Name: 전체적 얼굴 복합 작성 및 후속 비디오 라인업 목격자 식별 패러다임 (동영상) | JoVE Journal
Uploaded: 2015-12-24T15:00:00.000+00:00
Duration: 9 min 49 s
Description: 학습하세요 법의심리학에서 전체적 얼굴 복합 작성 및 비디오 라인업을 통한 목격자 식별 방법을. 이 연구는 경찰 수사 상황을 재현하여 얼굴 복합 생성 최적화와 식별 정확도에 영향을 미치는 요인을 평가합니다.

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

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.

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.

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 </EM&gt;, 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, &quot;비디오 분석 연구&quot;)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 &#39;무고한 용의자&#39;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 &#39;추정&#39;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.

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 &#39;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 &#39;Gestaltic&#39;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 &#39;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 &#39;범인 배우&#39;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 &#39;공정&#39;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.

<table><tbody><tr><td>비디오 라인업</td><td>Promat Envision International</td><td>PROMAT</td><td>웹사이트: http://www.promatenvision.co.uk 연락처: info@promatenvision.co.uk&nbsp;</td></tr><tr><td>통계 소프트웨어</td><td>IBM</td><td>SPSS Statistics 20</td><td>웹사이트: http://www-01.ibm.com/software/uk/analytics/spss/ 연락처: +44 (0) 870 542 6426</td></tr><tr><td>온라인 설문조사 도구</td><td>Qualtrics</td><td>Qualtrics</td><td>웹사이트:&nbsp; http://www.qualtrics.com 연락처: 1-800-340-9194</td></tr><tr><td>Facial Composite System</td><td>VisionMetric Ltd</td><td>EFIT-V 5.006</td><td>웹사이트: http://www.visionmetric.com/ 연락처: efit@visionmetric.com.</td></tr></tbody></table>

전체적 얼굴 복합 작성 및 후속 비디오 라인업 목격자 식별 패러다임

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

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 &#39;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.

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 &#39;그럴듯한&#39;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&gt; 0.2를 예상했다있다. 복합-범인 유사성 평가 TES으로자신의 복합 참가자-증인 &#39;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 &lt;0.05; 하지만 31 어린이의 합성에, R (31) = 0.01, P&gt; 0.2; 성인 증인 아니라 어린이가 자신의 합성물의 품질의 객관적 평가를 제공 할 수 있다는 표시. &lt;P 클래스 = &quot;jove_content&quot;&gt; 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 &#39;무고한 용의자&#39;, 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) &lt;1, P&gt; 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) &lt;1, P&gt; 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&gt; 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. <table fo:keep-together.within-page="1"><tbody><tr><td></td><td> 합계 </td><td colspan="2"> 의심 ID </td><td colspan="2"> 포일 ID </td><td colspan="2"> 라인업 거부 </td></tr><tr><td></td><td> 엔 </td><td> 엔 </td><td> % </td><td> 엔 </td><td> % </td><td> 엔 </td><td> % </td></tr><tr><td colspan="8"> 범인 존재 </td></tr><tr><td> 통제 수단 </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> 증인 </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"> 범인 부재중 </td></tr><tr><td> 통제 수단 </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> 증인 </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> 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.

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.

The paradigm detailed in this manuscript describes an applied experimental method based on real police investigations during which an eyewitness or victim ...

