Return to search

Diseño de una arquitectura de aprendizaje automático que brinde soporte para la detección de mentiras mediante el análisis de video

La justicia y la búsqueda de la verdad en la investigación criminal requiere del uso de una
herramienta fundamental para su éxito, el interrogatorio. En un interrogatorio, un experto
hace uso de su experiencia y su juicio para, mediante el cuestionamiento del acusado,
obtener una verdad explícita o implícita de parte de este sobre el hecho a investigar.
El presente proyecto de investigación apunta a diseñar un modelo de aprendizaje automático que brinde soporte para la detección de mentiras en interrogatorios mediante
el análisis de video. Es una contribución a los trabajos de investigación realizados por
el grupo IA-PUCP (Grupo de Investigación en Inteligencia Artificial) de la Pontificia Universidad
Católica del Perú. Se utilizó un conjunto de datos puesto a disponibilidad por
Rada Mihalcea del grupo “Language and Information Technologies” de la Universidad de
Michigan.
La propuesta de arquitectura para el modelo consiste en una capa de preprocesamiento
de datos que utiliza un algoritmo de reconocimiento facial para extraer los rostros del
video, limitando el espacio de características. Luego, se utiliza una red convolucional preentrenada
para realizar la extracción de características. Finalmente, se utiliza una red
recurrente LSTM para procesar las características y luego una red neuronal para clasificar
los videos.
Se experimentó con cinco redes convolucionales (Resnet, InceptionV3, Xception, VGG16
y VGG19), el mejor fue InceptionV3. Este obtuvo una exactitud de 78.6 %, valor que supera
varios de los resultados obtenidos por los modelos, presentados en la publicación
“A Multi-View Learning Approach to Deception Detection” de N. Carissimi, que no aplicaron entrenamiento en la extracción convolucional. Esto, utilizando menos información y
automatizando la extracción de la misma. / Tesis

Identiferoai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/14657
Date30 July 2019
CreatorsSalas Guillén, Diego Andrés
ContributorsSipiran Mendoza, Iván Anselmo
PublisherPontificia Universidad Católica del Perú, PE
Source SetsPontificia Universidad Católica del Perú
LanguageSpanish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/masterThesis
Formatapplication/pdf
RightsAtribución-CompartirIgual 2.5 Perú, info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by-sa/2.5/pe/

Page generated in 0.002 seconds