Name: 整体面部复合创作以后的视频阵容目击者识别范式 (视频) | JoVE Journal
Uploaded: 2015-12-24T15:00:00.000+00:00
Duration: 9 min 49 s
Description: 了解整体面部复合创作与视频阵容识别方法在法医心理学中的应用。本研究通过模拟真实警方调查场景，帮助研究人员优化目击者记忆提取与嫌疑人识别流程，提升刑事侦查效率。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究部分得到了格林威治大学向第一作者和第三作者提供的内部资助。感谢 Dominic Goodchild、Chris Hughes、Adrian Ibanescu、Corrado Ranelli 和 Charlie Shaw 在犯罪现场视频中担任嫌疑人的角色，感谢 Henry DC Williams 负责犯罪现场视频的拍摄与导演工作。同时感谢来自伦敦警察厅的警司 Mick Neville、督察 Barry Burnell 和警长 Nick Milbourn 为本项目创建并提供 PROMAT 视频列队，并就实验设计和视频列队程序提供专业建议。此外，感谢伦敦警察厅的警探 Tony Barnes 就特定整体式面部合成系统在警方调查中的应用提供指导意见，并允许本文第二作者（即视频中出现的合成图像制作员）在其与目击证人合作、为真实刑事案件制作面部合成图像的过程中进行跟岗学习。

Solomon 和 Gibson 是肯特大学的教职人员，同时也是 VisionMetric Ltd 公司的董事。VisionMetric Ltd 公司销售 EFIT-V 面部合成系统。Solomon 和 Gibson 对本研究的贡献包括：在肯特大学开展操作员培训、软件开发及软件支持，以及协助撰写手稿。数据收集、分析、解释和手稿撰写由 Davis、Jolliffe 和 Maigut 完成，他们没有需要披露的内容。

制作面部合成图像可能为警方调查提供第一条线索1。随后，参与构建合成图像的目击者可能会被要求观看包含警方嫌疑人的队列辨认视频。该嫌疑人实际上可能是真正的罪犯，此时队列辨认为“含罪犯”情况；也可能是无辜者，此时队列辨认为“无罪犯”情况。本文所描述的应用性实验范式已被用于相关研究，证明整体式面部合成图像的制作能够提高在“含罪犯”情境下通过逐个呈现的九人视频队列辨认程序正确识别罪犯的准确率，而对“无罪犯”情境下的辨认结果则无显著影响11。该实验范式具有较强的法庭科学效度和生态效度，因其高度模拟了英格兰和威尔士地区警方实际采用的操作流程。事实上，尽管并非分析的核心部分，本方案仍严格遵循警方在类似情况下可能采用的访谈程序类型（例如，认知访谈23–24）；尽管在今后的研究中，若能将认知访谈的不同组成部分作为独立变量进行调整，将具有重要研究价值。此外，尽管整体式合成图像的构建实际上并不需要目击者提供详细描述，操作人员仍会要求目击者对罪犯外貌进行描述，以体现规范操作流程——因为如果目击者的口头描述与合成图像的外貌特征一致，则表明操作人员在构建过程中未施加不当影响（例如，若合成图像和警方嫌疑人均显示为金发，但目击者描述为黑发，则在法庭上可能引发质疑）。
应遵循该程序的其他方面以增强法证有效性。例如，真实目击者通常不会提前知晓自己将目睹一起犯罪事件，而提前告知参与者他们将要构建面部合成图像或被要求进行辨认，可能会影响他们观看罪犯初始视频时的注意力方式。因此，通常应避免向参与者透露本研究旨在调查目击证人相关程序，为此研究标题往往略有误导性（例如，“视频分析研究”）。此外，为避免无意的实验者偏差，不同的实验角色（例如，合成系统操作员、队列管理员）应由不同人员分别担任。出于类似原因，操作员应接受过复合系统使用的全面培训，且操作员与队列管理员均应对罪犯身份不知情，并从未观看过罪犯视频。理想情况下，队列辨认程序应采用双盲方式进行，以确保无管理员偏差44-46，尽管英格兰和威尔士的《PACE D条款》中的辨认程序并未规定必须采用双盲方法。同样，《PACE D条款》也未要求收集辨认信心程度的测量数据，尽管在此类实验范式中，出于研究目的通常会收集此类数据。事实上，信心程度可能作为队列辨认准确性的指标。因此，在选择队列中对象的参与者中，信心与准确性之间通常存在显著正相关关系，但在未作选择的参与者中则不存在这种关系47-49。
该基本范式也可轻松适用于不同类型的面部组合系统（例如参见文献11，其中比较了基于特征的面部组合与整体式系统组合对视频列队辨认结果的影响）。目前已有多种可用的整体式面部组合系统，尽管它们均基于整体性原理运作，但其操作界面各不相同13-15。该范式还可用于与英国或其他司法管辖区常规使用的不同类型列队辨认方法进行比较。例如，在美国，大多数辨认程序采用六人顺序式或同时式照片列队33-36，而波兰主要采用四人同时式列队50。尽管目前在英国已极为罕见，但其他一些司法管辖区可能仍常规使用所有成员亲自到场的真人列队辨认。在本研究所描述的实验范式中，无辜干扰项是从警官列队管理员选定的九人中随机选取一人，以替代“无罪犯列队”中的罪犯。然而，某些目击者辨认范式可能会预先专门选择一名“无辜嫌疑人”用于此目的。因此，“无罪犯列队”可能包含与“有罪犯列队”中不同的多个干扰项例如，51，因为真实的警方列队会针对特定嫌疑人进行个性化设置。为进一步考察面部组合构建对列队辨认结果的影响，结合“有罪犯列队”与“无罪犯列队”的结果还可揭示记忆敏感性或选择反应偏向是否受到影响（例如参见文献52，其中讨论了信号检测指标在此类分析中的应用）。
此外，已知有许多变量会影响面部识别和目击者辨认的准确性，该设计可容纳对这些变量的检验，以考察在生成面部合成图像后进行列队辨认时，这些变量是否会产生额外的影响例如，嫌疑人与当事人的性别、年龄或种族；参与者信心、程序间的延迟；干扰项选择方法、参与者对嫌疑人的观察质量；证人描述质量；有关此类“估计变量”的综述参见 53）。然而，此类设计的一个问题是，由于列队辨认的反应本质上主要是二分法的，因此需要大量参与者才能获得足够的统计效力（例如，正确与错误），并且与真实的警方调查类似，大多数参与者将仅生成一个合成图像并查看一个 lineup。此外，该实验设计耗时较长。为了更好地模拟警方调查，理想情况下，研究的三个阶段之间应设置时间间隔，而仅合成图像的构建过程通常就可能耗时超过一小时。尽管存在这些问题，仍需重视在调查过程中警方可能采用的新技术（例如，一种面部合成系统），在实验室中进行实证测试，以研究该技术对后续调查程序所产生的影响（例如，列队辨认）。一名真实犯罪嫌疑人的命运，无论其是否有罪，可能部分取决于是否遵循了最佳实践。

