방법 논문

전체적 얼굴 복합 작성 및 후속 비디오 라인업 목격자 식별 패러다임

16.4K 조회수

⸱

DOI:

10.3791/53298

⸱

2015년 12월 24일

 ,  ,  ,  , 
1Department of Psychology, Social Work and Counselling, University of Greenwich, 2Department of Criminology, University of Greenwich, 3School of Physical Sciences, University of Kent

이 논문에서

요약

이 실험 패러다임이 진짜 범죄에 목격자가 메모리에서 범인의 전체적인 얼굴 합성을 만든 다음 범죄자 또는 그 또는 그녀가하는 일을 포함하는 비디오 라인업에서 범인을 식별하기 위해 시도 할 수있는 상황을 복제 적용 현재가 아닌.

초록

이 논문에서 설명하는 패러다임은 범죄 목격자 나 피해자가 메모리에서 경찰 운영자의 도움을 범인의 전체적인 얼굴 합성을 만들 수있는 동안 실제 경찰 조사를 기반으로 응용 실험 방법을 설명합니다. 목표는 복합 그들이 범인을 알고 믿는 사람에 의해 인식되고 있다는 점이다. 이 패러다임 들어, 참가자들은 영상에 범인 배우를보고 지연 다음, 참가자 - 증인은 전체적인 시스템 얼굴 합성을 구축합니다. 컨트롤이 복합을 구성하지 않습니다. 컴퓨터 생성하지만, 사실적인 얼굴의 일련의 배열에서, 전체적인 시스템 구축 방법은 주로 가장 밀접하게 범인의 자신의 메모리를 충족 얼굴 이미지를 선택하는 참가자 - 증인이 필요합니다. 이상적으로 최종 이미지는 범인에 가까운 모습을 가지고 때까지 연속적인 배열에서면 사이의 변동이 감소된다. 참가자-Witness 모든 얼굴 전체의 맥락에서, 도구는 기능과 전체적인 특성 (예를 들어, 나이, 특수성, 피부 톤) 사이에 얼굴 특징, 구성을 변경할 수 있습니다 지시했다. 절차가 밀접하게 인간이하는 전체적인 방식에 맞게 설계 '과정에 직면 해있다. 완료에, 범인의 자신의 메모리를 기반으로, 복합 원인 유사성의 평가는 참가자 - 증인에서 수집됩니다. 비슷한 등급은 복합 인식 가능성의 지표로, 범인 - 아는 사람의 평가자에서 수집됩니다. 더 지연에 따라, 모든 참가자 - 컨트롤을 포함하여 - 경찰이 정확한 원인, 또는 무고한 용의자를 찾았있는 상황을 복제, 중 범인 존재 또는 범인의 부재중 비디오 라인업에서 범인을 식별하기 위해 시도합니다. 제어 및 참가자 - 증인 라인업 결과의 데이터는 identific에 전체적인 복합 구조의 긍정적 인 영향을 보여주는, 제시ATION 정확도. 상호 연관 분석은 영향 비디오 라인업 결과를 요인하는 검사 평가자 및 참가자 - 증인 복합 범인 유사성 등급, 지연, 식별의 정확성, 자신감의 관계를 측정하기 위해 실시하고 있습니다.

서론

경찰은 범죄, 목격자, 종종 피해자에 대한 의심이없는 경우; 경찰 시스템 운영자 (1)의 도움을 메모리에서 범인의 얼굴 합성을 만들 수 있습니다. 목적은 범인에 익숙한 사람이 그 이미지를 인식하는 것입니다. 확인 된 용의자 - 실제 범인하지 않을 수 있습니다 - 원래 목격자 그들을 식별 할 수 있는지 여부 확인 라인업에 배치 될 수있다. 많은 목격자가 잘못된 동정을합니다. 실제 경찰 라인업에서 20 % 이상이 영국 2 결백하지만 범인의 증거 '메모리의 테스트를 제공하기 위해 라인업에 포함 된 것으로 알려진 미국 3에 호일을 식별합니다. 때로는 증인은 사실로 무고한 경찰 용의자를 선택합니다. 이러한 유형의 오류는 부당한 유죄 판결 4-6의 주요 원인이 될 수 있습니다. 목격자는 정의의 경우 4의 첫 번째 250 미국 DNA를 구하기의 유산 (46)에 얼굴 합성을 생성하고,많은 사람들이 계속해서 라인업에서 무고한 개인을 식별. 얼굴 합성 절차가 반드시 책임을지지 않습니다이되도록, 대안 inculpating 증거가되었을 수도 있습니다. 그러나, 정렬 정확도는 합성 생성하여 예컨대, 7-10, 영향을받지 않고 즉, 8 또는 개선 예 11,12 손상 될 수 있고, 여기에 설명 된 타입의 응용 연구의 목표는 그 수도 최상의 절차를 제안하는 것이다 얼굴 복합 건설이 라인업 뒤에 경찰에 의해 채택 될 수있다.

많은 나라에서 경찰 ​​병력이 이전에 유비쿼터스 기능 기반 시스템을 교체, 예를 들어 컴퓨터 전체적인 얼굴의 복합 시스템, 13-15을 사용 (복합 시스템의 사용 후기는 16 ~ 17 참조). 이 전체적인 시스템이 더 밀접하게 얼굴 전체에 'Gestaltic'방식과 일치 주로하기 때문에하는 모든 연령대 과정과 recog의 인간nize는 18 ~ 20, 예를 들면 직면 해있다. 기능 기반의 시스템은, 증인이 먼저 구두로 용의자의 얼굴 특징 (예를 들어, 눈, 코, 입)을 기억해야합니다으로, 두 번째, 종종 제한 기능 데이터베이스와 세 번째에서 이러한 각각의 기능을 찾으려면 전체로 조립 합성물. 각 단계는인지 적 요구하고있다 - 몇 사람이 상세한 얼굴 설명을 제공하기 위해 어휘를 가지고, 기능별 얼굴 분석 오류가 발생하는 경향이며, 언어 적 리콜 가능성으로 인해 양상 사이의 불일치에로 인식보다 정확한 경향이있다 어떤 얼굴 (시각 모드), 메모리에서 얼굴 검색 (구두 모드) 21-22 인코딩됩니다. 당연히 기능 기반의 복합 가난한 범인 16-17 형상 자주합니다.

전체적인 얼굴의 복합 시스템을 13-15로, 증인 현실적인하지만 컴퓨터 생성 얼굴 일련의 배열에서 선택, 이미지그것은 가장 밀접하게 범인의 자신의 기억과 일치합니다. 따라서 기본 검색 모드로 부호화되어있는 얼굴과 일치하는 모드, 시각이다. 서로 다른 시스템의 인터페이스는 이미지가 증거가 전체 얼굴을 볼 때, 또는 외부 기능 (17)을 제거 얼굴로인지 색상에 상관없이 배열 번호, 여부를 포함하여 다양합니다. 그러나, 모든 전체적인 시스템, 화상의 연속적인 배열은 복합 투 범인 닮은 단계적 개선을 달성하는 데 사용된다. 각 단계에서, 어레이를 포함 얼굴 증인 '이전 선택 (들) 및 진화 알고리즘에 의해 결정된다. 증거는 어레이로부터 얼굴을 선택하고, 진화 알고리즘은 다음 배열면의 새로운 세대를 만들기 위해 이러한 선택을 낳는다. 추가 도구, 의류, 문신, 얼굴, 머리카락 등이 개개인에 마크를 추가 얼굴 특징의 크기와 위치를 조작하고, 전체적인 특성 (예를 들어, 나이, 특수성)을 조정할 수 있습니다. 홍보증인이 자신의 합성에 만족하는 경우 ocess이 완료됩니다. 전반에 걸쳐, 경찰 연산자는 조언하지만 절차에 영향을주지 않습니다.

정보의 질과 양, 전체적인 시스템 생산을 용이하게 무료로 리콜 구성 요소에 중점을 둔 초기인지 인터뷰 23 ~ 24과 함께, 오히려 기능 기반의 시스템과 필요에 따라보다, 전체 얼굴 인식을 촉진 - 고립 된 얼굴 특징 분석. 안면 특징들 및 그들의 구성의 조작은 항상 얼굴 전체의 문맥 내에서 발생하고, 결과적으로, 전체적인 시스템 복합재는 높은 품질 종종, 및 복합 재료보다 도시 된 것들에 익숙한 사람에 의해 더욱 용이하게 인식 기능 기반 시스템 (17)을 사용하여 생성 된 , 25 ~ 26. 경찰 현장 조사는 전체적인 시스템 복합 의심 식별 예를 들어, 27 ~ 28의 높은 비율을 생성하는 것이 좋습니다. 또한, 어린이도자신의 작업 요구를 이해할 수있는 지적 장애 29 세 8 여섯 년-, 성인만큼 젊은. 이러한 이유로, 증거가 얼굴을 설명하는 데 어려움이 경우 특히, 영국과 웨일즈의 최고 경찰관 협회 (ACPO)는 전체적인 시스템 (30)의 사용을 권장합니다.