본 실험의 전반적인 목적은 목격자가 기억을 바탕으로 범인의 전체적인 얼굴 몽타주를 작성한 후, 이어서 경찰 용의자가 포함된 비디오 라인업을 확인하는 경찰 수사 과정을 재현하는 것입니다. 이 방법은 얼굴 몽타주 제작 방식을 어떻게 최적화할 수 있는지와 그것이 이후의 목격자 식별에 미치는 영향 등 법심리학 분야의 핵심 질문들에 대한 해답을 제시할 수 있습니다. 이 방법의 주요 장점은 유연성입니다.절차 간의 지연 시간, 참가자의 연령 또는 인종 등 실제 경찰 수사에 영향을 미칠 수 있는 주요 변수들을 측정할 수 있습니다. 시연은 제 실험실의 연구 보조원이며 경찰 운영 교육을 이수한 Andrea Mag과, 해당 절차에 대해 전혀 알지 못하는 피실험자 증인이 진행하겠습니다. 우선, 참가자가 무작위로 선택된 범인이 경범죄를 저지르는 영상 클립을 시청하게 하십시오.비디오는 고화질이어야 하며, 전신 모습과 얼굴의 정면 및 양측면 근접 촬영 장면을 포함해야 합니다. 비디오 시청 후, 목격자 참여자가 범인의 대략적인 연령, 성별, 인종 및 의복에 대해 구두로 기술하도록 합니다. 그런 다음, 참여자 목격자가 범인을 식별할 수 있다는 확신 정도를 구두 등급으로 제공하게 합니다.다음으로, 인지 면담 요소를 사용하여 범인에 관한 가능한 한 많은 추가 세부 정보를 확인하십시오. 함께 제공된 텍스트 프로토콜의 표 1에 나열된 일련의 질문을 사용하여 참여 목격자의 자유 회상 진술에서 누락된 부분을 채우십시오. 완료되면 Holistic Facial Composite System 소프트웨어의 인터페이스를 켜십시오.참가자가 설명한 대로 범인의 성별, 인종 및 연령대를 해당 상자에 입력하십시오. 인터뷰 검토 중에 작업자는 참가자 목격자가 전체적인 얼굴 합성물을 작성하도록 안내해야 합니다. 이는 참가자 목격자가 무작위로 표시된 9개의 컴퓨터 생성 이미지(3x3 배열) 중에서 범인의 기억과 가장 잘 일치하는 이미지를 선택하고 가장 맞지 않는 이미지를 제외하는 절차를 따릅니다.참여 증인이 9개의 이미지 중 어느 것에도 만족하지 않는 경우, 운영자에게 추가 배열을 생성하도록 요청하십시오. 한 배열에서 선택된 최선의 예시는 항상 다음 배열에 나타나며, 배열 내 얼굴 간의 유사성은 프로세스의 각 단계마다 자동으로 증가한다는 점에 유의하십시오. 따라서 참여 증인에게 가장 잘 일치하는 얼굴 형태를 먼저 선택하도록 요청하십시오.참가자 목격자가 이후의 배열에서 코, 입, 눈, 그리고 눈썹 모양 중 가장 유사한 것을 선택할 때까지 동일한 선택 과정을 계속합니다. 다음으로, 모든 얼굴이 참가자 목격자가 입력한 것과 동일한 특징을 갖도록 3x3 배열을 생성합니다. 헤어 및 안면 특징을 고정한 상태에서 인터페이스의 헤어 도구를 사용하여 대규모 데이터베이스로부터 적절한 헤어스타일과 머리 색상을 선택하게 합니다.참가자 증인이 어깨 도구에서 제공되는 의류와 색상을 사용하여 적절한 어깨 외형을 선택하도록 하십시오. 그런 다음 툴바를 사용하여 참가자 증인이 선택 결과에 만족할 때까지 목과 어깨의 위치를 이동, 크기 조절 및 회전시키십시오. 다음으로, 로고 유무를 포함하여 추가 의류를 선택하게 하십시오.여기에는 스카프, 후디, 안경 또는 선글라스와 같은 항목이 포함될 수 있습니다. 또한, 참여자 목격자가 범인의 안면 모발에 변경 사항이 있는지 지시하도록 하십시오. 수염 인터페이스에서 제공하는 추가 도구를 사용하여 이러한 선택 사항을 입력하십시오.완료되면, 인터페이스의 다이내믹 오버레이 도구를 열어 피부의 특정 영역에 미세한 변화를 주거나 얼굴 전체에 전역적인 변화를 줄 수 있는 기능을 시연합니다. 참여자(참관인)의 요청에 따라 필요한 변경 사항을 적용하십시오. 다음으로, 참여자(참관인)가 더 자세히 살펴볼 수 있도록 얼굴을 확대합니다.참가자 증인의 지시가 있는 경우에만 로컬 도구를 사용하여 개별 얼굴 특징과 얼굴 및 머리의 전체적인 형태를 체계적으로 변경하십시오. 