人工智能识别微反应技术在侦查讯问中的应用

王 鹏 李雅楠

（河北公安警察职业学院，河北 石家庄 050091）

近几年，机器人工智能自主学习、深度神经网络学习和智能设备等领域迅猛发展，微反应识别技术的研究和发展日新月异，与此相关的研究从未停歇。目前，人工智能识别微表情精度已经超过人眼，同时广泛应用的软硬件基础条件也已具备，近年来在教育、医疗、银行、安防、边检等领域已经有很多成功应用的案例。侦查讯问对微反应识别技术也有很高的需求，因此将人工智能识别微反应技术引入侦查讯问对提高讯问效率具有重要意义。

一、问题的提出

侦查人员通过讯问发现侦查线索，查明案件事实，收集犯罪证据，从犯罪嫌疑人的供述和辩解中获取线索和证据的多寡对犯罪嫌疑人的定罪量刑起着关键作用。因此，讯问往往是对抗性的，犯罪嫌疑人会通过拒供、翻供、少供、谎供等行为逃避和干扰侦查讯问。犯罪嫌疑人对抗讯问的心理动机有逃避法律的制裁、害怕家人受到伤害、讲“义气”包庇同伙、担心自己的前途等，找对犯罪嫌疑人对抗讯问的心理动机才能制定有针对性的讯问策略，从而打破僵局状态，获取真实口供。

长久以来，讯问人员多通过“察言观色”来分析判断犯罪嫌疑人的心理状态，这种方法缺乏系统性和科学性，主要依赖于讯问人员的个人经验，容易受到讯问人员的生理和心理状态以及当时的环境因素的影响，同时这种方法个人特色鲜明，难以普及于所有讯问人员。为了提高讯问效率，公安机关迫切需要引入一种系统的、科学的、准确的犯罪嫌疑人心理状态识别方法。

研究表明，仅7%的信息靠语言传达，38%的信息通过声音，占比高达55%的信息来自于表情和肢体语言。[1]人在有效的刺激下所表现出的不受该个体主观意志控制的体现其内心真实意图的行为叫做微反应。[2]微反应包括微表情即人在有效刺激下做出的1/25 秒-1/5 秒的面部肌肉运动，微动作即人在有效刺激下表现出的瞬时身体反应，微语义即人在有效刺激下的音高、音色等语言信息。[3]面部表情具有先天程序化的特点和跨文化的普遍性，[4]微表情能够真实反映人内心被压抑的情感，肢体语言能够反映一个人的个性和心理状态。同时，人在说谎时会引发呼吸、体温等多种基本生理指标的变化。[5]有效地识别和分析犯罪嫌疑人的微反应能够更加准确地判断犯罪嫌疑人的心理状态、供述动机和供述障碍，从而制定更有针对性的讯问策略。

对犯罪嫌疑人微反应的分析，计算机能够更为精准地抓取个体的瞬时反应，并且能够反复比对判断，不再过于依赖讯问人员的丰富经验，使微反应识别技术更大程度地脱离人的因素的影响，从而普遍推广。基于人工智能的微反应识别技术，以微反应理论为基础，将心理学与人工智能、大数据等相结合，通过人工模块和智能系统模块，对犯罪嫌疑人的微表情、肢体姿态、语言语义、生理反应①等多种反应集成检测，多维度、多手段地识别犯罪嫌疑人的行为特征过程，并综合分析和判断犯罪嫌疑人的心理状态，及时推送给讯问人员，为制定讯问策略提供可靠依据。

二、人工智能识别微反应讯问模式的基本原理及实现途径

（一）人工智能识别微反应讯问模式的基本原理

随着计算机图像识别技术的飞速发展，计算机人工智能识别技术现在已经可以识别微反应，即可以发现人在有效刺激下的微表情（面部情绪变化）、微动作（肢体动作反应）和微语义（音调音色语速变化）。计算机人脸识别技术对微表情的研究，一般包含检测和识别两个具体问题。