如果警方对某起犯罪案件没有嫌疑人，目击证人（通常是受害者）可以在警方系统操作员的协助下，凭记忆构建罪犯的面部合成像1。其目的是让熟悉该罪犯的人能够认出该图像。随后，一名已被确认的嫌疑人（可能并非真正的罪犯）将被安排进入列队辨认程序，以检验最初的目击证人是否能够将其识别出来。许多目击证人会出现错误辨认的情况。在真实的警方列队辨认中，超过20%的英国2和美国3目击者会选择一名已知无辜但被纳入列队作为对照的“干扰项”。有时，证人会选中事实上无辜的警方嫌疑人。此类错误可能是导致冤假错案的首要原因4-6。在美国前250起通过DNA证据平反的司法误判案件中，有46起案件的目击证人曾制作过面部合成像4，且其中许多人随后在列队辨认中指认了无辜个体。尽管这些案件中可能存在其他指向性证据，因此面部合成像程序未必是直接原因，但已有研究表明，制作合成像可能降低例如，7-10、不影响例如，8或提高例如，11,12列队辨认的准确性。本类应用研究的目标是为警方提出最佳实践建议，特别是在完成面部合成像后紧接着进行列队辨认的情况下。 
许多国家的执法机构采用计算机化的整体式面部肖像合成系统例如，13-15，取代了此前广泛使用的特征式系统（有关合成系统的综述参见16-17）。这主要是因为整体式系统更贴近人类各年龄段处理和识别人脸时所采用的整体“格式塔”方式例如，18-20。在特征式系统中，目击者首先需要通过语言回忆嫌疑人的面部特征（例如，眼睛、鼻子和嘴巴），其次从通常有限的特征数据库中逐个查找这些特征，最后将它们组合成完整的合成图像。每一步都具有较高的认知负荷——很少有人具备足够的词汇来逐项详细描述面部特征，逐项面部分析容易出错，且语言回忆的准确性通常低于视觉识别，这可能是因为人脸在记忆中的编码方式（视觉模式）与提取方式（语言模式）之间存在不匹配21-22。因此，特征式合成图像往往与嫌疑人相貌相差较大也就不足为奇了16-17。
在整体式面部合成系统中13-15，目击者从一系列逼真但由计算机生成的面部图像阵列中，选择最接近其对罪犯记忆的图像。因此，其主要的提取模式为视觉匹配，与面部信息编码时的模式一致。不同系统的界面存在差异，包括图像是否为彩色、阵列数量，以及目击者是查看完整面部，还是仅查看去除外部特征的面部17。然而，所有整体式系统均通过连续呈现多组图像阵列，逐步提高合成像与罪犯之间的相似度。在每一步中，当前阵列所包含的面部图像由目击者此前的选择以及一种进化算法共同决定。目击者从阵列中选择一个面部，进化算法则基于这些选择“繁殖”出下一代面部，构成下一组阵列。系统还可配备附加工具，用于添加衣物、纹身、面部毛发或其他个体化标记，调整面部特征的大小与位置，并调节整体属性（例如，年龄、显著性）。当目击者对其生成的合成像感到满意时，该过程即告完成。在整个过程中，警方操作员仅提供指导，不干预具体选择。
结合初始的认知访谈23-24，并着重于促进信息质量和数量的自由回忆环节，整体式系统生成有助于对面孔整体的识别，而非如基于特征的系统那样依赖对面部孤立特征的分析。对面部特征及其构型的操控始终是在整张面孔的背景下进行的，因此，与基于特征系统生成的合成像相比，整体式系统生成的合成像通常质量更高，也更容易被熟悉被描绘者的人识别17, 25-26。警方实地调查也表明，整体式系统合成像能带来更高的嫌疑人识别率例如，27-28。此外，甚至年仅六岁的儿童8以及患有智力障碍的成年人29也能够理解该系统的任务要求。基于这些原因，特别是当目击者在描述面部特征方面存在困难时，英格兰和威尔士的警察首长协会（ACPO）推荐使用整体式系统30。
