整体面部复合创作以后的视频阵容目击者识别范式
2015年12月24日
这个应用实验范式复制的情况下由一名目击者到一个真正的犯罪分子，可以创建一个从内存的罪魁祸首的整体面部复合，然后试图找出从视频的阵容包含罪魁祸首或者一个他或她是罪魁祸首不存在。
该实验的总体目标是复制警方调查，其中目击者可能会根据记忆创建罪犯的整体面部合成，然后被要求查看包含警方嫌疑人的视频阵容。这种方法可以回答法医心理学领域的关键问题，例如如何优化面部合成的产生以及它对随后的目击者身份的影响。这种方法的主要优点是灵活性。
可以测量关键变量，例如程序之间的延迟、参与者的年龄或种族，以及可能影响实际警方调查的因素。演示该程序的是我实验室的研究助理 Andrea Mag，他也参加了警察作员培训，也是我们的参与者证人，他对该程序完全不了解。首先，让参与者观看一段视频剪辑，其中显示了随机选择的犯下轻微罪行的罪犯。
视频应描绘高质量的全身视图以及正面和两侧面部的特写镜头。在视频之后，让参与者证人提供罪魁祸首的口头描述、大致年龄、性别、种族和服装。然后让参与者证人提供口头评分，描述他们对能够识别罪魁祸首的信心。
接下来，使用认知访谈的要素来确定有关罪魁祸首的尽可能多的额外细节。使用随附文本协议的表 1 中列出的一系列问题填补参与者证人免费回忆帐户留下的任何空白。完成后，打开 Holistic Facial Composite System 软件的界面。
在参与者描述的相应框中输入罪魁祸首的性别、种族和年龄范围。在访谈回顾期间，让作员指导参与者见证整体面部合成的构建。这遵循一个程序，在这个程序中，参与者证人从随机显示的九个计算机生成图像的 3 x 3 数组中选择最好的并拒绝最差的匹配图像，以记住罪魁祸首。
如果参与者见证对 9 个图像中的任何一个不满意，请让作员生成其他数组。请注意，从一个数组中选择的最佳示例始终出现在后续数组中，并且数组中面之间的相似性在该过程的每个步骤中都会自动增加。因此，请让参与者证人首先选择最匹配的脸型。
继续相同的选择过程，直到参与者证人从后续数组中选择最匹配的鼻子、嘴巴、眼睛和眉毛形状。接下来，创建 3 x 3 数组，以便所有人脸现在都具有与参与者证人输入相同的特征。让他们使用界面的头发工具从大型数据库中选择合适的发型和头发颜色，并锁定头发和面部特征。
让参与者证人使用 Shoulders 工具中提供的服装和颜色选择合适的肩部外观。然后使用工具栏移动、缩放和旋转颈部和肩部，直到参与者证人对选择感到满意为止。接下来，让他们选择带或不带徽标的其他服装。
这还可以包括围巾、连帽衫、眼镜或太阳镜等物品。此外，让参与者证人指导罪魁祸首面部毛发的任何变化。使用 beard 界面上提供的其他工具输入这些选择。
完成后，打开界面动态叠加工具，并演示它对皮肤的特定区域进行细微更改或对整个面部进行全局更改的能力。按照参与者的指示进行任何更改。证人。接下来，放大面部，以便参与者证人更仔细地检查它。
只有在参与者证人的指示下，才能使用本地工具系统地改变单个面部特征的形状以及面部和头部的整体形状。然后演示整体属性工具，该工具可以使面部看起来更老或更年轻，或多或少独特，皮肤苍白或更黑。按照参与者证人的指示对图像进行更改。
在屏幕上显示最终合成图像，并让参与者见证人批准图像。通过单击保存已批准的文件 保存图像 按钮。在界面完成工具中，让一名警官创建一个视频阵容，由九个箔片组成，这些箔片在生活中与罪魁祸首具有相同的一般外观。
将罪魁祸首插入到阵容中，替换罪魁祸首在场阵容中的一个箔片，并将它们留给罪魁祸首缺席的阵容。让参与者阅读随附文本协议中表 2 中列队描述表上的说明。然后帮助他们完成表单上的多项选择题或排队问题。
填写完表格后，向参与者证人展示编译后的视频阵容，该视频阵容由 9 个 15 秒的剪辑顺序显示组成，其中嫌疑人和陪衬是随机排序的。完成后播放此视频两次。询问参与者是否要再次查看阵容中的任何部分，或者是否要查看整个阵容。
然后让参与者证人以书面形式回答排队问卷，询问罪魁祸首是否在排队中。如果回答是，请让他们提供 Lineup 成员的编号。如果参与者选择了 Linep 成员，请仅向参与者证人播放该成员的视频剪辑，以确保他们对自己的回答感到满意。
最后，让参与者证人在他们的阵容决策中提供置信度估计值，无论他们是选择还是完全拒绝了视频阵容。参与者证人选择了数字 6，这是正确的答案。在真实的警方调查中，如果证人选择了嫌疑人，该嫌疑人可能会被进一步调查，并最终被指控和判罪。
如果证人选择了陪衬，或者他们是无辜的，就不会有进一步的情况。两组参与者在研究开始时都目睹了罪魁祸首。证人组在看到初始视频后创建了罪魁祸首的合成，而对照组则没有。
在相同的时间后，两组都展示了视频阵容，并要求他们找出罪魁祸首。两组参与者之间的识别总数在统计学上相似。78 名对照中有 57 名或大约 73% 从阵容中确定了某人，30 名证人中有 24 名或 80% 的证人从阵容中挑选了某人。
这两个组的不同之处在于，见证组，即创建合成草图的参与者在 70% 的时间内正确识别了罪魁祸首，而对照组仅在大约 45% 的时间内正确识别了罪魁祸首。在参与者查看罪魁祸首缺席的阵容的情况下，大约 60% 的人在尝试此程序时确定了无辜的陪衬。重要的是要记住，为了最好地复制真实的警方调查，参与者证人应该对该程序很天真，作员不应提前观看罪魁祸首视频遵循程序。
可以进行进一步的分析方法，例如测量嫌疑人相似度对后续目击者识别准确性的影响 发展后。这项技术为面部合成领域的研究人员探索手术之间延迟的影响铺平了道路，并将该方法应用于年仅 6 岁的儿童和 90 岁以上的成年人。看完这段视频后，您应该对警方如何在真实调查中创建面部合成有一个很好的了解，以及证人在观看视频阵容时应该期待什么，其中可能包含也可能不包含真正的罪魁祸首。
概述
本研究复制了目击者如何通过记忆构建嫌疑人的整体面部复合图，并随后在视频阵容中识别嫌疑人的过程。该方法旨在增进法医心理学中目击者识别的理解。
关键研究组成部分
科学领域
- 法医心理学
- 目击者识别
- 认知访谈技术
背景
- 目击者证词可以显著影响刑事调查。
- 整体面部复合图用于帮助识别嫌疑人。
- 理解影响目击者记忆的因素对法律结果至关重要。
- 本研究探索了面部复合图制作的优化。
研究目的
- 复制涉及目击者的警方调查场景。
- 评估各种因素对目击者识别的影响。
- 改进从记忆创建面部复合图的方法。
所用方法
- 参与者观看嫌疑人实施犯罪的视频。
- 参与者提供嫌疑人的口头描述和信心评级。
- 利用整体面部复合系统构建图像。
- 为参与者创建视频阵容以识别嫌疑人。
主要结果
- 参与者成功地基于记忆构建了面部复合图。
- 信心水平因延迟和参与者特征而异。
- 视频阵容帮助识别嫌疑人，但成功率不一。
- 方法在测量关键变量方面表现出灵活性。
结论
- 该研究为优化目击者识别过程提供了见解。
- 研究结果可以为警察培训和调查实践提供参考。
- 需要进一步研究以探索其他影响因素。
常见问题
Executive Industry Relevance
This forensic psychology paradigm demonstrates how memory-based reconstruction techniques can influence subsequent identification accuracy, offering insights into cognitive processes relevant to biomarker validation and phenotypic screening in early discovery. By isolating variables such as delay, composite fidelity, and recognition confidence, the method supports mechanistic de-risking of target hypotheses through controlled, reproducible human performance metrics. The approach enables predictive confidence modeling in translational research where subjective assessments must be linked to quantifiable outcomes.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by measuring how memory reconstruction affects target recognition accuracy.
