание редко случается в одиночку; люди обычно рычат на других, чтобы послать им агрессивное предупреждение.Рычание уникально, потому что это, по сути, эмоции отвращения и гнева, объединенные в одно целое.

Наряду с людьми, животные, такие как собаки и волки, также рычат, показывая свои зубы и отправляя невербальное сообщение о необходимости отступить.

↑ Содержание ↑

Управляйте своими микровыражениями, управляйте своей жизнью

Теперь вы можете спросить — зачем мне контролировать свои микровыражения? Помимо того, что вы придаете уверенности в социальных ситуациях, ваши микровыражения позволяют другим людям заглянуть в ваши истинные эмоции.И, как мы уже говорили ранее, люди запрограммированы на то, чтобы чувствовать микровыражения. Нравится нам это или нет!

Зная микровыражения, вы сможете:

• Выглядите более уверенно на встречах, во время собеседований и переговоров о продажах.
• Улучшите отношения между любимым человеком, друзьями и членами семьи.
• Откройте для себя истинные чувства своих клиентов и партнеров как в профессиональной, так и в личной жизни.

Чарльз Дарвин описал это лучше всего:

Кажется, что каждое истинное или унаследованное движение самовыражения имело какое-то естественное и независимое происхождение.Но однажды приобретенные, такие движения могут быть добровольно и сознательно использованы в качестве средства коммуникации.

Чарльз Дарвин

Когда мы изучаем микровыражения других и контролируем свои собственные, мы получаем больший контроль над собственной жизнью.

Но правда в том, что…

Определение микровыражений — это только одна часть головоломки. Может быть, пришло время повысить уровень ваших навыков работы с людьми.

1. Научитесь читать и расшифровывать эти 7 невербальных сигналов
2. Научитесь понимать науку, лежащую в основе каждой эмоции
3. Если вы действительно хотите улучшить свою игру, вы можете попробовать наши интенсивные онлайн-тренинги, чтобы повысить свою харизму, общаться мощно, и возьмите на себя командование своим присутствием.

Какое ваше любимое микровыражение? Оставьте комментарий ниже!

Эта статья является частью нашего руководства по языку тела. Щелкните здесь, чтобы узнать больше.

Оценка правдивости и обнаружение обмана — LEB

Использование ложных улик или знаков лжи может иметь ужасные последствия. ³ Это может привести к неточному прочтению того, что свидетели, подозреваемые или информаторы лгут, когда они не лгут, или что они говорят правду, когда в истории есть что-то большее.Опора на ложные улики ведет к ложной уверенности в сильных и слабых сторонах дел и может вести следователя по тупиковому пути. Более того, ложное считывание может иметь смертельные последствия.

ПОВЕДЕНЧЕСКИЕ НАПРАВЛЕНИЯ

Годы исследований заставили авторов сосредоточиться исключительно на наиболее проверяемых поведенческих сигналах к лжи. ⁴ Во многих исследованиях участвовали случайно выбранные люди, которым случайно было поручено лгать или говорить правду. К сожалению, в таких исследованиях участвуют участники без личных, финансовых или эмоциональных вложений во ложь или без какого-либо страха подвергнуться наказанию, если их поймают.Никаких ставок — никакого наказания за поимку и никакой награды за обман следователя.

В исследованиях авторов участвуют люди, мотивированные действовать против человека или группы с другой идеологией, оказываются в ситуации, когда они выбирают, совершить ли преступление (например, украсть чек, выписанный группе, которую они презирают), а затем опрошены отставным сотрудником правоохранительных органов, предлагая им возможность сказать правду или солгать. Ставки включают в себя задержание, выдерживание взрывов белого шума или, например, пожертвование украденного чека группе, которую они ненавидят.Эти последствия имели бы место, если бы человеку не поверили независимо от истины, потому что в реальной жизни последствия проистекают из суждений, а не из реальности. Таким образом, правдивые люди часто нервничают на допросах в полиции. Авторы стремятся сделать свое исследование практическим и аналогичным реальным ситуациям правоохранительных органов и обнаружили, что, очевидно, поведенческие сигналы лжи различаются, когда люди не уверены, что их рассказам поверили, и не боятся быть обнаруженными.

Авторы контролируют своих участников с помощью датчиков, которые записывают и анализируют их лицевое поведение, жесты, движения тела, характеристики голоса и речи, физиологические показатели (например,g., частота сердечных сокращений, артериальное давление, проводимость кожи, дыхание), тепловое излучение от их лиц и голов, расширение зрачков и направление взгляда. Кроме того, авторы записывают устные слова своих участников, а затем изучают их устные высказывания и стиль. Результаты показали, что, когда мотивированные люди лгут и сталкиваются с последствиями при обнаружении, появляются ключи к обману, которые проявляются в виде утечки по множеству каналов. Четыре из них невербальны (мимика, жесты и язык тела, голос и вербальный стиль).Пятый канал утечки — это реальные сказанные слова — словесные утверждения.

Не простое присутствие или отсутствие поведения, такого как отвращение взгляда или ерзание, указывает на ложь. Скорее, это то, как эти невербальные сигналы меняются с течением времени от исходного уровня человека и как они сочетаются со словами человека. И когда рассматриваются только поведенческие сигналы из этих источников, они четко различают ложь и правду. ⁵

Результаты этих исследований также ясно показали, что не существует ни одного индикатора лжи; если так, то исследования уже определили бы это, и почти каждый мог бы безошибочно определить, когда люди лгут.Конечно, это положит конец большинству соревновательных карточных игр и в целом окажется разрушительным для общества. Никто не может быть вежливым, общество не будет функционировать, и большинство групп и отношений погрузятся в хаос.

Поскольку лжецы, стоящие на кону, выдают свою неправду путем утечки, которая проявляется в виде сложной массы сигналов, следователи затрудняют адекватную обработку этого потока информации, сосредотачиваясь на несоответствиях в истории, а не на том, как она рассказывается. Проблема в том, что лжец также старается представить последовательную, хотя и ложную, историю.По иронии судьбы, лжецы также борются со своими эмоциями и мыслями, активно пытаясь управлять выражением лица и тела, тоном голоса, вербальным стилем и словами — и все это при одновременном наблюдении за реакцией следователя. Это позволяет выявить надежные индикаторы лжи в словесных и невербальных утечках, которые исследователи часто упускают из виду из-за их пристального внимания к истории.

ВЕРБАЛЬНАЯ И НЕВБАЛЬНАЯ УТЕЧКА

Ложь может быть выдана как вербальной, так и невербальной утечкой.Однако авторы решили продолжить изучение этой области, проанализировав совокупный вклад вербальной и невербальной утечки информации в предсказание обмана или правдивости. В своем последнем исследовании авторы изучили видеозаписи преданных членов идеологически мотивированных групп. Отдельные исследования проанализировали два типа лжи. В одном из них участвовали участники ситуации, в которой они выбирали, украсть ли 50 долларов наличными из портфеля, а позже были допрошены об их вине (сценарий преступления).В другом анализе участники решили солгать или сказать правду о своих убеждениях относительно своей политической цели (сценарий общественного мнения). В каждом случае были ставки: если исследователи сочли их лживыми, испытуемые теряли плату за участие и сталкивались с 1 часом взрыва белого шума, сидя на холодном стальном стуле в маленькой тесной комнате.