微表情检测，就是指在视频片段中，检测出是否包含微表情，并标记微表情的起点(onset)、峰值(apex)和终点(offset)。起点(onset)是指微表情出现的时间；峰值（apex）是指微表情幅度最大的时间；终点（offset）是指微表情消失的时间。如图1 所示。

图1 微表情检测

对于人脸识别，一般都是先进行人脸检测，然后对检测到的人脸进行识别。这个过程同样也适用于微表情识别：先从长视频中把发生微表情的视频片段检测出来，然后识别该微表情属于微表情哪一种表情。

微表情识别是指把一个检测截取到的微表情视频片段，通过计算机微表情人工智能识别算法，识别出该微表情的情绪种类（例如情绪开心、伤心、紧张、生气、惊讶、讨厌、蔑视等）。如果能在视频中准确地检测和定位到某个时间点有微表情出现，那么就可以识别这个人在这个时间点上微表情种类。

由于人脸姿态和微反应的千差万别，对人工智能识别微表情技术提出更高要求。近年来基于深度学习的微表情识别技术快速发展，微表情识别技术准确度得到大幅提高。

传统识别技术大多采用基于聚类的方法，联合3D 高斯滤波器和K 均值算法来测量微表情的开始、峰值和结尾阶段，然而在这个方法中，聚类的数量很难决定。另一种基于分类的方法可以利用时空局部纹理描述器来表示特征，随后通过支持向量机SVM（Support Vector Machine）分类器来进行分类。这些工作大都致力于在特征的层面上改进微表情识别的性能，性能得到一定改进，但是仍然欠缺计算得到特征的可解释性。如图2 所示。

当前一种基于深度学习的微表情人工智能识别方法，属于机器学习研究中的一个新的领域，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。算法本质是对数据的表征学习，目标是寻求更好的表示方法并创建更好的模型来从大规模未标记数据中学习，这些表示方法使用多层分析引擎完成卷积计算。多层分析引擎包括使用卷积神经网络（CNN）的深度学习网络。多层分析引擎用于在监督或无监督学习过程中分析多个图像。为多层引擎提供多个图像，并且利用这些图像训练多层分析引擎。然后，通过分析对象图像内的像素来识别面部部分并基于面部部分识别面部表情，由多层分析引擎评估对象图像。使用基于面部表情的深度卷积计算机多层分析引擎推断心理状态。

图2

目前微表情人工智能识别技术在医疗、广告、银行、机器人、教育等行业中都有应用。

（二）人工智能识别微反应技术在侦查讯问工作中的实现途径

依靠大数据平台，以行为科学技术的方法，依据心理科学和人工智能识别技术对人情感变化的研究，使用传感器对嫌疑人的情感状态进行实时监测，发现和揭示讯问中犯罪嫌疑人的行为规律，以人工智能识别犯罪嫌疑人微反应和多模态情绪认知检测作为支撑，建立多模态特征融合的情感计算与分析系统，构建具有一定自主识别能力的智慧审讯系统。

结合微表情识别AI 技术和肢体姿态识别、声纹识别、生理反应监测等多维技术，构建具有人工智能识别嫌疑人微反应能力的智慧审讯系统。在智慧审讯系统中，讯问人员与犯罪嫌疑人以面谈方式，全程连续地对犯罪嫌疑人的情绪变化、物理反应进行无接触、无体感地记录和分析，并将发生异常变化的节点实时反馈给讯问人员，帮助讯问人员及时发现并反馈疑点，讯问人员及时调整讯问方式及策略，让犯罪嫌疑人快速、真实供述案情。智慧审讯系统工作原理如图3 所示。

图3 智慧审讯系统工作原理

智慧审讯系统应用步骤：

1.建立分析反应基线

真实的人类反应基线比较复杂，但可以明确的是，一个人的松弛状态下，言谈举止是什么样子的，包括其面部表情、呼吸、语音，以及肢体动作的形态规律。所以在侦查讯问开始阶段询问基础类问题，让犯罪嫌疑人尽量放松，保持松弛状态，有利于准确检测犯罪嫌疑人反应基准值。