一旦警方确定了潜在嫌疑人，他们可能会要求制作过面部合成像的目击者对嫌疑人进行列队辨认或身份游行辨认。一些研究发现，与未制作过面部合成像的对照组相比，制作面部合成像能够提高辨认的准确性例如，11-12。然而，其他主要采用特征拼接式系统的研究则发现，制作面部合成像会对辨认表现产生负面影响例如，7, 9-10。如果合成像与罪犯相貌相似度较差，则辨认准确性似乎最易受到损害8, 10。这表明，对于参与合成像制作的目击者而言，面部合成像可能比原始记忆中的嫌疑人形象形成更显著的记忆痕迹。然而，在其他条件相同的情况下，整体式系统生成的面部合成像应更有利于提高正确辨认的概率，因为这类合成像通常比基于特征的合成像更接近罪犯的真实相貌。
此处描述的研究范式紧密复制了在年轻成人中使用的设计与流程 8, 11, 31，儿童 8，以及老年成人 31 参与者。复合物制备 参与者-见证人 非复合型制备 对照组 观看一段最初的“嫌疑犯-行为人”犯罪现场视频。经过一段延迟后，参与实验的目击者构建一个整体系统面部合成像。随后，再经过一段延迟，所有参与者尝试从视频列队辨认中识别出嫌疑人，该技术几乎被用于英国每年约110,000次正式辨认程序中 2,32两组从观看犯罪现场视频到进行列队辨认的平均延迟时间相等。基于大量实证研究，关于实施列队辨认的最佳程序目前仍存在持续争论。一些研究人员主张采用逐次列队辨认，而非同时列队辨认。 例如, 33-34. 其他研究者持相反观点 例如,35-36然而，视频列队辨认的正确识别率高于美国常推荐的逐个呈现程序。 37-38尽管如此，本文所述方法具有较强的生态效度，因其 closely 接近实际警方调查中所采用的程序，且可调整用于不同类型的列队辨认。文中还描述了确保列队辨认对嫌疑犯“公平”的各种方法。 39-40此外，所采用的整体复合系统是英国大多数警察部队使用的标准，访谈技术是警方复合图像操作员通常使用的技术，视频列队辨认则由伦敦大都会警察局按照真实调查的方式构建，遵循《警察与刑事证据法》（PACE）实践守则（D款）的指导方针，该守则规定了英格兰和威尔士的警方身份识别程序。 41此外，该设计具有灵活性，可测量可能影响复合材料质量和鉴定准确性的其他变量（例如，复合系统，肇事者-行为人性别、年龄或种族；操作之间的延迟。
在决定是否公开发布面部合成图像时，警方操作人员可能会要求参与创建图像的目击者对合成图像的最终质量进行评估。在此范式中，图像构建完成后，每位参与创建的目击者需根据自己对嫌疑人的记忆，对合成图像与其记忆之间的相似度进行评分。这些评分将与独立评估者（assessors）提供的评分进行比较——这些评估者对合成图像所描绘对象非常熟悉，因此能够提供更为客观的可识别性度量。此类评分可作为更符合生态效度方法的替代指标，即让熟悉嫌疑人的人尝试说出合成图像中人物的姓名。然而，评估者的评分与命名正确率存在相关性，表明二者本质上测量的是相同的构念42。此外，评估者评分与成年参与者（即目击者创建者）对图像质量的自我评估呈正相关，但与儿童参与者创建者的评估则无此相关性8。
综上所述，该实验范式采用独立组设计。第一个因素是参与者角色——参与者被分配至“参与构建嫌疑人画像的目击者组合组”或“不构建画像的对照组”。第二个因素是嫌疑人是否出现——向参与者呈现包含原始犯罪现场视频中同一嫌疑人的“嫌疑人出现”视频列队，或呈现用额外一名无辜者替代嫌疑人的“嫌疑人未出现”视频列队。第三个因素（若有所变化）是观看犯罪现场视频与进行列队辨认之间的延迟时间。主要的因变量是列队辨认的准确性。在参与构建嫌疑人画像的目击者组合组中，采用相关设计测量由目击者参与者和独立评估者（其中部分应为嫌疑人的熟人）所提供的嫌疑人与画像相似度评分之间的关系。同时，也考察画像-嫌疑人相似度评分与视频列队辨认准确性之间的关系。

