本發明實施例涉及測謊技術領域，尤其涉及一種基于皮膚電反應和瞳孔變化的測謊方法及裝置。

背景技術：

經過大半個世紀的發展，測謊技術已在以美國為首的西方國家中的偵查，安全和即要部門中被廣泛使用。測謊儀是公安部門針對犯罪事實進行甄別的一種有效手段，通過提問問題的方式對被測試者進行刺激，從而得到被測試者相應的生理變化，通過分析這些生理變化來判斷被測試者是否說謊。目前公知的測謊儀主要是通過檢測皮膚電反應、胸部呼吸、瞳孔、血壓等生理參數來進行測謊。例如，當被測人說謊時，其心理會感覺緊張，從而導致瞳孔不自主放大，而且其皮膚表面的鹽分會變高，皮膚導電率增強，因此，根據這些瞳孔變化情況、皮膚電反應等生理參數便可判斷出其是否說謊。

現有技術中，基于面部表情的測謊方案是通過接受用戶的臉部視頻，檢測臉部視頻的至少一幀的人臉圖像特征，然后基于人臉圖像特征進行面部表情識別，從而利用訓練好的人工神經網絡計算所識別的面部表情的說謊概率。

上述方案中利用的人臉識別技術雖然是很熱的話題，可以應用的領域也非常多，但是用來判斷說謊可行性不高，因為每個人在說謊的時候臉部表情差別會比較大，有的人說謊時會面無表情，有的人說謊時會微笑，個體差異導致數據集的分類非常困難。而且假如一個人說謊的時候會微笑，那么通過一張微笑的照片，不能區別出這個人僅僅是微笑還是說謊。所以說，利用面部表情識別的方案來判別是否說謊的準確率較低、可行性不高。

技術實現要素：

本發明提供一種基于皮膚電反應和瞳孔變化的測謊方法及裝置，以實現測謊功能。

為達到此目的，本發明實施例采用以下技術方案：

一種基于皮膚電反應和瞳孔變化的測謊方法，包括：

依據測試者在未說謊狀態下的正常皮膚電反應數據、正常瞳孔數據以及預設的權重值，確定所述測試者的正常特征值；

依據所述測試者在測試狀態下的測試皮膚電反應數據、測試瞳孔數據以及所述權重值，確定所述測試者的測試特征值；

比較所述正常特征值和所述測試特征值，得到所述測試者的測謊結果。

進一步地，上述方法中，所述權重值的確定包括：

依據N個訓練樣本用戶在未說謊狀態下的正常皮膚電反應數據xi和正常瞳孔數據yi，構建包含權重參數的判決函數：

F(X,Y)＝y^*+α·(x^*-y^*)

其中α為權重參數，

依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，對判決函數進行訓練，得到所述權重值。

進一步地，上述方法中，依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，對判決函數進行訓練，得到所述權重值，包括：

針對預設的權重參數的每一取值，依據所述判決函數分別得到該取值對應的正常特征值區間；

針對每一取值，依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，以及所述判斷函數，分別得到該取值對應的M個校驗樣本用戶的正常特征值；

針對每一取值，分別確定該取值對應的M個校驗樣本用戶的正常特征值落在對應的正常特征值區間的概率；

將最大概率對應的取值確定為所述權重值。

進一步地，上述方法中，針對預設的權重參數的每一取值，依據所述判決函數分別得到該取值對應的正常特征值區間，包括：

針對預設的權重參數的每一取值，依據N個訓練樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，以及所述判斷函數分別得到N個訓練樣本用戶的正常特征值；