잠재적 인 용의자가 경찰에 의해 확인되면, 그들은 라인업 또는 신원 퍼레이드에 의심을 볼 수있는 복합 만드는 증거를 요청할 수 있습니다. 성능이 아닌 복합 만들기 컨트롤 예를 들어, 11 ~ 12과 비교하면 일부 연구는 복합 창조 식별의 정확성을 향상 것을 발견했다. 주로 기능 기반 시스템을 사용하는 다른 연구는 발견했다 그 복합 창출에 부정적인 영향을 식별 성능 예를 들어, 7, 9 ~ 10. 복합 범인에게 불량한 형상 인 경우, 식별 정밀도가 가장 민감 8, 10.이 나타난다증인을 만들기 위해, 안면 복합체 용의자 원래의 것보다 더 현저한 메모리 추적을 제공 할 수 있음을 시사한다. 이러한 기능을 기반 복합보다 범인에 모습에 가까워 질 가능성이 그럼에도 불구하고, 동일하고 다른 모든 것들, 올바른 식별의 가능성은, 전체적인 시스템 복합체의 생성에 의해 강화되어야한다.

여기에 설명 된 연구 패러다임은 밀접하게 설계 및 젊은 성인 8, 11, 31, 어린이 (8)과 함께 사용 절차, 세 이상 성인 31 참가자를 복제합니다. 복합 만들기 참가자 - 증인이 아닌 복합 만들기 컨트롤은 초기 '범인 배우'범죄 현장 영상을 볼 수 있습니다. 지연 후, 참가자 - 증인은 전체적인 시스템 얼굴 합성을 구축합니다. 이어서, 상기 지연 이후에, 모든 참가자가 비디오 라인업로부터 용의자를 식별하려고 approxim의 기술에서 사용되는 거의 모든영국 2, 32 연간 ately 110,000 공식적인 식별 절차. 범죄 현장 비디오보기 및 라인업 사이의 평균 지연은 두 그룹 모두에 대해 동일 할 것이다. 경험적 연구하는 큰 몸체에 기초하여, 정렬을 수행하기위한 최선의 방법에 관한 지속적인 논쟁이있다. 일부 연구자는 다른 동시 라인업의 예를 들면, 33 ~ 34에 걸쳐 순차적으로 라인업에 찬성 주장했다. 다른 사람들은 35 ~ 36, 반대보기 등이있다. 그러나, 올바른 식별 금리는 종종 미국의 순차적 인 절차 37-38 추천보다 비디오 라인업에서 더 높다. 이 밀접하게 실제 경찰 조사에서 사용 된 절차와 일치, 다른 라인업 유형에 사용 적용 할 수 있기 때문에 관계없이, 여기에 설명 된 방법은 강한 생태 학적 타당성이있다. 라인업은 용의자에 '공정'이다 보장하는 방법도 있습니다 39-40을 설명했다. 또한, 전체적인 완고용 osite 시스템은 영국 경찰 병력의 대다수가 사용하는 표준입니다, 인터뷰 기술이 그 일반적으로 경찰 복합 운영자에 의해 사용되는 및 비디오 라인업은 런던 경시청 서비스에 의해 건설되었다의 지침에 따라, 실제 조사를 마치 잉글랜드와 웨일즈 (41) 경찰 식별 절차를 규정하고 경찰 및 형사 증거 법 (PACE) 연습의 코드 (코드 D). (; 절차 사이의 지연 등, 복합 시스템, 범인 배우의 성별, 나이, 민족) 또한, 합성 품질 설계 및 식별의 정확도에 영향을 줄 수있는 다른 변수들의 측정을 가능하게 유연하다.

얼굴 합성을 공개할지 여부에 관한 의사 결정에서, 경찰 운영자 가능성이 최종 복합 품질을 평가하기 위해 작성-증인을 요청합니다. 이 패러다임의 경우, 건설 다음, 각 참가자 - 증인은 자신의 성분 조성를 평가한다범인의 자신의 메모리에 모습을 위해 테. 복합재가 더 대물 recognisability 측정 값을 제공하기 위하여, 묘사하도록되어 사람이 매우 익숙한 - 이러한 등급은 독립적 평가자에 의해 제공되는 것과 비교된다. 이 등급은 복합 이름을 시도하는 범인에 익숙한 사람들을 물어의보다 생태 학적으로 유효한 방법에 대한 프록시 역할을합니다. 그러나 평가자의 평가 명명 요금들이 기본적으로 동일한 구조 (42)를 측정하는 제안과 상관 관계. 또한 긍정적으로 성인과 상관 관계,하지만 품질 8하지 자식 참가자-증인 작성자 평가.

요약하면,이 패러다임은 독립적 대책 설계를 사용한다. 첫 번째 요인은 참가자의 역할 - 참가자는 참가자-증인 복합 만드는 그룹 또는 비 복합 만들기 제어 그룹 중 하나에 할당됩니다. 두 번째 요인은 범인의 존재입니다 - 참가자는원래 범죄 현장 영상에서 볼 범인 또는 범인이 추가 호일로 대체되는 원인-없는 라인업을 포함하는 범인 존재하는 비디오 라인업으로 발표했다. 세 번째 요인은, 변화하는 경우, 범죄 현장 비디오와 라인업을 보는 사이의 지연이다. 주요 종속 변수는 라인업의 정확성이다. 참가자-증인 복합 만드는 그룹 내에서 상호 연관 디자인은 범인의 지인해야합니다 그들 중 몇몇 참가자-증인과 독립적 인 평가자에 의해 제공 복합 범인 유사성의 평가 사이의 관계를 측정한다. 복합 범인 유사성 평가 및 비디오 정렬 정밀도의 관계도를 조사한다.

프로토콜

인간의 참가자를 포함하는 절차는 영국 심리 학회에서 발행 한 지침에 따라, 그리니치 대학 대학 연​​구 윤리위원회에 의해 승인되었다.

'범인'을 묘사 범죄 현장 비디오 1.보기

  1. 참가자가 믿을 수 '영상 분석'으로 기술 연구, 정보 및 동의서 초기했지만, 연구 참여자로 자신의 평소 윤리적 권리를 나열하고 제대로 그들은 사소한 범죄를 묘사 한 동영상을 볼 것이라고 주장하고, 결과 그 어떤 연구의 미래 경찰의 조사를 도울 수있다.
  2. 참가자가 익명의 개인 코드 및 나이, 성별, 인종의 인구 통계 학적 데이터를 제공하게한다.
  3. 참가자는 배우 플레이의 얼굴의 좋은 몸 전체보기와 앞의 클로즈업 양쪽을 묘사, 다른 배우의 비디오의 풀에서 노트북에 무작위로 선택된 비디오 클립을 볼 수 있나요사소한 범죄를 저지르고 '범인'의 일부를 보내고 (비디오에서 예 스틸에 대한 그림 1A 및 1B 참조).

figure-protocol-1

figure-protocol-2

범죄 현장 영상에서 1. 스틸 그림. (A, B) 몸 전체와 범인의 얼굴보기를 (1.3 참조) 묘사 범죄 현장 영상에서 두 스틸. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 그들은 범인 배우 (예 / 아니오)에 익숙하지 여부를 참가자에게 물어?
    참고 : 범인 배우에 대해 잘 알고있는 경우, 참가자는 다른 범인 비디오를 볼.
  2. HAV전자 참가자는 범인의 대략적인 나이, 성별, 인종 및 의류의 구두 설명을 제공한다.
  3. 참가자가 범인 (: 100 % 불신임 : 절대적으로 특정 0 %)를 인식 할 수있는에 잠재 신뢰의 언어 적 평가를 제공하게한다.
  4. 무작위 실험 조건 (제어 대 참가자-증거)에 참가자를 할당하고, 참가자-증인 단계 2 이하 7에 참여 만드는 그 합성을 보장; 7 단계에서 컨트롤 만. 7 단계로 1 단계에서 평균 지연은 모든 참가자 그룹에 대한 동일한 지 확인합니다.

운영자의 도움으로 얼굴 합성 2. 참가자-증인 만들기

참고 : 프로토콜이 섹션은 전체적인 얼굴의 복합 시스템, 혜택을 받고-V에 최적화되어 있지만, 다른 소프트웨어를 적용 할 수 있습니다.