<table><tbody><tr><td>视频列队辨认</td><td>Promat Envision International</td><td>PROMAT</td><td>网站：http://www.promatenvision.co.uk 联系方式：info@promatenvision.co.uk&amp;nbsp;</td></tr><tr><td>统计分析软件</td><td>IBM</td><td>SPSS Statistics 20</td><td>网站：http://www-01.ibm.com/software/uk/analytics/spss/ 联系电话：+44 (0) 870 542 6426</td></tr><tr><td>在线调查工具</td><td>Qualtrics</td><td>Qualtrics</td><td>网站：&amp;nbsp;http://www.qualtrics.com 联系电话：1-800-340-9194</td></tr><tr><td>面部合成系统</td><td>VisionMetric Ltd</td><td>EFIT-V 5.006</td><td>网站：http://www.visionmetric.com/ 联系方式：efit@visionmetric.com.</td></tr></tbody></table>

整体面部合成图像构建及后续视频列队目击者辨认范式

Holistic Facial Composite Creation and Subsequent Video Line-up Eyewitness Identification Paradigm

本文所述范式描述了一种基于真实警方调查的应用性实验方法，在该方法中，犯罪事件的目击者或受害者可在警方操作员的协助下，凭记忆构建出罪犯的整体面部合成图像。该方法的目的是使合成图像能够被认识该罪犯的人识别出来。在此范式中，参与者首先观看一段包含罪犯演员的视频，经过一段延迟后，参与者-目击者将构建一个整体系统的面部合成图像，而对照组则不进行合成图像的构建。该整体系统合成方法主要要求参与者-目击者从一系列计算机生成但高度逼真的面部图像阵列中，选择最接近其记忆中罪犯样貌的面部图像。随着阵列的逐轮更新，面部之间的差异逐渐缩小，直至最终图像在理想情况下与罪犯高度相似。参与者-目击者还可使用相关工具调整面部特征、特征间的空间布局以及整体属性（例如，年龄、显著性、肤色），所有调整均在完整面部的背景下进行。该程序的设计旨在尽可能贴近人类对面部进行整体加工的认知方式。完成合成后，将基于参与者-目击者对罪犯的记忆，收集其对合成图像与真实罪犯相似度的评分。同时，也从认识罪犯的评估者处收集类似的相似度评分，以作为合成图像可识别性的指标。在进一步延迟后，所有参与者（包括对照组）均需在包含罪犯或不包含罪犯的视频列队中尝试识别罪犯，以模拟警方成功找到真正罪犯或错误怀疑无辜者的情境。文中展示了对照组与参与者-目击者的列队识别结果数据，证明了整体面部合成构建对提高识别准确率的积极作用。此外，还进行了相关性分析，以考察评估者与参与者-目击者的合成图像-罪犯相似度评分、延迟时间、识别准确率及识别信心之间的关系，从而探讨影响视频列队识别结果的关键因素。