從所述N個訓練樣本用戶的正常特征值中選擇最大正常特征值和最小正常特征值構建對應的正常特征值區間。

進一步地，上述方法中，所述皮膚電反應數據為皮膚電反應的電流值，所述瞳孔數據為瞳孔占據眼球的比例。

相應地，本發明還公開一種基于皮膚電反應和瞳孔變化的測謊裝置，包括：

正常特征值確定模塊，用于依據測試者在未說謊狀態下的正常皮膚電反應數據、正常瞳孔數據以及預設的權重值，確定所述測試者的正常特征值；

測試特征值確定模塊，用于依據所述測試者在測試狀態下的測試皮膚電反應數據、測試瞳孔數據以及所述權重值，確定所述測試者的測試特征值；

測謊結果確定模塊，用于比較所述正常特征值和所述測試特征值，得到所述測試者的測謊結果。

進一步地，上述裝置中，包括權重值確定模塊，所述權重值確定模塊包括：

判決函數構建單元，用于依據N個訓練樣本用戶在未說謊狀態下的正常皮膚電反應數據xi和正常瞳孔數據yi，構建包含權重參數的判決函數：

F(X,Y)＝y^*+α·(x^*-y^*)

其中α為權重參數，

判決函數訓練單元，用于依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，對判決函數進行訓練，得到所述權重值。

進一步地，上述裝置中，所述判決函數訓練單元包括：

特征區間子單元，用于針對預設的權重參數的每一取值，依據所述判決函數分別得到該取值對應的正常特征值區間；

樣本特征子單元，用于針對每一取值，依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，以及所述判斷函數，分別得到該取值對應的M個校驗樣本用戶的正常特征值；

概率確定子單元，用于針對每一取值，分別確定該取值對應的M個校驗樣本用戶的正常特征值落在對應的正常特征值區間的概率；

權重值子單元，用于將最大概率對應的取值確定為所述權重值。

進一步地，上述裝置中，所述特征區間子單元具體用于：

針對預設的權重參數的每一取值，依據N個訓練樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，以及所述判斷函數分別得到N個訓練樣本用戶的正常特征值；

從所述N個訓練樣本用戶的正常特征值中選擇最大正常特征值和最小正常特征值構建對應的正常特征值區間。

進一步地，上述裝置中，所述皮膚電反應數據為皮膚電反應的電流值，所述瞳孔數據為瞳孔占據眼球的比例。

本發明實施例所提供的技術方案，通過采集皮膚電反應數據和瞳孔數據，并進行相應的數據處理，實現準確率更高的測謊功能，可以為公安部門打擊違法犯罪提供一種有效途徑，也可以作為生活中一個有趣的應用。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。

圖1為本發明實施例一提供的一種基于皮膚電反應和瞳孔變化的測謊方法的流程示意圖；

圖2為本發明實施例一提供的測謊階段訓練部分和測試部分的具體流程示意圖；

圖3為本發明實施例一提供的測謊數據采集及處理的整體流程示意圖；

圖4是本發明實施例二提供的一種基于皮膚電反應和瞳孔變化的測謊方法的結構示意圖。

具體實施方式

下面結合附圖和實施例對本發明作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用于解釋本發明，而非對本發明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發明相關的部分而非全部結構。

實施例一

請參閱附圖1，為本發明實施例一提供的一種基于皮膚電反應和瞳孔變化的測謊方法的流程示意圖，該方法適用于通過生理反應判斷被測試者是否說謊的場景，該方法由基于皮膚電反應和瞳孔變化的測謊裝置來執行，該裝置可以由軟件和/或硬件實現，集成于操作終端設備的內部。該方法具體包括如下步驟：

S110、依據測試者在未說謊狀態下的正常皮膚電反應數據、正常瞳孔數據以及預設的權重值，確定所述測試者的正常特征值。

具體的，對測試者提問若干正常且無異議的問題進行訓練，這類問題的答案只能為“是”或“否”，這些問題主要是為了獲得測試者在沒有說謊的情況下的皮膚電反應數據和瞳孔數據，并將若干次皮膚電反應數據的值作歸一化處理后作為皮膚電反應數據的正常范圍，將若干次瞳孔大小的數據值作歸一化處理后作為瞳孔大小數據的正常范圍，最終對兩種數據各加以相應的權重，確定出整個測試的正常特征值的范圍。

S120、依據所述測試者在測試狀態下的測試皮膚電反應數據、測試瞳孔數據以及所述權重值，確定所述測試者的測試特征值。

具體的，通過對測試者提問待確認事件相關的敏感問題，得到測試者在測試狀態下的皮膚電反應數據和瞳孔數據，并分別將皮膚電反應數據和瞳孔數據的值作歸一化處理后各加以相應的權重，得到測試值。