  1. 훈련 된 복합 시스템 운영자는 복합 만드는 참가자-증거를 통보 했그들은 얼굴 합성을 생성됩니다.
  2. 운전자가 그들이 다시 범인을 인식 할 수 있다는 것을 어떻게 확신 참가자-증거를 질문한다 (0 % 100 % = 매우 자신감에 = 전혀 확신하지 않음).
  3. 운영자는 그들이 (100 % = 매우 자신감이 0 % = 전혀 확신하지 않음) 범인의 얼굴 합성을 만들 수 있다는 것을 어떻게 확신 참가자-증인을 질문한다.
  4. 운전자가 오디오 레코드에 허가 참가자-증인 세션을 요청할 수 있습니다.
  5. 운영자 인터뷰를 작업자가 주로 그들이 비디오에서 본 것을의 자유 리콜에 대한 설명을 제공하기 위해 참가자-증거를 요구하는인지 인터뷰의 요소 (예를 들면, 교감 건물)를 사용하여 참가자-증거가있다. 그들은이 완료되면 작업자가 그에게 참가자-증인을 질문한다 / 그녀의 모든 것을 그들이 비디오와 묘사 된 사람에 대해 기억하고 그들에게 알려, 그들은 몇 가지 추가해야한다는 것등의 질문.
  6. 운영자가 표 1에 나와있는 질문 참가자-증인 메시지를 표시했지만, 그 질문과 관련된 설명을 무료로 리콜 계정 '참가자 - 증인에서 누락 된 경우에만 가능합니다.
1 몇 살 범인 것으로 나타 납니까?
(2) 당신은 범인의 머리 (길이, 유형, 스타일, 색상)에 대해 무엇을 기억 하는가?
3 당신은 범인의 얼굴 (모양, 길이, 폭, 피부)에 대해 무엇을 기억 하는가?
4 당신은 범인의 귀 (모양, 크기, 위치, 로브)에 대해 무엇을 기억 하는가?
(5) 당신은 범인의 코 (길이, 경사, 콧 구멍, 쉬에 대해 무엇을 기억하고원숭이, 리지)?
(6) 당신은 범인의 눈썹 (두께, 공간, 모양, 색)에 대해 무엇을 기억 하는가?
7 당신은 범인의 눈 (모양, 크기, 깊이, 공간, 그늘, 색상)에 대해 무엇을 기억 하는가?
8 당신은 (낮은 상단 폭, 모양,) 범인의 입 / 입술에 대해 무엇을 기억 하는가?
9 당신은 범인의 턱 (모양, 크기, 유형)에 대해 무엇을 기억 하는가?
(10) 당신은 범인의 얼굴의 털 (수염, 수염, 수염)에 대해 무엇을 기억 하는가?
(11) 범인이 안경을 착용 했습니까?
(12) 범인 (마크 또는 SCA에 대한 독특한 아무것도가 있었다RS)?
노트 : 그 질문과 관련된 설명을 무료로 리콜 계정 '참가자 - 증인에서 누락 된 경우 연산자는, 이러한 질문 중 하나를 요청해야합니다.

표 1. 큐 포스트인지 면접 질문.

  1. 실제 조사에서와 같이 데이터를 저장 신뢰할 수있는 증거 체인을 보장하기 위해, 노트북의 전체적인 얼굴의 복합 시스템 소프트웨어의 인터페이스의 운영자 차례 되세요.
  2. 인지 인터뷰를하는 동안 참가자 - 증인에서 수집 한 정보에서 운영자가 복합 시스템 인터페이스의 첫 번째 화면에서 해당 상자에 설명 된 범인의 성별, 인종, 연령 범위를 입력합니다.
  3. 운영자가 절차에 따라 전체적인 얼굴 복합체의 구조를 통해 참가자-증인을 안내 보유하고있는참가자 - 증인은 최고의 선택하고 구 무작위로 표시 컴퓨터에서 생성 된 이미지의 3 × 3 배열에서 범인의 자신의 메모리에 최악의 일치하는 이미지를 거부합니다. 참가자-증거가 9 개의 이미지 중 만족하지 않는 경우, 운전자가 추가적인 어레이를 생성있다.
    주 : 하나의 어레이로부터 선택된 '최상의'예 항상 자동 프로세스의 각 단계에서 증가 어레이 내의 후속 배열과면 사이의 유사성에 나타난다.

figure-protocol-3
그림 2. 얼굴 복합 건설 방법 :. 운영자가 전체적인 복합 시스템에 기본 설명 키워드를 입력 한 후 얼굴 모양은 얼굴 복합 건설 과정에서이 단계에서, 참가자 - 증인은 자신의 메모리를 충족 대략적인 얼굴 모양을 선택하라는 메시지가 표시된다 일에서 범인의즉 9 개의 이미지는 화면 상에 표시하거나, 새로운 디스플레이를 생성하는 배열을 거부. 건설 과정의 알림과 마찬가지로,이 단계는 (2.9.1 참조) 인식을 평가합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 참가자 - 증인, 9 개 이미지 (그림 2 참조) 자동으로 생성 된 첫 번째 표시 배열에서 범인의 일치 대략적인 얼굴 모양을 선택하신 연산자를 가지고 인터페이스의 도구가 그 선택을 입력 기능을 사용.
  2. 참가자-증인 2.9.1에 기재된 것과 유사한 방식으로 기능 인터페이스의 도구를 사용하여 후속 배열로부터 가장 일치) 코, b) 입구, C) 눈 및 d) 눈썹의 형태를 선택하게한다.
  3. 모든 배열은 이제 기능 위에서 입력,하지만 머리와 처음 회색으로 소유 얼굴,참가자-증인 인터페이스의 헤어 도구의 큰 데이터베이스에서 적절한 헤어 스타일과 머리 색깔을 선택해야합니다. 오퍼레이터가 그 선택을 입력했다 (도 3 참조).

figure-protocol-4
도 3 페이셜 복합 시공 방법 B :. 헤어 스타일 도구 얼굴 모양의 선택 및 얼굴 특징 다음은, 참가자-증거는 화면에 표시되는 9 개 이미지로부터의 대략적인 헤어 스타일을 선택하거나 생성하는 것을 배열을 거부하도록 요청 새로운 디스플레이. 착색이 (2.9.3 참조)에 추가 될 때까지 모든 이미지의 기본 헤어 스타일은 회색이다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 참가자-증인 적절한 어깨 재치를 선택 되세요인터페이스의 어깨 도구에서 사용할 수있는 팔레트에서 H 의류 및 색상. 작업자가 이동 규모와 필요한 경우 (그림 4 참조) 목과 어깨를 회전 증인 지시 컨트롤을 사용하게한다.

figure-protocol-5
도 4 페이셜 복합 시공 방법 C :. 어깨 도구 얼굴 모양의 선택 및 얼굴 특징 다음은, 참가자-증거는 화면에 표시되는 9 개의 이미지에서 어깨를 선택하거나 새로운 디스플레이를 생성하기 위해 그 배열을 거부하도록 요청 . 의류 색상과 스타일이 (2.9.4 참조)를 조작 할 수 있으며, 회사 로고 또는 다른 특이한 기능이 추가 될 수있다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 만약 그들이, 소원 또는 로고 (예를 들어, 스카프, 후드, 안경, 선글라스)없이 참가자-증인 선택 옷을뿐만 아니라, 배열에 얼굴의 털 (턱수염과 콧수염) 인터페이스에 사용할 수있는 추가 도구를 사용하여 직면 해있다. 운영자가 이러한 선택을 입력하게한다.
  2. 한 운영자는, 미묘한 변화가 피부 (예를 들어, 주름, 나이 라인, 눈 가방과 그림자, 눈에 띄는 광대뼈, chubbiness, 거친 피부, 여드름에 할 수있는 참가자-증인에 대한 인터페이스의 동적 오버레이 도구를 보여 등), 또는 전체면에 (예를 들어, 음영). 참가자-증거가 감독하는 경우 운영자가, 변경할 수 있습니다.
  3. 오퍼레이터는 체계적인 변화가 개별 얼굴 특징의 형상뿐만 아니라, 전체적인 형상으로 이루어질 수 있도록 LOCAL 속성 도구를 사용하여 편집 더 가깝게 그것을 살펴 참가자 목격 위해서는 스크린면을 확대했다 FAC의 E와 헤드 (예, 신장, 회전 및 워핑) (도 5 참조). 참가자-증거가 감독하는 경우 운영자가, 변경할 수 있습니다.

figure-protocol-6
도 5 페이셜 복합 시공 방법 D :. 가변성 후속 배열에 감소하더라도 로컬 속성 도구 어깨가 선택된 후, 참가자 목격 각 최우수 '와 같은, 서로 가변성 상이한면을 갖는 안면 일련의 배열을 시청 이미지가 선택됩니다. 생성이 시점에서, 참가자 목격 특정 얼굴 특징의 변경을 제안 할 수 있고, 화면에서 수정되지 않은 원래 이미지로 결과를 비교. 변경 기능을하게 되더라도 변화가 얼굴 전체 비교의 문맥 (2.9.7 참조​​)에서 만들어진 것처럼, 방법은 전체적인 프로세스를 계속 액세스한다..jove.com / 파일 / ftp_upload / 53298 / 53298fig5large.jpg "대상 ="_ 빈 ">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 운영자가 전체적인 변화는 그 나이 이하, 다소 독특한, 그리고 paler- 또는 어두운 피부 (그림 6) 표시하기로 얼굴에 할 수있는 참가자-증인에 론적 특성 도구를 설명하게한다. 참가자-증거가 감독하는 경우 운영자가, 변경할 수 있습니다.

figure-protocol-7
도 6 페이셜 복합 시공 방법 E :. 전체적 특성 도구 참가자 목격 또한 슬라이더 도구를 사용하여 선택된면 (예를 들어, 나이, 특수성)의 전체적인 특성에 대한 변경을 제안 할 수있다. 또, 결과는 화면 수정되지 않은 원래 이미지 (들과 비교된다EE 2.9.8). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 운영자 디스플레이를 화면에 최종 복합을하고 참가자-증인 인터페이스의 마침 도구에서 이미지 저장 버튼을 클릭하여 파일을 저장하기 위해이 승인이 (그림 7 참조).

figure-protocol-8
그림 7. 얼굴 복합 건설 방법 F :..이 이미지는 인쇄 할 것이다 경찰 조사에서 최종 이미지 및 CD로 전송 사본이 증거 가방 (2.9.9 참조)에 유지되는 더 큰 버전을 보려면 여기를 클릭하십시오 이 그림의.