本文报告的数据来自两项研究的部分数据，其中所述实验范式被部分遵循8, 11。
队列公平性检查
第6节中描述的试点模拟证人范式旨在确保列队辨认不会对嫌疑人产生偏倚，即嫌疑人不应以任何方式显得突出，从而避免其被选中的频率高于偶然预期水平39, 40。通过该程序，可计算列队辨认公平性的指标：需确保模拟证人选择任一成员的频率均不显著高于偶然预期水平（例如，1/9 = 11.1%）。采用Tredoux的功能大小E值39来评估列队中“合理可行”的成员数量，该指标在真实列队辨认中可用于有效检验证人的记忆能力。理想情况下，该数值应接近最大值（例如，九）。根据文献11报告的代表性数据，列队辨认被认为是公平的，因为模拟证人选择真正罪犯的频率接近偶然水平（10.9%），且绝大多数干扰项均为合理可行（Tredoux的E值 = 7.05）。
匹配条件检查
下一项分析采用独立样本t检验43，以确保在参与者观看犯罪现场视频后立即收集的对识别罪犯的信心预期评分在两种实验条件下大致相等（见1.6节）。该检验结果应为不显著。在11中，如1.6节所述的该量表上的反应基本符合预期，t(266) = .57，p &#62; .2，表明参与者在进入任何其他程序之前已具有可比性。
复合刺激-目标刺激相似性评分
为了检验参与者证人对自己所生成合成像的自我评估是否具有客观性的相关假设，第二次分析考察了参与者证人仅针对自己生成的合成像所给出的合成像-嫌疑人相似度评分（见第3节）与独立的嫌犯熟人评估者所给出的评分（见第4节）之间是否存在关联。在8中，对全部57幅整体式面部合成像评分进行的皮尔逊相关性检验43结果不显著。然而，当进一步分别对儿童和成年参与者证人的数据进行分析时，发现成人合成像的评分之间存在正相关关系，r(26) = .46，p &#60; .05；而31名儿童的合成像评分之间则无此相关性，r(31) = .01，p &#62; .2；这表明成人证人能够对其自身合成像的质量做出客观评估，而儿童则不能。
视频队列响应
为了检验与列队辨认表现相关的假设，采用分层对数线性分析43或卡方检验43来考察实验条件对列队辨认结果的影响（见7.9节）。此类名义数据的分析所报告的效应量指标为Φ，同时也会报告比值比（OR），以衡量两个变量之间的关联程度。与大多数目击证人研究一样，嫌犯在场和嫌犯不在场的视频列队辨认数据是分别处理的。每位参与者仅做出一次列队辨认决策。
通过比较参与实验的目击者与对照组的队列指认结果，可衡量复合画像构建对目击者识别的影响。表3展示了来自实验1中部分数据的代表性结果11，其中对照组的队列指认结果与使用本方案所述系统生成整体面部复合画像的参与目击者进行了比较。在本实验中，观看初始罪犯犯罪现场视频与观看视频队列之间的延迟时间约为2小时。
嫌疑人存在的列队辨认可用于评估辨认程序的敏感性，主要通过嫌疑人辨认率来衡量，在本范式中即为对真正罪犯的正确辨认。其他结果包括错误地辨认对照人员（干扰项）或错误地拒绝列队辨认。
嫌疑对象缺失的列队辨认可通过正确的列队拒绝率来评估程序的公平性。其他结果包括对干扰项的错误指认。本研究中未设定“无辜嫌疑人”，因此在 表3 的第一列中，嫌疑对象缺失试验对应的内容为空白。
嫌疑人出现情况下的选择行为：根据最初在文献11中实验1所报告的表3中的数据，首次分析考察了复合画像的创建是否会影响从列队辨认中的选择行为，因为这可能表明存在反应偏向。对每种结果选择率进行2（参与者角色——参与者目击者 vs. 控制组）×2（选择行为——选择者：嫌疑人识别或干扰项识别 vs. 非选择者：错误列队排除）的卡方检验43，结果不显著，χ2(1, n = 108) &#60; 1, p &#62; .2, Φ = .072。参与者目击者（80.0%）与控制组（73.1%）成为列队选择者的可能性大致相当（OR = 1.09）。
嫌疑人在列时的正确识别： 第二项分析重点关注嫌疑人在列时的识别准确性，这是更为关键的分析。对 11 中实验1首次报告的 表3 数据进行 2（被试角色）× 2（准确性——正确：识别出嫌疑人 vs. 错误：识别出干扰项或拒绝列队）卡方检验43，结果显著，χ2(1, n = 108) = 5.48, p = .019, Φ = .225。作为目击者的被试（70.0%）正确识别出嫌疑人的比例约为对照组（44.9%）的1.5倍（OR = 1.56）。