S130、比較所述正常特征值和所述測試特征值，得到所述測試者的測謊結果。

具體的，參考圖2，在S110和S120的基礎上，可以知道本發明提供的技術方案可分為訓練和測試兩個部分。

訓練部分：該部分主要為了獲得測試者沒有說謊的情況下的皮膚電反應數據和瞳孔數據，從而得到正常特征值范圍。

測試部分：該部分主要為了獲得測試者在測試狀態下的皮膚電反應數據和瞳孔數據，從而得到測試值。進一步地，通過將測試值與正常特征值的范圍進行比較，若是測試值超出正常特征值范圍，則判別為說謊；否則，沒有說謊。

需要說明的是，所述皮膚電反應數據為皮膚電反應的電流值，皮膚電反應可以通過測試者佩戴手環等可穿戴設備來采集皮膚電反應數據；所述瞳孔數據為瞳孔占據眼球的比例，瞳孔變化情況可以利用手機攝像頭等移動終端設備來采集瞳孔數據，并通過對兩種數據加以權重來最終進行判斷是否說謊。

進一步需要說明的是，參考圖3，測試者通過佩戴手環等可穿戴設備采集皮膚電反應數據，并將數據存儲下來發送到手機端；再通過手機攝像頭采集測試者的照片數據，然后利用目標檢測算法定位出眼睛部位，得到瞳孔占據眼球的比例，并將這個數據作為瞳孔大小的數據保存下來，最終通過手機端進行數據處理，得到測謊結果。

優選的，所述權重值的確定包括：

依據N個訓練樣本用戶在未說謊狀態下的正常皮膚電反應數據x_i和正常瞳孔數據y_i，構建包含權重參數的判決函數：

F(X,Y)＝y^*+α·(x^*-y^*)

其中α為權重參數，

依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，對判決函數進行訓練，得到所述權重值。

需要說明的是，皮膚電反應數據x_i的平均值為其標準差為歸一化后的值為同理可得，瞳孔數據y_i的平均值為其標準差為歸一化后的值為

令整體的特征值為F(X,Y)，皮膚電反應數據相應的權重為α，α∈(0,1)，瞳孔數據相應的權重為β，且β＝1-α，則判決函數可通過以下方式得到：

最終得出包含權重參數α的判決函數：F(X,Y)＝y^*+α·(x^*-y^*)。

優選的，所述依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，對判決函數進行訓練，得到所述權重值，包括：

第一部分，針對預設的權重參數的每一取值，依據所述判決函數分別得到該取值對應的正常特征值區間；

第二部分，針對每一取值，依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，以及所述判斷函數，分別得到該取值對應的M個校驗樣本用戶的正常特征值；

第三部分，針對每一取值，分別確定該取值對應的M個校驗樣本用戶的正常特征值落在對應的正常特征值區間的概率；將最大概率對應的取值確定為所述權重值。

優選的，第一部分中，針對預設的權重參數的每一取值，依據所述判決函數分別得到該取值對應的正常特征值區間，包括：

針對預設的權重參數的每一取值，依據N個訓練樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，以及所述判斷函數分別得到N個訓練樣本用戶的正常特征值；

從所述N個訓練樣本用戶的正常特征值中選擇最大正常特征值和最小正常特征值構建對應的正常特征值區間。

需要說明的是，可以通過機器學習的方法求出最優的α及沒有說謊時F(X,Y)對應的范圍，具體的，通過不斷迭代α的方式求出F(X,Y)，并利用校驗樣本來驗證落在F(X,Y)區間的概率，取概率最大時對應的α為最優值。