3. Collecti포스트 복합 건설, 범인 복합 초상의 참가자-증인 등급의에

  1. (: 100 % 가난한 모습 : 정확히 일치하는 0 %) 범인의 자신의 기억을 바탕으로, 얼굴의 복합들이 비디오에서 본 범인에 얼마나 가까운 모습 참가자-증인을 부탁드립니다.
  2. 범인의 자신의 기억을 바탕으로, 그들이 범인에 익숙한 사람이 복합 (: 100 % 전혀 확신하지 : 매우 확신 0 %)에서 인식 할 수있을 것이라고 어떻게 확신 참가자-증인을 부탁드립니다.
    참고 : 3.1 및 3.2에 설명 된 저울의 평균 등급은 범인 복합 유사성의 참가자 - 증거 자체 평가를 생성하는 계산됩니다.

범인 복합 유사성 4. 범죄자 - 아는 사람의 평가

  1. , 범인 (원인 - 아는 사람의 평가자)의 가까운 지인이 두 개의 비디오 스틸의 FR에, 복합을보고 인접한 복합 품질의 독립적 인 평가를 제공톰 범인의 얼굴보기를 확대해서 보여주는 원래 범죄 현장은 범인의 헤어 스타일 등 이후 변경된 경우 외관의 신호로 표시됩니다.
  2. 범인 - 아는 사람의 평가자가 복합 의심 형상의 평가를 제공 가지고 (0 % = 아니오 유사성을 100 % = 매우 유사 함).
    주 : 심사원​​들에 의해 제공된 복합 평균 등급은 복합 용의자 형상 독립적 등급을 생성하기 위해 계산된다.

범인과 포일을 포함하는 비디오 라인 업 5. 준비

참고 : 다른 시스템을 사용할 수 있지만 프로토콜의이 섹션은 비디오 라인 업 시스템 PROMAT에 최적화되어 있습니다.

  1. 경찰은 경찰서에서 식별 스위트에서 범인의 비디오 라인업을 만들 수 있습니다.
    1. , 경찰 필름을 카메라에 직면 범인의 머리 앤 어깨 클립으로 구성된 범인의 15 초 비디오 클립을 가지고표준 환경 조건 (예를 들어, 조명, 거리, 카메라, 배경)에 카메라를 다시 얼굴을 켜기 전에 오른쪽으로 다음, 왼쪽으로 돌리면. 범인의 비디오 라인 업에서 추출 된 예 스틸 그림 8을 참조하십시오.

figure-protocol-9

figure-protocol-10
8. 비디오 라인업 스틸 그림. (, .이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오 정면을 B)를하고 (5.2 참조) 범인 존재하는 비디오 라인업 절차에서 범인의 얼굴 이미지 스틸 프로파일. 항변SE는이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 40,000 이상의 데이터베이스, 동일한 환경 조건에서 촬영과 나이, 성별, 인종과 '삶의 일반적인 모양'의 범인과 일치에서 아홉 포일의 경찰관을 선택 동영상이.
    참고 : 일반적으로 여덟 포일은 비디오 라인업에 포함되어 있습니다. 실험 목적을 위해, 구 포일의 한 무작위 범인 부재중 비디오 라인업에 대한 원인을 대체하도록 선택된다.
  2. 용의자가 실제 경찰 조사에서이 기회를 가질 것으로 선택한 포일이 적합 동의 범인을 가지고, (예를 들면, 그들은 범인을 합리적으로 유사한 모양을 가지고).
    참고 : 또는, 그들의 법정 대리인이 기회를 가질 수있다.
  3. 경찰은 비디오 라인업을 조립하고 나중에 임의 재생을 할 수 있도록 CD에 복사했다.

6. 모의 증인 패러다임 파일럿 Study 테스트에 비디오 라인업 공정성

  1. 범인에 익숙 다섯 파일럿 참가자의 그룹이, 누가, 어떤 다른 절차에 참여하는 범죄 현장 비디오를 본 후 범인의 서면 설명을 제공하지 않습니다.
  2. 다른 파일럿 참가자를 가지고, 파일럿 참가자의 소수에 의해 기술들을 무시하면서 연구 설계에 맹인과 범인에 익숙하지 만 파일럿 참가자의 대다수에 의해 일관성있게 서술되어 기능에 대한 설명을 포함하여 하나의 모달 설명에 6.1에서 수집 한 설명을 아말감.
    참고 : 지침의 해석은 위의 파일럿 참가자의 판단에 맡길 수 있습니다.
  3. 또한 범인을 볼 수없는, 또는 연구의 다른 과정에 참여를 찍은 적이있다 '모의 증거'참가자,의 또 다른 그룹이 아홉 라인업 회원의 전면 비디오 스틸의 배열을 볼 수 - 추출 비디오 린전자 업 6.2에서 만든 모달 기술을 기반으로 한 멤버를 선택합니다.

비디오 라인 업 및 설문 7. 프리젠 테이션

  1. 컨트롤 및 복합 만드는 참가자-증인 두 그룹의 초기 범죄 현장 비디오를 보는 사이에 동일한 지연과 연구의 마지막 단계에 참여하게한다.
    주 : 컨트롤 참가자-증인 얼굴 복합체를 만드는 데 걸린 시간 기간 신연 태스크 (예를 들면, 퍼즐)이 제공 될 수있다.
  2. 무작위로 범인 존재 또는 범인의 부재중 비디오 라인업를 볼 수있는 참가자를 할당합니다.
  3. 참가자가 큐 설명 양식의 지침을 읽게한다 (표 2 참조), 다음 - 객관식 또는 큐 질문을 완료합니다.
명령
다음은(당신이 할 수있는 경우) 큐 설명 양식, 당신은 원래 동영상에서 본 사람 (범인)의 특정 측면에 속하는 각 섹션에 주석을 입력 해보십시오. 사람을 설명하는 것은 종종 어려운 작업이기 때문에, 당신이 집중하고 다음 몇 분 동안 집중 유지하는 것이 중요합니다. 이전 연구는 또한 정확성을 위해 노력하고 단지 당신이 당신이 기억 확신하는 그보고의 중요성을 설명했다.
1 민족 외관
(2) 신장
3 겉보기 나이
4 성별
다음 질문에 하나 이상의 응답을 동그라미하세요
(5) 만듦새 지방, 비례, 얇은, 땅딸막 한, 운동, 무거운, 기타
(6) 머리 색 다크 브라운, 라이트 브라운, 박람회, 금발, 회색, 화이트, 블랙, 생강, 오번, 기타
7 헤어 스타일 대머리, 대머리, 짧은 머리, 스트레이트, 곱슬 머리, 물결 모양, 염색, 짧은, 칼라 길이, 어깨, 매우 긴, 가발, 길이, 기타
8 눈 블루, 브라운, 그린, 그레이, 캐스트, 응시, 기타
9 안색 신선한, 창백한, 붉게, 무두질, 공정, 주근깨, 다크 톤, 중간 톤, 라이트 톤, 기타
(10) 얼굴의 털 수염, 수염, 덥수룩 한, 짧은 구렛나루, 눈썹, 기타
의류 : 간단한 설명을 입력합니다 (해당되는 경우)
(11) 구두 (12) 양말
(13) 바지 (14) 벨트
(15) 셔츠 (16) 재킷
(17) 치마 (18) 드레스
(19) 점퍼 (20) 탑 코트
(21) 보석류 (22) 모자
(23) 다른

표 2. 큐 설명 양식.