这些结果与一项后续实验（实验211）一致，该实验招募了新入职的警务人员，犯罪现场视频中呈现了六名不同的罪犯，观看犯罪现场视频与观看视频队列之间的平均延迟时间约为30小时（参与者证人正确识别罪犯的比例为48.8%；对照组为35.0%），并且与一项元分析发现的构建合成像对队列识别具有积极影响的结果一致12。然而，其他研究8采用相同的基本实验范式、整体式面部合成系统和队列类型，但使用了不同的罪犯演员，结果发现成年创建合成像的参与者证人（34.6%）与对照组（31.7%）在正确识别率上无显著差异。此外，在该研究8中，6至11岁的儿童对照组比同龄的参与合成像构建的儿童证人（19.4%）具有更高的正确识别率（42.9%）。后一结果可能是由于儿童生成的面部合成像质量显著低于成人、儿童对罪犯的初始记忆较差，或他们在理解置信度量表的使用方面存在困难所致。然而，这一结果与先前发现合成像质量与队列中正确识别率之间存在正相关关系的研究一致10。这一解释也与大多数以往此类研究结果相符，即以往研究多采用通常效果较差的基于特征的合成像系统，发现构建合成像后识别准确性有所下降例如，7, 9-10。
嫌疑人存在的干扰项辨认： 第三项针对嫌疑人存在的分析考察了不同条件下干扰项辨认的比例是否存在差异。对表3和11中报告的数据进行2（参与者角色）×2（是否为干扰项辨认——干扰项辨认 vs. 其他决策：正确辨认嫌疑人或错误拒绝列队）的卡方检验43，结果显著，χ2(1, n = 108) = 4.04, p = .045, Φ = .193。对照组（28.2%）选择干扰项的比例几乎是参与者目击者组（10.0%）的三倍（OR = 2.82）。
嫌犯未出现列队辨认的拒绝率： 由于表3中最初报告的嫌犯未出现数据仅涉及两种结果11，因此仅进行一项检验。2（条件）× 2（准确性——正确拒绝列队辨认 vs. 错误识别干扰项）的卡方检验43不显著，χ2(1, n = 100) &#60; 1, p &#62; .2, Φ = .055。参与者证人（44.4%）与对照组（38.4%；OR = 1.16）在正确拒绝列队辨认的比例上无差异。这些结果与先前研究发现的嫌犯未出现试验中类似的无效效应一致10。
复合质量与参与者-目击者列队辨认准确性的关系
进一步分析考察了面部合成图像的质量与正确识别嫌疑犯视频队列的可能性之间的关系。此处报告的代表性数据来自文献11中报道的第二次实验，该实验中所有队列均包含嫌疑犯。对队列识别准确性（1 = 正确；0 = 错误）与目击者对嫌疑犯-合成图像相似性评分之间的关系进行点二列相关检验43，结果不显著，r(45) = -0.05，p &#62; 0.2，表明与以往部分研究结果8, 10不同，参与者所生成的面部合成图像质量与其视频队列识别的准确性之间并无关联。这一出乎意料的非显著性发现可能由多种外部变量所致（例如，延迟、多个嫌疑犯-演员变量等）。
<table fo:keep-together.within-page="1">
	<tbody>
		<tr>
			<td></td>
			<td>总计</td>
			<td colspan="2">嫌疑人身份确认</td>
			<td colspan="2">无关人员身份确认</td>
			<td colspan="2">列队辨认拒绝</td>
		</tr>
		<tr>
			<td></td>
			<td>n</td>
			<td>n</td>
			<td>%</td>
			<td>n</td>
			<td>%</td>
			<td>n</td>
			<td>%</td>
		</tr>
		<tr>
			<td colspan="8">罪犯在场</td>
		</tr>
		<tr>
			<td>对照组</td>
			<td>78</td>
			<td>35</td>
			<td>44.9</td>
			<td>22</td>
			<td>28.2</td>
			<td>21</td>
			<td>26.9</td>
		</tr>
		<tr>
			<td>目击者组</td>
			<td>30</td>
			<td>21</td>
			<td>70.0</td>
			<td>3</td>
			<td>10.0</td>
			<td>6</td>
			<td>20.0</td>
		</tr>
		<tr>
			<td colspan="8">罪犯不在场</td>
		</tr>
		<tr>
			<td>对照组</td>
			<td>73</td>
			<td>-</td>
			<td></td>
			<td>45</td>
			<td>61.6</td>
			<td>28</td>
			<td>38.4</td>
		</tr>
		<tr>
			<td>目击者组</td>
			<td>27</td>
			<td>-</td>
			<td></td>
			<td>15</td>
			<td>55.6</td>
			<td>12</td>
			<td>44.4</td>
		</tr>
	</tbody>
</table>
表3. 嫌疑人在场与不在场时的视频列队辨认结果。 根据嫌疑人在场与否及参与者角色划分的列队辨认结果类型的人数（n）及百分比，数据子集源自文献11中实验1最初发表的结果，其中成年参与者作为目击者使用了与本方案中所述相同的整体式复合系统。