2.根据讯问策略实施有效刺激

心理应激微反应只分析人的应激反应，也就是受到刺激之后的反应。这就要求，必须先有刺激源，然后才可能开展分析。在捕获到有效反应基线特征后，就需要实施好的刺激。在侦查讯问中可根据案件证据线索和犯罪嫌疑人基础信息，在侦查讯问策略中制定刺激源，利用智慧审讯系统发现犯罪嫌疑人反应基线的变化。

3.无接触式实时监测嫌疑人生理反应和微反应

人在受到有效刺激之后，大脑会根据对刺激源的认知和评估，产生应对策略，微表情、肢体动作、生理参数等都会有变化。智慧审讯系统通过无接触式设备实时监测犯罪嫌疑人生理反应和微反应，辅助讯问人员识别犯罪嫌疑人的情绪变化。

4.根据嫌疑人情绪变化实施情绪干预和控制

通过观察犯罪嫌疑人的微反应、微动作和生理反应判断出心理状态和情绪变化后，就可以针对心理状态和情绪变化采用正确的讯问策略，已达到干预和控制对方心理的目的。

通常人类微表情可以分为六大类：

（1）惊讶，表示对刺激源未知且关心。讯问人员可以利用惊讶刺激，实现对犯罪嫌疑人敲山震虎、提调兴趣、吸引关注等目的。

（2）厌恶，表示对刺激源自上而下的否定。讯问人员针对这一类微表情特征，需要注意避免积累犯罪嫌疑人的厌恶情绪。

（3）愤怒，表示对刺激源有对抗心态，会使用积极的姿态进行争辩和自我防卫。讯问人员可以利用这一原理，既可以知道刺激源的重要性，发现该刺激源可能正是嫌疑人所要保护的利益点，又可以有目标的开展高密度攻击讯问，易使犯罪嫌疑人的情绪心态产生速降。

（4）恐惧，表示对刺激源无力抵抗。恐惧情绪是压缩心理空间的必要情绪，是犯罪嫌疑人接受帮助、下台阶和宽恕与自我宽恕的必要情绪，是使犯罪嫌疑人产生动摇和选择的必要情绪。

（5）悲伤，是表示对结果无力挽回的情绪，悲伤的时候需要别人的抚慰，理解，帮助，宽恕。

（6）愉悦，是有收益或有优越感的情绪，可以让人放松、减轻对抗，可以与嫌疑人建立亲密感和信任感，易使犯罪嫌疑人供述案件事实真相。

肢体动作识别，通过观测人肢体特征点：鼻、眼、耳、肘、肩、腕、胯、膝、脚等，头部姿态：左右扭动角度，上下抬头低头等和人物肢体：包括头部（含眼、鼻、耳）、双肩、双膀、双臂、胸部、大腿、小腿等，人工智能分析识别肢体动作语言。如：头部姿势侧向一旁，说明对谈话有兴趣；一个人如果跷起二郎腿，两手交叉在胸前，收缩肩膀，则说明他已感到疲倦，对眼前的事不再感兴趣；手部动作，用手指轻轻触摸脖子——说明对方对你说的持怀疑或不同意态度等。

在声纹识别中，基音频率是反映情感信息的重要特征之一。情感语音分析就是求出语音信号的基频轨迹曲线，然后分析不同情感信号基频轨迹曲线的变化情况。例如拖音/填音一般是说话人处于犹豫或思考状态时所发出来的一种声音，人在发拖音时声道参数不会发生变化(即声道形状保持不变)，所以拖音具有非常平坦的基音频率包络。