  1. 라인업 관리자 비디오 라인업, 그들이 원래 현장 영상에서 본 원인을 식별하려고 시도한다 참가자 통지 유무가 컴퓨터 모니터 상에 디스플레이.
  2. 라인업 관리자는 범인들이 초기 범죄 SCE에서 본 참가자-증인을 경고했다NE 비디오 또는 라인업에 존재하지 않을 수도 있습니다.
  3. (라인업 관리자 용의자 회 도시한다 무작위 정렬 포일 아홉 15 초 클립 순차 디스플레이 이루어진 컴퓨터 모니터에 비디오 라인 업 절차를 시작하고, 정렬 부재 번호를 가지고 1-9) 각각의 비디오 클립으로 표시.
  4. 참가자 비디오 라인업을 볼 갖는다.
  5. 완료시, 라인업 관리] 그들이 어떤 부분, 또는 다시 라인업 전체를 볼 지 여부 참가자에게 있습니다.
    주 : 원하는대로 참가자가 일부 또는 라인업만큼 전체를 볼 수 있습니다.
  6. (1- 참가자가 (예 / 아니오) 범인이 라인업에 존재 여부를 여부를 묻는 라인업 질문에 서면으로 응답하지 있고, 응답이 '예'라인업 회원 번호를 제공하기 위해 9).
  7. 참가자가 정렬 부재를 선택한 경우, 라인업 관리자 번째로 재생이해당 전자 부재의 비디오 클립은 참가자들의 반응에 만족되도록한다.
  8. 참가자는 관계없이 선택을 또는 7.5의 라인업 거부 여부를 자신의 라인업 결정에 신뢰 추정치를 제공 한 (0 % = 100 % = 절대적으로 확신에 불신임).

8. 데이터 분석

참고 : 수집 된 데이터 (예를 들어, 범인의 설명)이 패러다임은 주로 포함되어 일부 절차는 나중에 분석을 위해 특별히 잉글랜드와 웨일즈에서 정상 경찰 관행을 준수하지 있는지 확인합니다. 그럼에도 불구하고, 아마도 설명 질과 양, 그리고 복합 품질 및 식별의 정확도 사이의 관계에 대한 이러한 테스트 데이터를 분석 할 수있을 것이다. 그러나 이러한 분석은 기업이 될 것이며, 여기에 나열된 데이터가 중요한 실험 가설을 조사하기 위해 이용 될 가능성이 가장 높은 자들을 분석이다.

  1. 유t-test를 43, 참가자들이 범죄 현장 영상을 본 직후에 수집 된 범인을 인식 할 수있는에서 미래의 자신의 평가는 두 실험 조건에서 동일 함을 확실히하기 위해 독립적 인-조치 (1.3.3를 참조 SE ). 결과가 아닌 의미가 있는지 확인합니다.
  2. 피어슨의 상관 계수를 사용하여, 참가자-증인 '자신의 복합체의 자기 평가의 객관성에 관한 테스트 가설은 범인 - 아는 사람 평가자의로, 개별 복합 (3.2 참조) 이러한 자기 평가 사이의 관계를 조사하기 위해 43 테스트 등급 (4.5 참조) 및 복합의 전체 세트 범인-익숙 평가자 등급 (4.6 참조)를 수집합니다.
  3. 관련 테스트 가설 라인업 성능, 사용 계층 loglinear는 라인업 결과에 실험 조건의 영향을 조사하기 위해 43, 또는 카이 제곱 테스트 (43), 분석S (7.9 참조).
  4. 올바른 범죄자 식별 율 주로 측정 식별 절차의 감도의 표시를 제공하기 위해 본 원인-라인업을 사용한다.
  5. 정확한 정렬 거부율 의해 측정 절차의 공정성의 표시를 제공하는 원인 부재중 라인업을 사용한다.

결과

여기에보고 된 데이터는 설명 된 실험 패러다임 부분적 8, 11을 따랐다되는 두 연구에서 수집 한 데이터의 집합이다.

라인업 공정 검사

제 6 절에서 설명하는 파일럿 모의 증인 패러다임, 즉 그들이 기회 (39), (40)에 의해 예상되는 것보다 더 자주 선택을 유도하기 위해 어떤 방식으로 서 안, 라인업이 용의자에 대해 편향되지 않도록 설계되어 있습니다 .이 과정에서 라인업 공정성의 측정이 더 회원을 확보하지 의해 계산은 모의 증인 (예를 들어, 1/9 = 11.1 %)로 단독 기회에서 예상되는 것보다 훨씬 더 자주 선택됩니다. 기능적 크기 Tredoux 39의 E 계수는 '그럴듯한'아르 라인업 부재의 수를 평가하기 위해인가되고, 실제 라인업 증인 메모리 적합한 시험을 제공한다. 이상적으로이 값에 가까워 야합니다최대 (예를 들면, 구). (11)에보고 된 대표적인 데이터의 모의 증인 기회 수준 (10.9 %) 가까이에서 범인을 선택으로 라인업 공정하게 발견하고, 포일의 대부분은 (Tredoux의 E = 7.05) 그럴듯했다.

일치 상태 점검

다음 분석은 범인을 인식 할 수있는에서 미래의 자신의 평가는, 참가자들이 범죄 현장 비디오는 두 실험 조건에서 거의 동일하다 볼 직후 수집 있도록 독립적 인-조치를 t 검정 (43)를 사용 (1.6 참조) . 결과는 비 중요 할 것이다. 11 년, 1.6에 설명이 규모의 반응은 참가자들이 다른 절차에 앞서 일치했다 나타내는 거의 동일, t (266) = 0.57, P> 0.2를 예상했다있다.

복합-범인 유사성 평가

TES으로자신의 복합 참가자-증인 '자기 평가의 객관성에 관한 T 가설, 두 번째 분석은 자신의 합성에 참가자 - 증인에서 제공하는 복합 의심 유사성 등급 사이의 관계가 있는지를 조사 (제 3 참조 ), 그리고 독립적 인 원인 - 아는 사람의 평가자에 의해 제공되는 것 () 4 절을 참조하십시오. 8, 모든 57 전체적인 얼굴 합성에 제공되는 등급에 피어슨의 상관 관계 테스트 (43)는 비 유의 하였다. 후속 분석을 분리 자식 - 성인 - 참가자 - 증거 데이터로 수행되었다 그러나, 26 성인 복합 이러한 등급 사이에 긍정적 인 관계가 있었다, R (26) = 0.46, P <0.05; 하지만 31 어린이의 합성에, R (31) = 0.01, P> 0.2; 성인 증인 아니라 어린이가 자신의 합성물의 품질의 객관적 평가를 제공 할 수 있다는 표시.

비디오 라인업 응답

라인업의 성능 관련 가설을 테스트하기 위해, 계층 loglinear (43)를 분석, 또는 카이 제곱 테스트 (43)는 라인업 결과 (7.9 참조)에 실험 조건의 영향을 검토한다. 이 교차비 (OR) 또한 두 변수를보고 사이의 연관의 측정치를 제공하는 것으로보고되어 있지만 이들 공칭 데이터 분석에 대한보고 된 효과의 크기 측정은, Φ이다. 대부분의 목격자 조사와 마찬가지로, 범인 - 현재와 범인의 부재중 비디오 라인 업 데이터는 분리된다. 각 참가자는 하나의 라인 업 결정을 내린다.

목격자 식별에 복합 구조의 영향은 참가자-증인 컨트롤 라인업의 선택을 비교하여 측정한다. 표 3에 표시 대표적인 결과가 정렬 결과가되었다 제어하는 (11)의 실험 1에서 수집 된 데이터의 서브 세트에서 찍은 비교 재치이 프로토콜에 설명 된 시스템을 이용하여 전체적인 얼굴 복합 만든 참가자 H-증인. 초기 범인의 범죄 현장 영상이 실험에서 비디오 라인업을 보는 사이의 지연 시간은 약 2 시간이었다.

범인 존재하는 라인업이 패러다임에서 정확한 범인 식별에있는 용의자 식별 요금, 주로 측정 식별 절차의 감도의 표시를 제공합니다. 다른 결과가 잘못 호일 식별 또는 잘못된 라인업 거부합니다.

올바른 라인업 거부 비율로 측정 한 범인-없는 라인업은, 절차의 공정성의 표시를 제공합니다. 다른 결과가 잘못 호일 식별합니다. 3 범인 부재중 시험을 빈 테이블이 연구에는 지정된 '무고한 용의자', 따라서 첫 번째 열은 없었다.

범인 존재의 선택의 behavioR : 표 3에보고 된 데이터는 원래 11에 제시된 실험 1에서, 제 분석이 같은 라인업에서 동작을 선택하는 복합 작성에 영향이 응답 바이어스를 나타낼 수 있는지 여부를 검사 할 수있다. 각각의 선택의 요금에 카이 제곱 테스트 (43) 2 (참가자의 역할 - - 제어 대 참가자 - 증인은) 2 (잘못된 라인업 거부 : 범인 식별 또는 비 츄 대 박 식별 츄 선택 동작을) × 결과는, χ 2 (1, N = 108) <1, P> 0.2 = 0.072 Φ 유의하지 않았다. 컨트롤 라인 업 (73.1 %를, 또는 = 1.09) 츄로서 참가자 - 증인 (80.0 %)이 대략 동일하게 높았다.