这种应用性实验范式模拟了目击真实犯罪的证人可能根据记忆构建罪犯整体面部特征拼图，然后尝试从包含或不包含该罪犯的视频列队辨认中识别出罪犯的情境。

本文所述范式介绍了一种基于真实警察调查的应用性实验方法，该调查过程中涉及目击者或受害者……

本实验的总体目标是模拟警方调查过程，其中目击证人可能根据记忆构建出嫌疑人的整体面部画像，随后被要求观看包含警方嫌疑人的视频队列。该方法能够回答法医心理学领域的一些关键问题，例如如何优化面部画像的制作，以及这种优化对后续目击证人识别的影响。该方法的主要优势在于其灵活性。可以测量一些关键变量，例如程序之间的延迟、参与者的年龄或种族，这些因素可能会影响真实的警方调查。演示该程序的是我实验室的研究助理Andrea Mag，她还接受过警方操作员培训；我们的参与者证人则对该程序完全不知情。首先，让参与者观看一段视频片段，其中随机选择的嫌疑犯正在实施一起轻微犯罪。视频应呈现高质量的全身画面，以及面部正面和两侧的特写镜头。视频结束后，让参与者目击者口头描述嫌疑人的外貌特征、大致年龄、性别、种族和衣着。然后让参与者目击者口头评价其能够辨认出嫌疑人的信心程度。接下来，利用认知访谈的各个要素，尽可能获取有关嫌疑人的更多细节信息。使用随附文本方案中表一列出的一系列问题，填补参与者在自由回忆叙述中遗漏的任何信息空白。完成后，启动整体面部合成系统软件的界面。根据参与者描述，将嫌疑人的性别、种族和年龄范围输入相应的字段中。在面谈回顾过程中，操作员应引导参与者目击者构建整体面部合成图像。该过程遵循以下步骤：参与者目击者从一个 3×3 阵列中显示的九张随机生成的计算机图像中，选择最符合其对嫌疑人记忆的图像，并排除最不符合的图像。如果参与者证人对九张图像中的任何一张不满意，请操作员生成额外的阵列。请注意，从一个阵列中选出的最佳示例将始终出现在后续的阵列中，并且阵列内面孔之间的相似性会在该过程的每一步自动增加。因此，首先要求参与者证人选择最匹配的脸型。继续采用相同的筛选流程，直到参与者证人从后续的阵列中选出最接近的鼻子、嘴巴、眼睛和眉毛形状。接下来，创建一个三乘三的阵列，使所有面孔均具有与参与者证人所选一致的特征。然后，在锁定头发和面部特征的前提下，通过界面的头发工具，让其从大型数据库中选择合适的发型和发色。让参与者目击者使用肩部工具中提供的服装和颜色，选择一个合适的肩部外观。然后使用工具栏移动、缩放并旋转颈部和肩部，直到参与者目击者对所选外观感到满意为止。接下来，让他们选择其他服装，可包含或不包含徽标。这还可以包括围巾、连帽衫、眼镜或太阳镜等物品。同时，让参与者见证并确认对嫌疑人面部毛发所做的任何修改。使用胡须界面中提供的其他工具来输入这些选项。完成后，打开界面的动态叠加工具，展示其对皮肤特定区域进行细微调整或对整个面部进行全局修改的能力。根据参与者证人的要求进行任何修改。接下来，放大面部，以便参与者证人能够更仔细地检查。仅当参与者证人要求时，才使用局部工具系统性地调整各个面部特征的形状以及面部和头部的整体轮廓。随后演示整体属性工具，该工具可调节面部外观的年龄（更年长或更年轻）、显著程度（更突出或更普通）以及肤色（更苍白或更深）。根据参与者证人的指示对图像进行相应修改。在屏幕上显示最终的合成图像，并让目击参与者确认该图像。通过点击保存图像按钮来保存已确认的文件。在完成的界面工具中，由警官创建一个包含九个陪衬人员的视频列队，这些陪衬人员在现实生活中的总体外貌与嫌疑犯相似。将嫌疑人插入队列中，在出现嫌疑人的列队辨认中替换其中一个陪衬对象，而在未出现嫌疑人的列队辨认中则不包含嫌疑人。让参与者阅读随附文本方案中表二所示的排队描述表上的说明，然后协助他们完成表上的选择题或排队式问题。填写完表格后，向参与者展示由九段15秒视频片段顺序播放组成的完整视频列队，其中嫌疑人和干扰项的顺序为随机排列。视频播放完毕后，重复播放两遍。询问参与者是否希望再次查看列队中的任何部分，或是否需要重新观看整个列队。然后让参与者以书面形式回答列队辨认问卷，说明嫌疑人是否出现在列队中。如果回答为“是”，请其提供该列队成员的编号。如果参与者选择了某名列队成员，仅向该参与者播放该成员的视频片段，以确认其对所选结果满意。最后，无论目击者是否从视频列队中做出了选择或完全拒绝了列队，都应让其对列队辨认决定提供一个置信度估计。该目击者选择了6号，而这是正确答案。在真实的警方调查中，如果目击者指认了某名嫌疑人，该嫌疑人可能会被进一步调查，并最终因犯罪被起诉和定罪。如果证人选择了干扰项，或已知其为无辜者，则不再进行其他程序。两组参与者在研究开始时均目击了罪犯。证人组在观看初始视频后制作了罪犯的面部合成图像，而对照组则未进行此操作。经过相同的时间后，向两组受试者分别展示视频列队，并要求他们指认罪犯。两组受试者的总指认次数在统计学上相似。78名对照组中有57人（约73%）从列队中指认了某人，而30名目击者中有24人（80%）从列队中指认了某人。这两个组别的差异在于，目击组（即参与绘制嫌犯素描的参与者）正确识别出嫌犯的比例为70%，而对照组正确识别嫌犯的比例仅为约45%。在参与者观看的队列中若不包含真正嫌犯的情况下，约有60%的参与者在尝试该程序时错误地指认了一名无辜者。需要牢记的是，为了最大程度地模拟真实的警方调查，参与实验的目击者应对该程序保持无知状态，且操作人员在实施程序前不应预先观看嫌犯视频。还可以进行进一步的分析方法，例如在该技术开发后，测量嫌疑人相似度对后续目击者识别准确性的影响。该技术为面部合成领域的研究人员探索不同操作之间时间延迟的影响铺平了道路，并使得该方法可应用于低至六岁的儿童以及年龄超过90岁的成年人。观看本视频后，您应能充分了解警方在真实案件调查中如何制作面部合成图像，以及目击者在观看视频列队辨认时可能遇到的情况——该视频列队中可能包含也可能不包含真正的罪犯。