그런 다음 얼굴을 더 늙거나 젊게, 더 뚜렷하거나 덜 뚜렷하게, 그리고 피부색을 더 창백하거나 어둡게 만들 수 있는 전체적 속성 도구를 시연하십시오. 참가자 증인이 지시하는 대로 이미지의 변경 사항을 적용하십시오.최종 합성 이미지를 화면에 표시하고 목격자가 해당 이미지를 승인하도록 합니다. 이미지 저장 버튼을 클릭하여 승인된 파일을 저장하십시오. 인터페이스 완료 도구에서 경찰관이 범인과 실제 모습이 유사한 9명의 유인물로 구성된 비디오 라인업을 생성하게 하십시오.범인 제시 라인업에서는 포일(foil) 중 하나를 범인으로 교체하여 배치하고, 범인 부재 라인업에서는 범인을 제외하십시오. 피험자가 동봉된 텍스트 프로토콜의 표 2에 있는 큐잉 설명서(queued description form)의 지침을 읽도록 하십시오. 그 다음, 피험자가 양식의 객관식 질문이나 큐잉 질문을 작성하는 것을 도와주십시오.양식을 모두 작성한 후, 용의자와 대조군이 무작위 순서로 배치된 9개의 15초 분량 클립이 순차적으로 표시되는 비디오 라인업을 참가자와 증인이 함께 보도록 합니다. 완료 후 이 비디오를 두 번 보여줍니다. 참가자에게 라인업의 특정 부분을 다시 보기를 원하는지 또는 라인업 전체를 다시 검토하기를 원하는지 확인하십시오.그 후, 참가자 목격자에게 라인업에 범인이 포함되어 있었는지 여부를 묻는 라인업 설문지에 서면으로 응답하게 합니다. 응답이 '예'인 경우, 해당 라인업 구성원의 번호를 기입하도록 합니다. 참가자가 라인업 구성원을 선택하면, 해당 구성원의 비디오 클립만 참가자 목격자에게 재생하여 자신의 응답에 만족하는지 확인하십시오.마지막으로, 참여한 목격자가 비디오 라인업에서 선택을 했거나 라인업 전체를 거부했는지 여와 관계없이 자신의 라인업 결정에 대한 확신도를 제공하게 합니다. 해당 참여 목격자는 6번을 선택했으며, 이는 정답이었습니다. 실제 경찰 수사에서 목격자가 용의자를 선택하면, 해당 용의자는 추가 조사를 받게 되며 최종적으로 기소되어 범죄로 처벌받을 수 있습니다.목격자가 몽타주를 선택했거나 무죄임이 밝혀진 경우, 더 이상의 상황은 진행되지 않았습니다. 두 그룹의 참가자들은 모두 연구 시작 시점에 범인을 목격했습니다. 목격자 그룹은 초기 영상을 본 후 범인의 몽타주를 제작하였으며, 대조군 그룹은 이를 수행하지 않았습니다.동일한 시간이 흐른 후, 두 그룹 모두에게 비디오 라인업을 보여주고 범인을 지목하도록 요청하였습니다. 식별 성공 횟수의 총합은 두 참가자 그룹 간에 통계적으로 유사했습니다. 대조군 78명 중 57명(약 73%)이 라인업에서 인물을 식별하였으며, 목격자 30명 중 24명(80%)이 라인업에서 인물을 지목하였습니다.이 두 집단의 차이점은 합성 몽타주를 작성한 목격자 집단은 70%의 확률로 범인을 정확히 식별한 반면, 대조군은 약 45%의 확률로만 범인을 정확히 식별했다는 것입니다. 범인이 없는 라인업을 본 경우, 참가자의 약 60%가 이 절차를 수행하는 동안 무고한 인물을 범인으로 지목했습니다. 실제 경찰 수사를 가장 잘 재현하기 위해서는 참가자 목격자가 실험 절차를 사전에 알지 않아야 하며, 운영자가 범인 영상을 미리 시청하지 않는 것이 중요하다는 점을 기억하십시오.개발 후에는 용의자 유사성이 이후의 목격자 식별 정확도에 미치는 영향을 측정하는 것과 같은 추가적인 분석 방법을 수행할 수 있습니다. 이 기술은 안면 몽타주 분야의 연구자들이 절차 사이의 지연 시간이 미치는 영향을 탐구하고, 6세의 어린 아이부터 90세 이상의 성인까지 이 방법을 적용할 수 있는 길을 열어주었습니다. 이 영상을 시청한 후에는 경찰이 실제 수사에서 안면 몽타주를 어떻게 작성하는지, 그리고 실제 범인이 포함되었을 수도 혹은 포함되지 않았을 수도 있는 비디오 라인업을 볼 때 목격자가 무엇을 예상해야 하는지에 대해 충분히 이해하게 될 것입니다.