범인 존재하는 올바른 식별 : 두 번째 가장 중요한 원인 존재하는 분석이 응답 정확도 만 검사합니다. 2 (참가자 역할) × 2 (정확도 - 올바른 : incor 대 범인 식별RECT : 처음 11 년 실험 1에 제시된 표 3의 데이터에 식별 또는 라인업 거부) 카이 제곱 테스트 (43)는 유의 한 호일, χ 2 (1, N = 108) = 5.48, P = 0.019, Φ = 0.225. 참가자 - 증인 (70.0 %)이 (44.9 %, OR = 1.56) 대조군보다 약 반이 배의 정확한 원인 라인업 선택을했다.

이러한 결과는 새로 자격을 갖춘 경찰 사업자가 모집 된에 후속 실험 (실험 2 11)와 일치, 범죄 현장의 동영상은 여섯 가지 범인을 묘사하고, 범죄 현장의 비디오 시청 및 비디오 라인업을 보는 사이의 평균 지연이었다 약 30 시간 (참가자-증인 정확한 범인 식별 비율 = 48.8 %, 컨트롤 = 35.0 %), 및 라인업 식별 (12)에 복합 건설의 긍정적 인 효과를 찾는 메타 분석. 그러나, 다른 연구 8, t 사용동일한 기본 실험 패러다임, 전체적인 얼굴의 복합 시스템 및 라인업 유형,하지만 서로 다른 원인-배우 그는 성인 복합 만들어 참가자 - 증인 (34.6 %) 및 ​​제어 (31.7 %) 사이의 올바른 식별 속도에 유의 한 차이를 발견하지 못했다. 또한,이 연구 8, 아이는 같은 나이 (19.4 %)의 자식 참가자-증인보다 더 정확한 식별 (42.9 %) 만든 6 세에서 11 세 사이의 제어합니다. 후자의 결과는, 범인에 대한 어린이의 초기 메모리가 악화되는 아이들의 얼굴 합성은 성인에 크게 열등한 존재의 결과 일 수도 있고, 그들은 신뢰 저울의 사용을 이해하기 위해 노력. 그러나,이 연구 결과는 복합 품질 라인업 (10)로부터 정확한 식별 율 사이의 양의 관계를 발견과 일치한다. 이 설명은 또한 종종 infe 사용한 이러한 유형의 대부분의 이전의 연구와 일치대한 뛰어난에 그 식별 정확도가 복합 건설 예를 들어, 7, 9 ~ 10 다음 감소 발견, 복합 시스템의 기능을 기반.

범인 존재 호일 식별 : 호일 식별의 비율이 조건에 의해 차이가 있는지 세 번째 범인 존재하는 분석을 검사합니다. 표 3에보고 된 데이터에 (43) (11)는 유의 한 카이 제곱 테스트, χ 2 (: - (정확한 범인 식별 또는 잘못된 라인업 거절 다른 결정 대 박 식별 호일 여부) 2 (참가자의 역할은) × 2 1, N = 108) = 4.04, P = 0.045 = 0.193 Φ. 컨트롤 (28.2 %)이 참가자-증인 많은 호일 선택 (또는 = 2.82 10.0 %)로 거의 세 번했다.

범인-없는 라인업 거부 : originall의 표 3에서 범인-없는 데이터와 관련된 두 개의 결과가있는 한Y (11)에보고 된, 하나의 시험을 실시한다. 카이 제곱 테스트 (43)는 유의하지 않았다, χ 2 (1, N = 100) <1, P> 0.2, Φ = - 2 (조건) 2 (잘못된 박 식별 대 올바른 라인업 거부 정확성을) ×. 055. 이 올바른 라인업 거부 참가자 - 증인 (44.4 %) 및 ​​컨트롤 사이의 비율에 차이 없었다 (또는 = 1.16 38.4 %)가. 이러한 결과는 범인의 부재중 시험 10에서 유사한 널 효과를 발견 이전의 연구와 일치한다.

복합 품질과 참가자-증인 라인업 정확성과의 관계

추가 분석은 안면 복합 품질 및 정확한 원인 비디오 라인업 식별의 가능성 사이의 관계를 조사한다. 여기에보고 된 대표적인 데이터는 모든 라인업이 범인-존재하는 (11)에보고 된 두 번째 실험에서 있습니다. 포인트 비스erial 라인업 정확성과의 관계에서 수행 상관 관계 테스트 (43) (올바른 1 = 0 = 잘못된) 범인 복합 유사성과 원인 - 아는 사람 평가는 유의하지 않았다, R (45) = -.05, p> 0.2 일부 선행 연구 8, 10와 달리, 참가자-증인 안면 복합체의 품질 및 그 비디오 라인업 응답의 정확도 사이에 관계가 없다는 것을 시사한다. 이는 예기치 않은 결과는 상당한 불필요한 변수 (예를 들면, 지연, 여러 원인 배우 변수)의 수의 결과 일 수있다.

합계 의심 ID 포일 ID 라인업 거부
엔 엔 % 엔 % 엔 %
범인 존재
통제 수단 (78) (35) 44.9 (22) 28.2 (21) 26.9
증인 (30) (21) 70.0 3 10.0 (6) 20.0
범인 부재중
통제 수단 73 - (45) 61.6 (28) 38.4
증인 (27) - (15) 55.6 (12) 44.4

표 3. 범죄자 - 현재와 범인의 부재중 비디오 라인업 결과. (n)은 참가자의 수와 범인의 존재의 함수로 라인업 결과의 각 유형의 비율 및 PA데이터의 하위 집합에서 rticipant 역할은 원래 현재의 프로토콜에 설명 된대로 성인 참가자-증인 같은 전체적인 복합 시스템을 사용하는 (11)의 실험 1에서 발표했다.

토론

얼굴 합성의 생성은 경찰 조사 1의 제 1 리드를 제공 할 수있다. 복합 구성의 증인은 이후 경찰 용의자를 포함하는 라인업을 볼하라는 메시지가 표시 될 수 있습니다. 경찰 용의자 사실 라인업 범인-존재할 수있는 경우에 유죄 원인 일 수 있고, 무고한 수 있고, 정렬은 범죄자 부재중 일 것이다. 여기에 설명 된 적용 실험 패러다임 범인 존재하는 연속 아홉 사람의 비디오 라인 업 과정에서 정확한 범인 배우 선택에 전체적인 얼굴의 복합 생산의 긍정적 인 영향을 보여주는 연구에 사용 된, 범인 부재중 절차 (11)에 영향을하지 않고 . 이 밀접 잉글랜드와 웨일즈에 사용되는 경찰 절차를 복제로 패러다임이 강한 법정 생태 유효성을 보유하고있다. 실제로, 분석하지 중앙 성분이지만, 프로토콜 밀접 면접 과정의 유형을 다음 (예를 들어 , 그것은 별도의 변수를 조사하기 위해이 연구에서 미래인지 면접의 요소를 변화가 관심을 가질 것 있지만 경찰, 이러한 상황에서 이용할 수 있다는 것을인지 면접 23-24). 복합 매치의 설명 및 외관은, 그것이에는 과도한 영향을 제시하지 않는 경우로서, 또한, 설명은 실제로 론적 복합 구조에 필요하지 않은 경우에도, 작업자는 여전히 좋은 방법을 설명하기 위해 원인을 설명하는 증거를 요청할 것 운영자로부터 건설 (복합과 경찰이 금발 머리, 설명 검은 머리를 가지고 의심되는 경우, 예를 들어, 문제는 법원에서 제기 될 수있다).

해당 절차의 다른 측면은 법정 유효성을 강화하기 위해 따라야한다. 예를 들어, 실제 증인은 일반적으로 그들이 얼굴 합성을 만드는 것 중 하나 또는하도록 요청하는 것이 참가자 범죄를 목격하고, 사전에 경고 할 것을 사전에 인식하지 못하는 것식별 결정은 원인의 초기 화상에 참가하는 방식에 영향을 미칠 수있다. 그러므로 조사 목격자 절차를 조사되도록 참가자 경고 피하기 위해 정상이며,이 목적을 위해, 표제가 자주 (예를 들어, "비디오 분석 연구")를 약간 잘못 될 수있다. 또한, 부주의 한 실험자 바이어스를 피하기 위해, 다양한 실험 역할 (예를 들어, 복합 시스템 오퍼레이터, 라인업 관리자)가 이상적으로 다른 사람들에 의해 수행되어야한다. 비슷한 이유로, 완전히 복합 시스템의 사용 훈련을해야한다 연산자 및 라인업 관리자는 모두 범인에 익숙해야하고, 범인 비디오를 본 적이 없다. 이상적으로,도 라인업 절차는 이중 맹검 절차는 잉글랜드와 웨일즈에 대한 PACE 코드 D 식별 절차에 규정되지 않지만, 어떤 관리자 바이어스 44-46 없도록, 이중 맹검를 실시해야한다. 마찬가지로, PACE 코드 D는 식별 신뢰의 조치가이 패러다임으로 자주 연구 목적으로 수집 한 경우에도 수집 할 필요가 없습니다. 사실, 자신감 라인업 정확성에 대한 마커를 제공 할 수있다. 따라서, 일반적으로 라인 업 츄에 대한 자신감과 정확성 사이에 강한 긍정적 인 관계가 있지만, 47 ~ 49을 비 츄 없습니다.