holistic-facial-composite-creation-subsequent-video-line-up

Research

科研

JoVE Journal

Behavior

行为

整体面部复合创作以后的视频阵容目击者识别范式

对……的研究 恐怖谷假说 情感体验需要对假设的理解...

恐怖谷假说中人类相似性维度的感知与范畴化加工：若干方法学问题

本视频介绍了数字条纹投影技术的基本原理，该技术可对动态变化的表面进行密集的三维测量。 同时演示了基于这些技术的高速二值散焦系统的设计与操作。...

基于数字条纹投影技术的高分辨率、高速、三维视频成像

已开发出一种用于量化非洲爪蟾（Xenopus...

Xenopus 口面部表型的定量分析

本文描述了一种在感官评价实验室中利用自动面部表情分析软件捕捉并统计分析人群对饮料和液态食品情绪反应的实验方案。...

应用于自动面部表情分析技术与感官评价时间分析的数据采集与分析方案

本文介绍了可用于研究与身体相关的自我感知/自我表征的虚拟手和虚拟脸错觉范式。这些范式已在多项研究中被使用，证明在特定条件下，虚拟的手或脸可以被整合进个体的身体表征中，表明身体表征具有相当的灵活性。...

创建虚拟手部和虚拟面部错觉以研究自我表征

本实验方案的目的是详细介绍如何在实验室中采集视频数据；如何记录参与者观看这些视频时的眼动数据；以及如何利用机器学习技术高效分析参与者所观看视频的内容。...

结合眼动追踪数据与自由观看城市公园环境步行视频的视频内容分析

使用多模态传感器是理解社交互动在教育环境中作用的一种有前景的方法。本文描述了一种利用移动眼动仪捕捉共处一地的成对个体之间共同视觉注意的实验方法。...

使用移动眼动仪捕捉联合视觉注意的方法学

本研究旨在比较从母语到第二语言的英语与从母语到第二语言的葡萄牙语，以检验外国口音在各项指标、韵律-声学参数以及在语音列队中选择目标声音时所产生的影响程度。...

外国口音与语音列队中的法医语音识别：基于韵律的声学特征的影响

我们提供了一种利用立体摄影测量法对软组织变化进行三维分析的详细方案。...

基于立体摄影测量法的面部软组织容积变化定量评估方案

本视频展示了大鼠的居民-入侵者范式。该实验是一种在半自然环境中测量攻击性行为、防御行为和暴力行为的标准化方法。同时，也解释了该范式在社会应激实验中的应用。...

居民-入侵者范式：一种用于攻击性、暴力与社会应激的标准化测试

了解整体面部复合创作与视频阵容识别方法在法医心理学中的应用。本研究通过模拟真实警方调查场景，帮助研究人员优化目击者记忆提取与嫌疑人识别流程，提升刑事侦查效率。

整体面部合成图像构建及后续视频列队目击者辨认范式

探索更多视频