تشخيص استرس از طريق بررسي تغييرات حرارتي چهره؛ بر اساس ويژگي‌هاي سيگنال‌هاي سايكوفيزيولوژيك

Stress Detection through Thermal Facial Images Inspired by Characteristics of Psychophysiological Signals

زمينه و هدف: تشخيص استرس مبتني بر سيگنال­هاي فيزيولوژي رواني نياز به تعداد زيادي حسگرهاي تماسي دارد كه مي­تواند منجر به عدم آسايش آزمودني و ايجاد اضطراب زياد و در نتيجه تخريب نتايج گردند. استفاده از تصاوير حرارتي در تشخيص استرس داراي مزيت­هاي بسياري مي­باشد كه از آن­جمله مي­توان به غير­محسوس بودن، غير­ تماسي بودن و نصب سريع اشاره نمود. تاكنون تحقيقات زيادي در زمينه تشخيص فريب با استفاده از تصاوير حرارتي انجام شده است. در اكثر اين مطالعات از ويژگي­هاي ساده همچون ميانگين و شيب افزايش دما جهت تحليل استفاده شده است. هدف اين مطالعه بهره ­گيري از ويژگي­هاي تعريف شده در مراجع قبلي، به علاوه­ي تعريف يك مجموعه ويژگي براساس اصل همبستگي تغييرات دماي نواحي مختلف چهره با ساير سيگنال­هاي فيزيولوژيك در كنش­هاي استرسي مي­باشد. روش‌ها: يك مجموعه دادگان متشكل از 13 آزمودني در حين يك پروتكل دروغ­سنجي با ثبت سيگنال­هاي حرارتي چهره فرد با استفاده از دوربين حرارتي و ساير سيگنال­هاي فيزيولوژيك با استفاده از يك دستگاه پلي­گرافي تهيه شد. ويژگي­ها روي مجموعه دادگان بومي اعمال شده و روش كاهش بعد آناليز مولفه هاي مستقل و طبقه بند جداساز خطي، جهت تحليل به­كار رفته است. از مقايسه­ ميزان بهبود ويژگي­هاي پيشنهاد شده نسبت به ويژگي­هاي مراجع قبلي جهت تحليل نتايج و همچنين از تحليل همبستگي جهت تعيين ميزان همبستگي دماي نواحي مختلف چهره با سيگنال­هاي فيزيولوژيك استفاده شد. علاوه بر اين، روشي نيز جهت نمره ­دهي دستي سيگنال­هاي حرارتي مشابه آنچه كه در ارزيابي چارت­هاي پلي­ گرافي بر روي سيگنال هاي فيزيولوژي رواني انجام مي­شود ارائه شده است. مقايسه نتايج نمره­دهي دستي سيگنال­هاي فيزيولوژي و حرارتي، جهت اعتباردهي روش پيشنهاد شده به كار گرفته شده است. يافته‌ها: درصد صحت تشخيص استرس در تك ثبت (تك سوال) به ازاي ويژگي­هاي تعريف شده، نسبت به استفاده از ويژگي­هاي مراجع گذشته بهبود 9/44 درصدي در داده ­هاي تست و 27/33 درصدي در داده­هاي آموزش را به همراه داشته است. صحت تشخيص سوال هدف (سوالي كه فرد در آن دروغ گفته است) برابر 80% مي­باشد. نمره ­دهي دستي سيگنال­هاي فيزيولوژيك و نمره­ دهي دستي سيگنال­هاي حرارتي توسط فرد خبره، همبستگي برابر 70% را گزارش كرده اند. نتيجه‌گيري: با توجه به نتايج بدست آمده، بهره­ گيري از ويژگي­هايي كه معمولا از سيگنال­هاي فيزيولوژيك شامل تنفس، پاسخ گالوانيك پوست، ضربان قلب و فشار خون استخراج مي­شود بر روي سيگنال دماي نواحي مختلف چهره، سبب بهبود تشخيص استرس در تصويربرداري حرارتي مي­گردد. از اين رو كارايي الگوريتم پيشنهادي مبتني بر اين ويژگي­ها و طبقه­ بند مناسب جهت آشكارسازي فريب با استفاده از تصاوير حرارتي تاييد مي­شود.

Background and Aim: Stress detection based on physiological signals requires numerous contact sensors that can cause anxiety and disturbance for the subject and may lead to invalid results. Using thermal imaging in the stress detection has several advantages including being impalpable, non-contact and fast installation. Many researches have used thermal images in deception detection. Most of the previous articles used simple features such as average and increasing temperature slopes for analysis. This study uses the features defined in the earlier references as well as defining a set of features based on the principle of solidarity between temperature changes in different areas of the face with other physiological signals during stress interactions. Methods: A database including 13 subjects through a lie detection protocol while physiological signals are recorded as well as thermal images is provided in this study. The proposed features are applied on the database. Independent component analysis and linear discriminate analysis is used for feature reduction and classification, respectively. In addition, a manual scoring method according to manual scoring methods for physiological signals is introduced for manual scoring thermal images. Results: The accuracy of stress detection in each trial (a question) based on the proposed features becomes more than the ones using only features defined in previous studies (an increase of 9.44% in test data and 27.33% in training data). The accuracy of detecting the target question (the question which the subject has lied) is 80%. Two manual scoring methods, thermal and physiological have the correlation of 70%. Conclusion: According to the results, using the features which is usually defined on physiological signals including respiratory, galvanic skin response, heart rate and blood pressure lead to improvement in stress detection based on thermal images. Therefore, the efficiency of the proposed method based on defined features and proper classification for the detection of deception are confirmed using thermal images.