JP2004529703A - ポリグラフ検査のための熱画像解析 - Google Patents
ポリグラフ検査のための熱画像解析 Download PDFInfo
- Publication number
- JP2004529703A JP2004529703A JP2002582784A JP2002582784A JP2004529703A JP 2004529703 A JP2004529703 A JP 2004529703A JP 2002582784 A JP2002582784 A JP 2002582784A JP 2002582784 A JP2002582784 A JP 2002582784A JP 2004529703 A JP2004529703 A JP 2004529703A
- Authority
- JP
- Japan
- Prior art keywords
- person
- blood flow
- image data
- thermal image
- gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010191 image analysis Methods 0.000 title description 12
- 238000007689 inspection Methods 0.000 title description 9
- 230000017531 blood circulation Effects 0.000 claims abstract description 185
- 230000008859 change Effects 0.000 claims abstract description 67
- 230000004962 physiological condition Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 106
- 238000003331 infrared imaging Methods 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 description 33
- 238000004422 calculation algorithm Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 29
- 208000019901 Anxiety disease Diseases 0.000 description 18
- 230000001815 facial effect Effects 0.000 description 17
- 230000036506 anxiety Effects 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006461 physiological response Effects 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 210000001061 forehead Anatomy 0.000 description 6
- 230000002902 bimodal effect Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000003909 pattern recognition Methods 0.000 description 5
- 230000008451 emotion Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010187 selection method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000001757 thermogravimetry curve Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 241000270295 Serpentes Species 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000004476 mid-IR spectroscopy Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 210000002820 sympathetic nervous system Anatomy 0.000 description 2
- 238000002076 thermal analysis method Methods 0.000 description 2
- 230000008542 thermal sensitivity Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000012152 algorithmic method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000001715 carotid artery Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000008326 skin blood flow Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
- A61B5/015—By temperature mapping of body part
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/164—Lie detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
人物の顔の少なくとも１つの領域の熱画像データが、提供される。熱画像データは、経時的な血流量の変化を表す勾配を含む血流量データに変換される。人物の生理学的状態を決定するために勾配が、勾配閾値と比較される。例えば、人物が嘘をついているか嘘をついていないか、例えば人物から引き出された回答に関して嘘か否かを判定することができる。
Description
【技術分野】
【０００１】
本発明は、一般に、熱解析システムおよび方法に関する。より詳細には、本発明は、個体のポリグラフ検査に関する。
【背景技術】
【０００２】
（関連出願の相互参照）
本出願は、参照により本明細書に組み込んだ、「ＳＹＳＴＥＭ ＡＮＤ ＭＥＴＨＯＤ ＵＳＩＮＧ ＴＨＥＲＭＡＬ ＩＭＡＧＥ ＡＮＡＬＹＳＩＳ ＦＯＲ ＰＯＬＹＧＲＡＰＨ ＴＥＳＴＩＮＧ」という名称の２００１年４月１９日出願の米国仮特許出願第６０／２８５，００４号の利益を主張する。
【０００３】
（政府の権利）