非接触式生理反应监测就是把传统测谎仪升级为无线式测谎仪。智慧审讯系统是人工智能微反应识别技术与传统测谎仪结合应用。

除了微表情识别以外，智慧审讯系统还集成了肢体姿态识别、声纹识别，以及无接触式生理反应检测技术。这种非接触式多模态生物识别是集微表情识别、肢体姿态识别、声纹识别等多种人工智能、生理反应采集技术于一体的人工智能综合识别分析技术可以有效地弥补传统单一技术的使用局限性，并可以根据不同类型刑事案件、犯罪嫌疑人不同特点做多样化的有机组合以达到最佳和最合理的审讯效果，因此通过综合有效地应用多种识别技术建立各种获取数据间的关联性形成完整的分析判断数据链是人工智能技术有效地为行业服务的关键，也是人工智能技术应用的重要价值之所在。

三、人工智能识别微反应讯问模式的优势分析

传统的讯问模式要求讯问人员具有丰富的讯问经验来识别犯罪嫌疑人的心理活动，并且这种识别必须是近距离的、面对面的，而人工智能识别微反应的讯问模式打破了这些限制，具有明显优势。

（一）人工智能采用深度学习方法，减少漏报和误报，能够更加迅速、准确、全面地捕捉犯罪嫌疑人的微反应和生理参数等数据变化，并将所获取的生理行为和数据转化为可量化的指标

微反应转瞬即逝，如果捕捉不及时，讯问人员用肉眼看到的可能已经是犯罪嫌疑人经过调整的伪装后的表情和行为，若是针对这样的错误信息制定下一步讯问策略，显然是事倍功半，甚至使犯罪嫌疑人蒙混过关。犯罪嫌疑人在讯问人员的有效刺激下会同时产生表情、语言、肢体的看得见的变化和体温、心率等多种肉眼看不见的变化，由于经验或环境因素影响，讯问人员容易关注语言内容，忽略肢体和表情变化，更是无法关注到体温、心率等变化。因此，仅凭讯问人员的肉眼观察，难以全面地分析犯罪嫌疑人的微反应数据，尤其是难以捕捉到这些数据中的矛盾点，而这些数据的矛盾点往往能够真实反映人的心理状态。多模态的智慧审讯系统，能够多维度、多手段地综合识别分析犯罪嫌疑人的行为过程特征，包括开心、伤心、紧张、生气等多种脸部情绪，注意力、眼部、额头、鼻翼的等多种脸部表情，眼、鼻、耳、肘、腕等多个肢体特征，语言拖音次数和频率变化，以及心率、呼吸频率、体温等数据；同时全程连续地对犯罪嫌疑人的情绪变化进行无体记录和分析，并将发生异常变化的节点实时反馈给讯问人员，帮助讯问人员及时发现疑点，以便进行进一步的深入讯问，或者及时调整讯问方式及策略。

（二）人工智能识别微反应技术采用非接触式的视频采集和生理反应监测，无需犯罪嫌疑人配合，犯罪嫌疑人也无法察觉，能够减轻犯罪嫌疑人的抵抗情绪，实用性强

犯罪嫌疑人在讯问初期，由于侥幸心理能够保持冷静采取沉默不语或者编造谎言等行为来对抗讯问。随着讯问的深入，一些关于案件核心情节的问题被引出, 讯问人员通过肯定犯罪嫌疑人的回答和戳破谎言使犯罪嫌疑人诧异于那些只有自己知晓的“隐蔽性”信息为讯问人员知晓，从而加剧犯罪嫌疑人的紧张感和恐惧感，使其自乱阵脚，暴露破绽，促使其如实交代罪行。

（三）人工智能识别微反应技术能够实现讯问信息交流实时化和日后调阅

由于受到讯问时间、环境以及讯问策略的限制，讯问室中的讯问人数是有限制的，有讯问经验的人员不能同时对多个讯问过程进行指导。通过人工智能系统，可以将多个审讯室的讯问场景汇集到一起，有经验的讯问人员能够同时“身临其境”每个讯问现场，清晰地看到犯罪嫌疑人的微反应及生理参数等数据变化，对讯问环节进行关键性指导，并帮助讯问人员制定和调整讯问策略。人工智能讯问系统能够将讯问现场进行高清记录，当次讯问结束后，讯问人员对讯问场景进行再现，反复综合分析犯罪嫌疑人的反应，弥补讯问中的疏漏。这样就解决了年轻讯问人员经验不足的和经验丰富的讯问人员不够用、工作量太大的问题，大大地提高侦查讯问效率。