기본 패러다임 쉽게 얼굴 복합 시스템의 종류와 사용하기 위해 적응 될 수있다 (여기서 피쳐 기반 얼굴 복합체를 만드는 영상 정렬 결과에 영향이 전체적인 시스템 복합체를 만드는 비교 실시 예 11 참조). 존재 가능한 론적 복합 시스템의 수는이고, 전체적인 원칙에 대한 모든 작업이지만, 인터페이스 13-15 다르다. 패러다임은 또한 영국이나 기타 법적 관할 지역에서 표준이 될 수 있습니다 라인업의 종류와 비교를 허용합니다. 예를 들어, 미국, 미주리폴란드는 주로 네 사람이 동시에 라인업 (50)를 사용하는 반면 세인트 식별 절차, 33-36 여섯 사람 순차적 또는 동시 사진 라인업이다. 영국에서 요즘 매우 드문 있지만, 일부 지역은 다른 곳에서 여전히 정기적으로 사람에 존재하는 모든 회원들과 라이브 라인업을 사용할 수있다. 여기에 설명 된 실험 패러다임의 목적을 위해 추가 포일은 범인-없는 라인업에서 범인을 대체 할 경찰관 라인업 관리자가 선택한 구에서 무작위로 선정되었다. 그러나 일부 목격자 식별 패러다임은, 사전에 구체적으로이 목적을 위해 '무고한 용의자'를 선택할 수 있습니다. 범인-없는 라인업 따라서 실제 경찰 라인업은 특정 용의자로 개별화되는 바와 같이, 범인 존재 라인업 예를 들어, 51에 포함 된 것과 다른 포일의 숫자를 포함 할 수 있습니다이 생성됩니다. 더 복합 CREAT의 영향을 검사하려면범인 - 현재와 범인의 부재중 라인업의 결과를 결합 라인업 결과에 이온은 또한 메모리 감도 또는 응답 바이어스 선택 신호 검출의 사용에 대해 설명 예 (52)에 대한 참조 (영향을 만드는 여부에 통보 것 이러한 유형의 분석을위한 조치).

또한,이 얼굴 인식 및 목격자 식별의 정확도에 영향을 미치는 것으로 알려진 많은 변수가 있으며, 디자인 안면 복합 생산은 (라인업이어서 때 그들은 추가적인 영향을 제공 할 것인지 이러한 테스트 검사 수용 할 수있는 예를 들면, 범인 배우 성별, 나이, 인종, 참가자의 신뢰, 절차 사이의 지연, 호일 선택 방법, 참가자 범인보기 품질, 증인 설명 품질;의 검토를 위해이 유형의 '추정'변수는 53 참조). 그럼에도 불구하고, 이러한 유형의 디자인을 가진 하나의 문제는 다수의 참가자가 요구된다는 것이다충분한 통계적 전력에 대한 라인업 응답이 자연 속에서 주로 이분법만큼 (예를 들어, 대 잘못된 올바른), 진짜 경찰 조사에서와 같이 대부분의 참가자들은 하나의 복합 한 라인업 만 뷰를 생성합니다. 또한, 설계는 시간 소모적이다. 경찰 조사를 복제하려면, 이상적으로 종종 시간 이상 걸릴 수 있습니다 혼자 연구의 세 단계 사이의 지연 및 복합 건설이 있어야한다. 이러한 문제에도 불구하고, (예를 들어, 선 조사 (예를 들면, 얼굴의 복합 시스템) 중에 경찰에 의해 사용될 수있는 새로운 기술이, 경험적으로이 기술은 후속하여 조사 절차에 미치는 영향을 조사하기 위해 실험실에서 시험하는 것이 중요 -ups). 실제 경찰은 용의자의 운명에 관계없이 죄책감, 일부 모범 사례는 다음 여부에 따라 달라질 수 있습니다.

공개 사항

Solomon과 Gibson은 University of Kent의 교수진이자 VisionMetric Ltd.의 이사입니다. VisionMetric Ltd는 EFIT-V 안면 복합 시스템을 판매합니다. 이 작업에 대한 Solomon과 Gibson의 공헌은 켄트 대학교에서 진행된 운영자 교육, 소프트웨어 개발 및 소프트웨어 지원 제공, 원고 준비 지원을 촉진하는 것이었습니다. 데이터 수집, 분석, 해석 및 원고 준비는 공개할 것이 없는 Davis, Jolliffe 및 Maigut에 의해 수행되었습니다.

감사의 글

이 연구는 제1저자와 제3저자에 대한 그리니치 대학의 내부 보조금으로 부분적으로 자금을 지원받았습니다. 범죄 현장 비디오에서 범인 역할을 해준 Dominic Goodchild, Chris Hughes, Adrian Ibanescu, Corrado Ranelli, Charlie Shaw와 범죄 현장 비디오를 촬영하고 감독한 Henry DC Williams에게 감사드립니다. 또한 프로젝트를 위한 PROMAT 비디오 라인업을 제작 및 공급하고 디자인 및 비디오 라인업 절차에 대해 조언해 주신 메트로폴리탄 경찰청의 Mick Neville 형사 수석 경위, Barry Burnell 경위 및 Nick Milbourn 경사에게 감사드립니다. 또한 경찰 수사에서 특정 전체론적 안면 합성 시스템을 사용하는 방법에 대한 조언을 제공하고, 비디오에 묘사된 복합 작업자인 이 논문의 두 번째 저자가 실제 범죄를 조사하는 동안 목격자와 함께 얼굴 합성물을 만드는 동안 그를 그림자처럼 만들 수 있도록 해준 메트로폴리탄 경찰청의 Tony Barnes 형사에게도 감사드립니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
비디오 라인업Promat Envision InternationalPROMAT웹사이트: http://www.promatenvision.co.uk 연락처: info@promatenvision.co.uk 
통계 소프트웨어IBMSPSS Statistics 20웹사이트: http://www-01.ibm.com/software/uk/analytics/spss/ 연락처: +44 (0) 870 542 6426
온라인 설문조사 도구QualtricsQualtrics웹사이트:  http://www.qualtrics.com 연락처: 1-800-340-9194
Facial Composite SystemVisionMetric LtdEFIT-V 5.006웹사이트: http://www.visionmetric.com/ 연락처: efit@visionmetric.com.

