Извлечение и анализ микровыражений в задаче нейросетевого распознавания лжи по видеоизображению лица

Ц е л и. Целями исследования являются сбор данных, разработка алгоритма автоматического извлечения микровыражений из видеозаписей, а также формирование правил комбинаций двигательных единиц, на основе которых определяются базовые эмоции человека.

М е т о д ы. Микровыражения лица человека – это короткая непроизвольная реакция, которая может появляться при попытке человека скрыть его истинные эмоции. При решении задачи распознавания лжи микровыражения играют ключевую роль и служат важным индикатором сокрытия правдивой информации. В статье для анализа мимики из системы кодирования лицевых движений (Facial Action Coding System, FACS) использовались двигательные единицы (Action Units, AUs), полученные с помощью библиотеки py-feat.

Р е з у л ь т а т ы. Собран набор данных, состоящий из видеозаписей группы конкретных людей. Разработаны правила на основе комбинаций двигательных единиц и их интенсивностей для определения базовых эмоций, а также сформулирован алгоритм определения и извлечения микровыражений из видеозаписей. Результат исследования алгоритма показал отрицательную корреляцию эмоции радости с фактом проявления лжи.

З а к л ю ч е н и е. Полученные результаты позволяют расширить информационный базис при нейросетевом распознавании лжи по видеоряду с изображениями лица за счет детектирования и анализа на них микровыражений.

1. Экман, П. Психология лжи. Обмани меня, если сможешь / П. Экман ; пер. с англ. – СПб. : Питер, 2021. – 384 с.

2. Экман, П. Узнай лжеца по выражению лица / П. Экман ; пер. с англ. – СПб. : Питер, 2019. – 272 с.

3. Экман, П. Психология эмоций. Я знаю, что ты чувствуешь / П. Экман ; пер. с англ. – СПб. : Питер, 2014. – 336 с.

4. Ekman, P. What the Face Reveals: Basic and Applied Studies of Spontaneous Expression Using the Facial Action Coding System (FACS) / P. Ekman, E. L. Rosenberg. – N. Y. : Oxford University Press, 2005. – 662 p.

5. Facial Action Coding System (FACS). – United Kingdom, 2025. – URL: https://www.eiagroup.com/resources/facial-expressions/facs-explained/ (date of access: 01.08.2025).

6. Py-Feat: Python Facial Expression Analysis Toolbox. – Germany, 2022–2025. – URL: https://py-feat.org/pages/intro.html (date of access: 08.08.2025).

7. Py-Feat: Python Facial Expression Analysis Toolbox / J. H. Cheong, T. Xie, S. Byrne, L. J. Chang. – Germany : Dartmouth College, 2021. – URL: https://www.researchgate.net/publication/350749851_Py-Feat_Python_Facial_Expression_Analysis_Toolbox (date of access: 01.08.2025).

8. Котова, К. А. Формирование набора данных для обучения метода случайных лесов в задачах распознавания лжи по мимике лица / К. А. Котова // Интеллектуальные, сенсорные и мехатронные системы-2025 : сб. науч. тр. (по материалам студенческих науч.-техн. конф.) / Белорус. нац. техн. ун-т ; редкол.: А. В. Стаселович, Е. А. Богданова ; сост.: С. А. Рыбчак, Е. А. Богданова, П. С. Колесников. – Минск : БНТУ, 2025. – С. 70–74.

9. Davison, A. K. Objective classes for micro-facial expression recognition / A. K. Davison, W. Merghani, M. H. Yap // Journal of Imaging. – 2018. – Vol. 4, no. 10. – URL: https://www.mdpi.com/2313-433X/4/10/119 (date of access: 01.08.2025).