（四）人工智能与5G 网络结合，能够实现远程讯问

5G 网络具有高速度、低延时等特点，能够清晰、及时地将犯罪嫌疑人的微反应和生理参数传输到智慧审讯系统终端。在一些大要案或者流窜作案中，不同层级和不同地域的公安人员需要协同办案，利用智慧审讯系统这些讯问人员可以在不出本单位的情况下同时参与讯问，减少异地奔波，节省办案时间，提高办案效率。

四、人工智能识别微反应讯问模式应遵循的原则

讯问是公安机关破获案件的关键所在，引入人工智能识别微表情技术势在必行。但是由于人工智能于现阶段还有未能解决的问题，因此人工智能识别微反应技术应用于侦查讯问需要遵循以下原则：

（一）辅助性原则

完全由人工智能进行讯问策略的制定在目前阶段是无法实现的，因为现阶段还有这些问题无法解决：第一，人类经验的植入或模拟；第二，推理形式的模拟或构建；第三，直觉、想象、感觉等思维方式的模拟。[6]人工智能识别微反应技术只能作为讯问的辅助性措施，不能代替讯问人员完成形象思维、不确定性思维，比如人工智能能够通过识别微反应来判断犯罪嫌疑人的情绪和言语的真实性，但是却无法判断犯罪嫌疑人产生该种情绪和谎供的原因，这些分析和判断还是需要讯问人员完成。所以，只要人工智能在思维模拟方面不能达到与人类思维同一水平，其在讯问中的运用就是有限的，其对微反应的解读和推送的制定策略都只是辅助性的，而非最终结果。需要讯问人员解读识别结果，并且制定有针对性的讯问策略。

（二）可反驳原则

由于讯问经验的不确定性和因果之间的多重关系，讯问是一个充满了多种变量的过程，讯问实践中的经验的数量是无穷的，讯问人员在长期的讯问实践中都有自身的经验和体会，不同种类案件、不同年龄和不同性别的嫌疑人的讯问策略方法不尽相同，随着社会的发展变化经验也会不断变化，很难对经验做完全的归纳和列举；很多时候同一案件不同的讯问人员也会有不同的看法，运用不同的讯问策略。人工智能在解决不确定性方面还没有实质性进展，因此，人工智能的计算结果就会出现不符合人类思维形式并产生有偏差甚至荒谬的结果。所以，讯问人员应当认识到人工智能的结果是可能出现偏差的，是可反驳的。当讯问人员根据自己的经验有充足理由判断人工智能对于犯罪嫌疑人的微反应解读是有偏差的，那么讯问人员就可以修改、舍弃人工智能做出的判断，并重新制定讯问策略。

五、人工智能识别微反应讯问模式的展望

由于目前人工智能还不能够完全模拟人类思维，人工智能在讯问中的价值主要体现在能够快速、准确的识别出犯罪嫌疑人的心理状态，并将结果实时推送给讯问人员，但是对于识别结果的最终解读和何时采用则要讯问人员根据自己的经验和讯问的现场情况进行最终决策。目前阶段，人工智能只能作为讯问人员的“助手”，但是随着科学技术的快速发展，当人工智能能够在自然语言识别、形象思维等方面有突破性进展，能够通过深度自主学习方法、模糊计算等方法解决不确定性问题，人工智能识别微反应技术在侦查讯问中的地位就需要重新确定，其制定讯问策略的可靠性也需重新评判。这就需要公安机关、学者和技术公司对人工智能和微反应识别技术进行更为深入的研究和规范，使人工智能与微反应识别技术的体系化审讯范式能在讯问中发挥重要作用。

注释：

①本文所指的生理反应包括心率、呼吸频次、体温。