為了更加清晰的展現本發明實施例中權重值α的最優值以及正常特征值F(X,Y)對應的區間的方案實施過程，下面以一具體實例進行詳細介紹。假設采集到的正常訓練樣本數為10個，其中的60％用來訓練，記作N，即N＝0.6*10＝6，訓練時，若取α＝0.1，則判決函數F(X,Y)＝y^*+α·(x^*-y^*)數對應有6個正常特征值，在此6個正常特征值中選擇最大正常特征值和最小正常特征值構建對應的正常特征值區間；將剩下的40％用作校驗樣本進行交叉驗證，記作M，即M＝0.4*10＝4，校驗時，先將此4個校驗樣本進行跟訓練相同的處理，比如是若取α＝0.1，得到4個校驗正常特征值，并統計落在對應的正常特征值區間的概率。同理若取α＝0.2，得到又一4個校驗正常特征值，并統計落在對應的正常特征值區間的概率，直到統計到α所有取值對應的概率，從中選取最大概率對應的α取值確定為所述權重值，α∈(0,1)，可根據實際情況決定α的具體取值。

本發明實施例所提供的技術方案，通過采集皮膚電反應數據和瞳孔數據，并進行相應的數據處理，實現準確率更高的測謊功能，可以為公安部門打擊違法犯罪提供一種有效途徑，也可以作為生活中一個有趣的應用。

實施例二

請參閱附圖4，為本發明實施例二提供的一種基于皮膚電反應和瞳孔變化的測謊裝置的結構示意圖，該裝置具體包含如下模塊：

正常特征值確定模塊21，用于依據測試者在未說謊狀態下的正常皮膚電反應數據、正常瞳孔數據以及預設的權重值，確定所述測試者的正常特征值；

測試特征值確定模塊22，用于依據所述測試者在測試狀態下的測試皮膚電反應數據、測試瞳孔數據以及所述權重值，確定所述測試者的測試特征值；

測謊結果確定模塊23，用于比較所述正常特征值和所述測試特征值，得到所述測試者的測謊結果。

優選的，還包括權重值確定模塊，所述權重值確定模塊包括：

判決函數構建單元，用于依據N個訓練樣本用戶在未說謊狀態下的正常皮膚電反應數據x_i和正常瞳孔數據y_i，構建包含權重參數的判決函數：

F(X,Y)＝y^*+α·(x^*-y^*)

其中α為權重參數，

判決函數訓練單元，用于依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，對判決函數進行訓練，得到所述權重值。

優選的，所述判決函數訓練單元包括：特征區間子單元，用于針對預設的權重參數的每一取值，依據所述判決函數分別得到該取值對應的正常特征值區間；

樣本特征子單元，用于針對每一取值，依據M個校驗樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，以及所述判斷函數，分別得到該取值對應的M個校驗樣本用戶的正常特征值；

概率確定子單元，用于針對每一取值，分別確定該取值對應的M個校驗樣本用戶的正常特征值落在對應的正常特征值區間的概率；

權重值子單元，用于將最大概率對應的取值確定為所述權重值。

優選的，所述特征區間子單元具體用于：針對預設的權重參數的每一取值，依據N個訓練樣本用戶在未說謊狀態下的正常皮膚電反應數據和正常瞳孔數據，以及所述判斷函數分別得到N個訓練樣本用戶的正常特征值；從所述N個訓練樣本用戶的正常特征值中選擇最大正常特征值和最小正常特征值構建對應的正常特征值區間。

需要說的是，所述皮膚電反應數據為皮膚電反應的電流值，所述瞳孔數據為瞳孔占據眼球的比例。所述皮膚電反應數據可以是通過手環等可穿戴式設備采集，所述瞳孔數據可以是通過手機攝像頭采集。

本發明實施例所提供的技術方案，通過采集皮膚電反應數據和瞳孔數據，并進行相應的數據處理，具有較高的可行性，可以保證測謊的準確率更高。

上述產品可執行本發明任意實施例所提供的方法，具備執行方法相應的功能模塊和有益效果。

注意，上述僅為本發明的較佳實施例及所運用技術原理。本領域技術人員會理解，本發明不限于這里所述的特定實施例，對本領域技術人員來說能夠進行各種明顯的變化、重新調整和替代而不會脫離本發明的保護范圍。因此，雖然通過以上實施例對本發明進行了較為詳細的說明，但是本發明不僅僅限于以上實施例，在不脫離本發明構思的情況下，還可以包括更多其他等效實施例，而本發明的范圍由所附的權利要求范圍決定。