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

Research

연구

JoVE Journal

Behavior

행동

인간 초상권 초자연적 인 밸리 가설 &#39;차원의 인식 및 분류 처리 : 어떤 방법 론적 문제

이 비디오는 동적으로 변화하는 표면의 조밀한 3D 측정을 제공하는 디지털 프린지 프로젝션 기술의 기초를 설명합니다. 또한 이러한 기술을 기반으로 하는 고속 이진 디포커스 시스템의 설계 및 작동을 보여줍니다.

디지털 프린지 프로젝션 기술을 사용한 고해상도, 고속, 3차원 비디오 이미징

아프리카 발톱 개구리 laevis의 배아의 구강 안면 크기 및 형상을 정량화하는 방법이 개발되었다. 이 프로토콜에서, 기존의 크기 측정은 구강 안면 현상 결함의보다 정교한 분석을 허용하기 위해 기하학적 morphometrics과 결합된다.

구강 안면 표현형의 정량화에 Xenopus의

자동화 표정 분석 소프트웨어를 사용하여 관능 평가 실험실에서 음료 및 액상 식품에 인구의 감정적 반응을 캡처 및 통계적 분석을위한 프로토콜을 설명한다.

관능 평가를위한 데이터 수집 및 자동화 표정 분석 기술에 대한 분석 응용 및 시간적 분석을위한 프로토콜

여기, 우리는 가상 손과 몸 관련 자기 인식 / -representation을 연구하는 데 사용할 수있는 가상 얼굴 환상의 패러다임을 설명합니다. 이들은 이미 특정 조건 하에서, 가상 손이나 얼굴 본체 표현 오히려가요임을 시사의 몸 표현으로 통합 될 수 있다는 것을 보여주기를 위해 다양한 연구에 사용되었다.

가상-손과 가상 얼굴 환상을 만드는 것은 자기 표현을 조사하기

프로토콜의 목적은 실험실에서 사용 하기 위해 비디오 데이터를 수집 하는 방법을 상세히 설명 하는 것입니다. 데이터를 보는 참가자의 눈 추적 데이터를 기록 하는 방법 및 기계 학습 기술을 사용 하 여 보고 있던 비디오의 콘텐츠를 효율적으로 분석 하는 방법.

도시 공원 환경에서 산책 비디오를 무료로 볼 수 있는 비디오 콘텐츠 분석과 눈 추적 데이터 결합

멀티모달 센서를 사용하는 것은 교육 환경에서 사회적 상호 작용의 역할을 이해하는 유망한 방법입니다. 이 백서는 모바일 아이트래커를 사용하여 공동 배치된 다이드에서 관절 시각적 주의를 포착하는 방법론을 설명합니다.

모바일 아이 트래커를 사용하여 공동 시각 주의를 포착하는 방법론

이 연구는 L1-L2-영어와 L1-L2 포르투갈어를 비교하여 외국어 억양의 영향이 메트릭과 운율-음향 매개변수, 음성 라인업에서 대상 음성 선택을 얼마나 설명하는지 확인하는 것을 목표로 했습니다.

음성 라인업에서 외국어 억양 및 법의학 화자 식별: 운율에 기반한 음향 기능의 영향

우리는 입체측량법을 이용한 연부 조직 변화의 3차원 분석 프로토콜을 제시합니다.

입체측량을 이용한 안면 연조직 부피 변화에 대한 정량적 평가 프로토콜

이 동영상은 쥐의 주민 침입자 패러다임을 보여줍니다. 이 테스트는 공격 침략, 반 자연 속에서 방어 행동과 폭력을 측정하는 표준화 된 방법입니다. 사회적 스트레스 실험 패러다임의 사용으로 잘 설명되어 있습니다.

주민 침입자 패러다임 : 공격성, 폭력과 사회적 스트레스에 대한 표준화 된 시험

학습하세요 법의심리학에서 전체적 얼굴 복합 작성 및 비디오 라인업을 통한 목격자 식별 방법을. 이 연구는 경찰 수사 상황을 재현하여 얼굴 복합 생성 최적화와 식별 정확도에 영향을 미치는 요인을 평가합니다.

전체적 얼굴 복합 작성 및 후속 비디오 라인업 목격자 식별 패러다임

더 많은 동영상 탐색