참고문헌

  1. McQuiston-Surrett, D., Topp, L. D., Malpass, R. S. Use of facial composite systems in US law enforcement agencies. Psych. Crime & Law. 12, 505-517 (2006).
  2. Horry, R., Memon, A., Wright, D. B., Milne, R. Predictors of eyewitness identification decisions from video lineups in England: A field study. Law. Hum. Behav. 36, 257-265 (2012).
  3. Penrod, S. D., Kovera, M. Recent developments in North American identification science and practice. Handbook of Psychology of Investigative Interviewing. Bull, R., Valentine, T., Williamson, T. , Wiley-Blackwell. Chichester. 257-283 (2009).
  4. Garrett, B. L. Convicting the Innocent: Where Criminal Prosecutions Go Wrong. , Harvard University Press. Cambridge, MA. (2011).
  5. Gross, S. R., Jacoby, K., Matheson, D. J., Montgomery, N., Patil, S. Exonerations in the United States 1989 through 2003. J. Crim. Law & Crim. 95, 523-560 (2005).
  6. Gross, S. R., Shaffer, M. Exonerations in the United States. University of Michigan Public Law Working Paper. 277, Available from: papers.ssrn.com (1989-2012).
  7. Davies, G. M., Ellis, H., Shepherd, J. Face identification: the influence of delay on accuracy of Photofit construction. J. Police Sci. Adm. 6, 35-42 (1978).
  8. Davis, J. P., Thorniley, S., Gibson, S., Solomon, C. Holistic facial composite construction and subsequent lineup identification accuracy: Comparing adults and children. Psych. , (2015).
  9. Kempen, K., Tredoux, C. G. 'Seeing is believing': The effect of viewing and constructing a composite on identification performance. South African J. Psych. 42, 434-444 (2012).
  10. Wells, G. L., Charman, S. D., Olson, E. A. Building face composites can harm lineup identification performance. J. of Exp. Psych: App. 11, 147-156 (2005).
  11. Davis, J. P., Gibson, S., Solomon, C. The positive influence of creating a holistic facial composite on video line-up identification. App. Cog. Psych. 28, 634-639 (2014).
  12. Meissner, C. A., Brigham, J. C. A meta-analysis of the verbal overshadowing effect in face identification. App. Cog. Psych. 15, 603-616 (2001).
  13. Frowd, C., Bruce, V., Ness, H., Thomson-Bognor, C., Paterson, J., McIntyre, A., Hancock, P. J. B. Parallel approaches to composite production. Ergonomics. 50, 562-585 (2007).
  14. Solomon, C. J., Gibson, S. J., Maylin, M. EFIT-V: Evolutionary algorithms and computer composites. Craniofacial Identification. Wilkinson, C., Rynn, C. , Cambridge University Press. 24-41 (2012).
  15. Tredoux, C. G., Nunez, D. T., Oxtoby, O., Prag, B. An evaluation of ID: an eigenface based construction system. South African Comp. J. 37, 90-96 (2007).
  16. Davies, G. M., Valentine, T. Facial composites: forensic utility and psychological research. Handbook of Eyewitness Psychology, Volume 2, Memory for people. Lindsay, R. C. L., Ross, D. F., Read, J. D., Toglia, M. P. , LEA. Mahwah. 59-83 (2007).
  17. Frowd, C. Facial composites and techniques to improve recognisability. Forensic Facial Identification: Theory and Practice of Identification from Eyewitnesses, Composites and CCTV. Valentine, T., Davis, J. P. , Wiley-Blackwell. Chichester. 43-70 (2015).
  18. Tanaka, J. W., Farah, M. J. Parts and wholes in face recognition. Qty J. of Exp. Psych. 46A, 225-245 (1993).
  19. Tanaka, J. W., Sengco, J. A. Features and their configuration in face recognition. Mem. Cogn. 25, 583-592 (1997).
  20. de Heering, A., Houthuys, S., Rossion, B. Holistic face processing is mature at 4- years of age: Evidence from the composite face effect. J. of Exp. Child Psych. 96, 57-70 (2007).
  21. Schooler, J. W. Verbalization produces a transfer inappropriate processing shift. App. Cog. Psych. 16, 989-997 (2002).
  22. Wells, G. L. Verbal descriptions of faces from memory: Are they diagnostic of identification accuracy? J. App. Psych. 70, 619-626 (1985).
  23. Fisher, R. P., Geiselman, R. E. Memory: enhancing techniques for investigative interviewing: the cognitive interview. , Charles C. Thomas. Springfield, IL. (1992).
  24. Memon, A., Meissner, C. A., Fraser, J. The Cognitive Interview: A meta-analytic review and study space analysis of the past 25 years. Public Policy, Law. 16, 340-372 (2010).
  25. Davis, J. P., Sulley, L., Solomon, C., Gibson, S. A comparison of individual and morphed facial composites created using different systems. Howells, G., Sirlantzis, K., Stoica, A., Huntsberger, T., Arslan, A. T. 2010 IEEE International Conference on Emerging Security Technologies, , IEEE Computer Society. Canterbury. 56-60 (2010).
  26. Frowd, C. D., Carson, D., Ness, H., Richardson, J., Morrison, L., Mclanaghan, S., Hancock, P. A forensically valid comparison of facial composite systems. Psych. Crime. Law. 11, 33-52 (2005).
  27. Frowd, C. D., et al. Giving crime the 'evo': catching criminals using EvoFIT facial composites. Howells, G., Sirlantzis, K., Stoica, A., Huntsberger, T., Arslan, A. T. 2010 IEEE International Conference on Emerging Security Technologies, , IEEE Computer Society. Canterbury. 36-43 (2010).
  28. Solomon, C. J., Gibson, S. J., Maylin, M. EFIT-V: Evolutionary algorithms and computer composites. Craniofacial Identification. Wilkinson, C., Rynn, C. , Cambridge University Press. Cambridge. 24-41 (2012).
  29. Gawrylowicz, J., Gabbert, F., Carson, D., Lindsay, W., Hancock, P. Holistic versus featural facial composite systems for people with mild intellectual disabilities. App. Cog. Psych. 26, 716-720 (2012).
  30. Facial Identification Guidance. Association of Chief Police Officers (ACPO). , Avaliable from: http://www.acpo.police.uk/documents/crime/2009/200911CRIFIG01.pdf (2009).
  31. Davis, J. P., Thorniley, S., Gibson, S. J., Solomon, C. J. Holistic facial composite construction and subsequent video lineup identification outcomes: Comparing adults and children. J. Psychol. 150 (1), 102-118 (2015).
  32. Valentine, T., Davis, J. P. Forensic facial identification: A practical best guide to best practice. Forensic Facial Identification: Theory and Practice of Identification from Eyewitnesses, Composites and CCTV. Valentine, T., Davis, J. P. , Wiley-Blackwell. Chichester. (2015).
  33. Lindsay, R. C. L., Wells, G. L. Improving eyewitness identification from lineups: Simultaneous versus sequential lineup presentations. J. App. Psych. 70, 556-564 (1985).
  34. Steblay, N. K., Dysart, J. E., Wells, G. L. Seventy-two tests of the superiority effect: meta-analysis and policy discussion. Psych. Public Policy, Law. 17, 99-139 (2011).
  35. Clark, S. E., Moreland, M. B., Rush, R. A. Lineup Composition and Lineup Fairness. Forensic Facial Identification: Theory and Practice of Identification from Eyewitnesses, Composites and CCTV. Valentine, T., Davis, J. P. , Wiley-Blackwell. Chichester. 129-157 (2015).
  36. Gronlund, S., Wixted, J., Mickes, L. Evaluating eyewitness identification procedures using ROC analysis. Curr. Dir. in Psych. Sci. 23, 3-10 (2014).
  37. Valentine, T., Darling, S., Memon, A. Do strict rules and moving images increase the reliability of sequential identification procedures? App. Cog. Psych. 21, 933-949 (2007).
  38. Wilcock, R., Kneller, W. A comparison of presentation methods of video identification parades. App. Cog. Psych. 25, 835-840 (2011).
  39. Tredoux, C. G. Statistical inference on measures of lineup fairness. Law Hum. Behav. 22, 217-237 (1998).
  40. Malpass, R. S., Tredoux, C., McQuiston-Surret, D. Lineup construction and measuring lineup fairness. Handbook of Eyewitness Psychology: Vol. 2. Lindsay, R., Ross, D., Read, D., Toglia, M. , 155-178 (2007).
  41. Criminal Evidence Act. Police and Criminal Evidence Act (1984) Codes of Practice, Code D. , Retrived from: http://www.homeoffice.gov.uk/publications/police/operational-policing/pace-codes/pace-code-d-2011 (2011).
  42. Valentine, T., Davis, J. P., Thorner, K., Solomon, C., Gibson, S. Evolving and combining facial composites: Between-witness and within-witness morphs compared. J. Exp. Psych: App. 16 (1), 72-86 (2010).
  43. Field, A. Discovering Statistics using IBM SPSS. , 4th, SAGE Publications Ltd. London. (2013).
  44. Greathouse, S. M., Kovera, M. B. Instruction bias and line-up presentation moderate the effects of administrator knowledge on eyewitness identification. Law Hum. Behav. 33, 70-82 (2009).
  45. Wells, G. Eyewitness Identification: A System Handbook. , Carswell. Toronto. (1988).
  46. Clark, S. E. Costs and benefits of eyewitness identification reform: Psychological science and public policy. Pers. Psych. Sci. 7, 238-259 (2012).
  47. Brewer, N., Weber, N., Semmler, C. Eyewitness identification. Psychology and Law: An Empirical Perspective. Brewer, N., Williams, K. D. , Guilford. New York. 177-221 (2005).
  48. Brewer, N., Wells, G. L. The confidence-accuracy relationship in eyewitness identification: Effects of lineup instructions, functional size and target-absent base rates. J. Exp. Psych. App. 12, 11-30 (2006).
  49. Sporer, S. L., Penrod, S., Read, D., Cutler, B. Choosing confidence and accuracy: A meta-analysis of the confidence-accuracy relation in eyewitness identification studies. Psychological Bulletin. 118, 315-327 (1995).
  50. Rozporządzenie Ministra Sprawiedliwości. Pozycja 981. , Available from: http://static1.money.pl/d/akty_prawne/pdf/DU/2003/104/DU20031040981.pdf (2003).
  51. Valentine, T., Davis, J. P., Memon, A., Roberts, A. Showups and their influence on a subsequent video lineup. App. Cog. Psych. 26 (1), 1-23 (2012).
  52. Mickes, L., Moreland, M. B., Clark, S. E., Wixted, J. T. Missing the information needed to perform ROC analysis? Then compute d/, not the diagnosticity ratio. J App Res Mem and Cog. 3 (2), 58-62 (2014).
  53. Wilcock, R., Bull, R., Milne, R. Witness Identification in Criminal Cases: Psychology and Practice. , Oxford University Press. Oxford. (2008).

재인쇄 및 허가

태그

전체적 얼굴 복합 작성 및 후속 비디오 라인업 목격자 식별 패러다임
문의하기
사서에게 추천하기

개인정보

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.