Rilevare Bugie Attraverso l’Analisi Automatica dei Movimenti Oculari

This project tried to find a possible method to discriminate between lying and truth-telling on the basis of the only eye movement. The idea on the bases was to reproduce the “lying” behavioral settings by inducing a high cognitive load on the subject. Regarding the gathering of data, I adopted the “conversation” technique, which appeared to be much more effective than the tests requiring a yes-or-no answer. 25 people in total were tested, collecting altogether 60 data samples, equally divided between “truth” and “lie”. Each subject was asked to entertain a conversation (for a total time of 1 minute) through a telecommunications application, characterized by two fundamental sections: in the first part, he was requested to recall in chronological order a series of well-known facts, while in the second part he had to repeat those events in reverse order, increasing the cognitive load. Furthermore, I set aside the idea of “looking for specific patterns”, in favor of a freer analysis about all the characteristics that can somehow be influenced by the differences in the amount of cognitive load to be processed in reference to lying and truth-telling. Results were satisfying, since they provided a higher accuracy than other similar experiments, reaching the level of 85.71% on the test set with the use of the Adaptive Boosting algorithm. It was proved that the most impacting features that help discriminating the two classes involve the fixations’ duration and the number of times an invalid gaze is registered.

Nel presente progetto è stata studiata la possibilità di ottenere un sistema di apprendimento automatico in grado di poter discriminare verità e bugia tramite il solo movimento oculare. L’idea di base è stata quella di riprodurre il comportamento oculare dell’atto del “mentire” attraverso l’induzione di un alto carico cognitivo nel soggetto. In merito alla raccolta dei dati ho adottato un approccio basato sull’analisi di una conversazione, apparentemente più efficacie rispetto a test richiedenti solo risposte “sì/no”. Un totale di 25 persone è stato testato, raccogliendo un insieme di 60 dati, divisi equamente tra “verità” e “bugie”. Ad ogni soggetto è stato chiesto di intrattenere una conversazione tramite un software di telecomunicazione (per il tempo totale di 1 minuto), caratterizzata da due sezioni fondamentali: nella prima parte era richiesto di riportare una serie di fatti ben conosciuti in ordine cronologico, mentre nella seconda era previsto di ripercorrere gli stessi eventi ma in ordine inverso, andando così ad aumentare il carico cognitivo. Inoltre, ho scartato l’idea di cercare pattern specifici nei movimenti degli occhi a favore di un’analisi più “libera” riguardante tutte quelle caratteristiche che possono in qualche modo essere influenzate dalla differenza di carico cognitivo processato nei due casi in esame. I risultati si sono dimostrati soddisfacenti, raggiungendo un’accuratezza più elevata rispetto ad altri simili esperimenti in questo campo, arrivando all’85.71% per quanto riguarda il dataset di test utilizzando come algoritmo di apprendimento automatico l’Adaptive Boosting. È stato mostrato che le features aventi maggiore impatto sulla discriminazione tra le due classi coinvolgono la durata delle fissazioni e il numero di volte in cui viene registrato un input non valido dall’eye-tracker.