数字头像帮助目击者识别嫌疑人

与观看静态照片相比,目击者与 3D 模型互动时更准确。而且这些模型的成本低于现场列队辨认

Suspect lineup.

在一些调查中,目击者试图从一组人或照片中,或者在一项新的研究中,从面部的 3D 数字模型中,选出犯罪的实施者。

当犯罪目击者错误地认错人时,这个错误可能会毁掉一个无辜者的生活,并让真正的罪犯逍遥法外。目击者通常被要求从一组潜在嫌疑人和“陪衬者”中选出他们记住的面孔。传统上,这包括观看站在单向玻璃后面的一队人,或观看一系列照片。但一项新的研究表明,与数字三维模型(一组可以用电脑鼠标操作的虚拟头像)互动,可以使目击证人证据更加准确。

英国伯明翰大学法医心理学教授、该论文的合著者希瑟·弗洛威说:“我们开发了一种新的互动式列队辨认程序,允许证人将面孔旋转到任何想要的位置。”该论文发表在《科学报告》上。“转移控制权,让证人以自己的方式探索面孔,这有助于辅助记忆。”

新避风港大学刑事司法学副教授约翰·德卡洛说,目击者辨认在起诉中被广泛使用,他没有参与这项新研究。它之所以受欢迎,原因之一是它在法庭上的影响力。“有人站到证人席上,看着法庭里的某个人,指着他们说,‘就是这个人。’ 这对陪审团来说是一个非常有力的指示,”德卡洛解释说,并补充说,这可能会使“目击者辨认看起来可能比实际更准确。”


支持科学新闻报道

如果您喜欢这篇文章,请考虑通过以下方式支持我们屡获殊荣的新闻报道: 订阅。通过购买订阅,您正在帮助确保未来能够继续产出关于塑造我们当今世界的发现和想法的具有影响力的报道。


一个问题是,人类在紧张的情况下难以形成准确的记忆。“我们通常只看到犯罪发生一次,非常迅速,在情绪紧张和环境恶劣的条件下——这使得目击者辨认可能成为最糟糕的辨认形式,”德卡洛说。“所有目击者辨认都容易出现相对较高的错误率或误报。”这个问题可能导致错误的人受到惩罚,并且可能在没有抓到真正的罪犯的情况下结束调查:根据非营利组织清白项目,在人们被错误定罪并通过 DNA 证据后来被证明无罪的案件中,目击者错误辨认占 69%。

几十年来,研究人员一直试图了解哪些技术可能提高目击者的准确性,但对列队辨认程序的调整只产生了轻微的影响。弗洛威的团队认为数字技术可以提供帮助。“我们能否引入一些已经变得相对便宜的技术进步——人们现在能够用简单的照相手机拍摄高质量的图像——甚至使用他们的手机将它们渲染成 3D 物体?”她问道。研究人员开发了自己的低成本软件,并免费与其他研究人员分享。它将视频剪辑或面部的几张图像转换为 3D 数字模型,该模型被放置在交互式列队中,可以用鼠标或(在平板电脑上)用手指操作。

为了测试他们的数字列队,研究人员通过在线众包招募了约 1400 名参与者。这些“证人”被展示了一段非暴力犯罪的视频片段,然后花了最多几分钟的时间进行分散注意力的任务,以转移他们对刚刚看到的事情的注意力。最后,他们收到了一组照片或一组数字模型,并被要求识别“犯罪者”。那些使用互动式列队的人在选择正确的面孔方面做得更好。

弗洛威说:“他们的准确率提高了 18% 到 22%。” 与许多其他改进嫌疑人辨认程序的尝试相比,“这绝对是太棒了”。以前的一些方法提高了准确率,但使证人对自己的选择不太有信心。例如,如果他们事先被警告列队辨认可能全是“陪衬者”,并且不包含真正的嫌疑人,他们就变得不太可能选择任何人。但弗洛威说,这种信心的降低并没有在这项研究中发生。她指出,准确性的提高发生在更愿意猜测的积极证人和只有在确信时才做出选择的保守证人身上。

是什么让可移动的 3D 数字模型如此有效?弗洛威说:“我们认为这是通过匹配人们在犯罪时编码或研究犯罪者的姿势——然后他们记住这些信息,然后在列队辨认中寻找它,以便提示他们对这张脸的记忆。”在另一组也在新研究中描述的测试中,受试者看到了一系列静态照片,照片中头像要么处于犯罪者在视频中主要呈现的相同位置,要么处于不同的位置。当方向与视频中显示的方向匹配时,证人更准确。弗洛威说,这“使他们更有可能正确区分有罪者和无辜者。”

德卡洛说:“他们所做的研究看起来[好像]具有很高的有效性,并且它具有很大的[样本量],因此从理论上讲是可推广的。” “我认为这肯定会……让人们有更多的话题可以谈论,有更多的研究可以进行。” 他补充说,然而,现实与这种人为的情况大相径庭。在线观看视频与亲眼目睹犯罪截然不同。事后不久进行几分钟的分散注意力任务是对等待长达数周的警方列队辨认的苍白模仿。但德卡洛说,在对一大群人测试各种辨认场景时,这是不可避免的。“包括[这项研究]在内的大多数目击者研究,不一定能反映真实世界,”他指出。“但它会尽力模拟它。”

德卡洛建议,下一步是在现场试用该软件。对于弗洛威和她的合著者、伯明翰大学法医心理学助理教授梅丽莎·科洛夫来说,首要任务是继续试验和分析他们收集的数据。但他们也在关注现实世界的测试机会。“让我们看看我们是否可以做出一些改变,特别是在美国的那些早期采用司法管辖区,”弗洛威说。

另一个考虑因素是,一些警察部门缺乏使用此类技术的资源。弗洛威和科洛夫在英国工作,那里的部门通常会录制潜在嫌疑人从一侧到另一侧转动头部的视频“档案照片”——这是数字模型的理想基础。但在美国,各警察部门的政策差异较大:有些部门可能只有静态图像,这使得制作详细的动态模型变得困难。不过,科洛夫建议,部门可以相对容易地开始收集更多信息。“在英国,视频列队辨认已经实施相当长一段时间了,”她说。“所以这可以做到,因为他们在这里在全国范围内这样做。”

鉴于美国一些较小部门的运营和资源限制,德卡洛对此不太确定。然而,正如弗洛威指出的那样,改进列队辨认技术的成本将远低于错误目击者的成本。“如果它具有提高有罪嫌疑人的侦查率和减少导致这些错误定罪的错误辨认的好处,我们就可以负担得起,”她说。“这在许多不同层面上都付出了代价——社会层面、经济层面,当然还有个人层面。”

索菲·布什维克大众科学的科技编辑。她负责网站的日常科技新闻报道,撰写从人工智能到跳跃机器人等各种主题的文章,供数字和印刷出版物使用,录制 YouTube 和 TikTok 视频,并主持播客Tech, Quickly。布什维克还经常出现在广播节目(如科学星期五)和电视网络(包括 CBS、MSNBC 和国家地理)上。她在纽约市拥有十多年的科学记者经验,此前曾在大众科学发现和 Gizmodo 等媒体工作。在 X(以前的 Twitter)上关注布什维克 @sophiebushwick

更多作者:索菲·布什维克
© . All rights reserved.