- Operational Value: Provides a standardized method to assess the influence of procedural delays on biological readout consistency.
- Predictive Value: Supports portfolio triage by quantifying confidence in target-phenotype associations before lead identification.
Screening & Assay Development
- Scientific Value: Generates quantitative similarity ratings between reconstructed composites and actual targets, enabling assay validation against ground truth.
- Operational Value: Uses iterative feature selection to refine signal detection, analogous to optimizing assay specificity in screening cascades.
- Scalability: The holistic system allows adaptation across model systems by locking core features while varying peripheral attributes.
Translational & Preclinical Research
- Scientific Value: Links subjective witness ratings to objective assessor evaluations, mirroring biomarker-clinical outcome correlation studies.
- Operational Value: Demonstrates how intermediate composite fidelity predicts final identification success, informing go/no-go thresholds in preclinical validation.
- Translational Continuity: The delay-between-procedures variable models pharmacokinetic/pharmacodynamic lag in target engagement assays.
Pipeline & Workflow Integration
The method fits within the discovery continuum from hypothesis testing to lead optimization, where memory-based target engagement must be validated before compound screening.
- Discovery Biology: Tests how well internal representations (e.g., target hypotheses) align with external reality (e.g., phenotypic output), supporting biological de-risking.
- Screening: The composite construction process mirrors hit selection—iteratively refining choices based on similarity to a template until convergence.
- Analytics: Composite-culprit similarity ratings provide continuous, quantifiable outputs for statistical modeling of identification accuracy.
- Translational Research: Correlational analyses between witness and assessor ratings parallel biomarker validation against clinical endpoints.
- Enterprise Reuse: The Holistic Facial Composite System functions as a reusable platform for variable isolation across different culprits (analogues) and witness populations (model systems).
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity by quantifying the gap between memory-based constructs and actual targets.
- Operational Value: Standardizes composite generation through constrained feature selection, improving inter-rater reliability.
- Strategic Value: Improves go/no-go decisions by identifying when composite fidelity sufficiently predicts recognition accuracy.
- Portfolio Impact: Enables risk-adjusted advancement by identifying conditions (e.g., short delay, high witness confidence) under which target validation is most predictive.
Implementation Considerations
- Requires training in cognitive interview techniques to avoid leading participant responses during composite construction.
- Dependent on software capable of generating and modulating facial arrays within a holistic face context.
- Necessitates standardized video stimuli with controlled lighting, angles, and expression to ensure facial feature isolation.
- Must account for cross-population variability in facial recognition ability when adapting the system to diverse model systems.
- Practical limitation: Composite accuracy depends on witness attentiveness and memory retention, mirroring variability in biological assay sensitivity.