本発明は、Ａｇｅｎｃｙ：ＤｏＤ Ｐｏｌｙｇｒａｐｈ Ｉｎｓｔｉｔｕｔｅにより付与された契約番号ＤＡＢＴ６０−００−１−１００３の下で米国政府の協力によりなされた。米国政府は、本発明に一定の権利を有する。
【０００４】
（発明の背景）
ポリグラフ検査は、各種団体（例えば行政体、軍隊など）が支持する標準的な保安措置である。ポリグラフ検査の目的は、取り調べ対象である被験者が、自分に投げかけられた質問に対して、正直に答えているか嘘を答えているかを確認することである。特別に訓練を受けた心理学者が、誘発を最大限にするように質問を構成する。
【０００５】
一般に、検査中は、３つの生理学的パラメータが詳細に監視される。このような生理学的パラメータには、血流量、呼吸速度、および発汗率が含まれる。通常、このような生理学的パラメータは、観血的方法を使用して記録され、経時的なスカラ値、例えば信号を生成する。次いで、被験者の回答を定量化し、被験者の回答を虚偽か事実か、すなわち嘘か嘘でないか分類するために、採点方式が使用される。
【０００６】
従来のポリグラフ検査の成功率は、質問が行われている状況と質問を受ける人物によって変動する。ある状況では成功率は非常に高い場合があるが、別の状況では成功率はかなり低くなる場合がある。例えば、このようなポリグラフ検査が模擬犯罪シナリオに基づいて実験的に行われた場合、例えばある模擬犯罪を行ったという想定の下でその模擬犯罪に関して数人の人物が質問を受ける場合、成功率は、かなり低くなる。
【０００７】
このようなポリグラフ検査の確度を高めることが、一般に求められている。これは、最近のスパイ事件を考慮すると、特に当てはまることである。確度が高まれば、一般的な法定制度でのポリグラフ検査の許容度も高まり、場合によってはそのような検査の用途に、新しい市場が開かれることになる。さらに、このような検査を使用するためには、それが簡単に行える必要がある。
【発明の開示】
【課題を解決するための手段】
【０００８】
（発明の概要）
したがって、本発明により、上記の要請に応える熱画像解析方法およびシステムが開発された。例えば、本発明は、旧来のポリグラフ情報チャネルによって提供される一次元情報（例えば、人物の手首のような人物の特定箇所での平均血流量）に対して、事実か偽りかの二次元情報（例えば、人物の顔のかなりの部分に渡る血流量情報）を使用することができる。このような情報により、確度を高めることができる。
【０００９】
さらに、例えば、本発明は、非観血的方法でポリグラフ検査を提供しており、したがって、検査の執行は、簡約化される。
本発明は、被験者の顔面全体を撮影し、または被験者の顔面の１つまたは複数の領域を使用して熱画像データを取得し、その後、そのデータを処理してポリグラフ検査データを得ることができる。熱画像データは、血流量データ、例えば経時的な（すなわち、熱画像データの複数フレームに渡る）血流量の変化に変換される。
【００１０】
本発明による方法のいくつかの実施形態は：人物の顔の少なくとも１つの領域の熱画像データを提供すること；熱画像データを血流量データに変換すること；血流量データに基づいて人物が嘘をついているか否かを判定すること；人物の顔の少なくとも１つの領域の経時的な血流量の変化に基づいて人物が嘘をついているか嘘をついていないかを分類すること；嘘をついている人物の経時的な血流量の変化と嘘をついていない人物の経時的な血流量の変化の間の境界を表す勾配閾値を生成することによって人物が嘘をついているか嘘をついていないかに分類すること；人物が嘘をついていると分類されるべきか嘘をついていないと分類されるべきかを判定するために人物に関する経時的な血流量の変化を表す勾配を勾配閾値と比較すること；人物の眼の付近の少なくとも１つの領域、または人物の顔の複数の領域の熱画像データを提供すること；回答を引き出すために人物に質問をし、人物の上に熱赤外線画像装置の焦点を合わせ、少なくとも人物の回答中、熱画像データを捕捉することによって熱画像データを取得すること；および質問への回答に関して人物が嘘をついているか否かを判定することのうちの１つまたは複数を含む。
【００１１】
人物の嘘を検出する際に使用するためのシステムのいくつかの実施形態は：人物の顔の少なくとも１つの領域の熱画像データを提供するよう動作可能な熱赤外線画像装置；熱画像データを血流量データに変換するために熱画像データに対して動作可能なコンピュータ；血流量データに基づいて人物が嘘をついているか否かを判定するよう動作可能なコンピュータ；人物の顔の少なくとも１つの領域の経時的な血流量の変化に基づいて人物が嘘をついているか嘘をついていないかを分類するよう動作可能なコンピュータ；嘘をついている人物の経時的な血流量の変化と嘘をついていない人物の経時的な血流量の変化の間の境界を表す勾配閾値を生成するよう動作可能なコンピュータ；人物が嘘をついているか嘘をついていないかを判定するために人物に関する経時的な血流量の変化を表す勾配を勾配閾値と比較すること；人物の眼の付近の少なくとも１つの領域、または人物の顔の１つまたは複数の領域の熱画像データを提供するよう動作可能な熱赤外線画像装置；人物から引き出された回答中の少なくとも１期間に熱画像データを捕捉するよう動作可能な熱赤外線画像装置；引き出された回答に関して血流量データに基づいて人物が嘘をついているか否かを判定するよう動作可能なコンピュータ；および少なくとも１期間中に熱画像データの複数のフレームを捕捉するよう動作可能な熱赤外線画像装置とその期間中に人物の顔の少なくとも１つの領域の動きを追跡するよう動作可能なコンピュータのうちの１つまたは複数を含むことができる。
【００１２】
人物の生理学的状態を判定する際に使用する本発明による別の方法を説明する。この方法は、人物の顔の少なくとも１つの領域の熱画像データを提供することと、熱画像データを血流量データに変換することを含む。血流量データは、経時的な血流量の変化を表す勾配を含む。さらに、人物の第１の生理学的状態に関する経時的な血流量の変化と人物の第２の生理学的状態に関する経時的な血流量の変化の間の境界を表す勾配閾値が、提供される。人物が第１と第２のどちらの生理学的状態か、例えば嘘をついている状態か嘘をついていない状態かを判定するために経時的な血流量の変化を表す勾配が、勾配閾値と比較される。
【００１３】
さらに、人物の生理学的状態を決定する際に使用するシステムも説明する。このシステムは、人物の顔の少なくとも１つの領域の熱画像データを提供するよう動作可能な熱赤外線画像装置とコンピュータとを含む。コンピュータは、熱画像データを血流量データに変換するよう動作可能である。血流量データは、経時的な血流量の変化を表す勾配を含む。コンピュータは、人物の第１の生理学的状態に関する経時的な血流量の変化と人物の第２の生理学的状態に関する経時的な血流量の変化の間の境界を表す勾配閾値を提供するようさらに動作可能であり、人物が第１と第２のどちらの生理学的状態か、例えば嘘をついている状態か嘘をついていない状態かを判定するために経時的な血流量の変化を表す勾配を勾配閾値と比較するようさらにまた動作可能である。
【００１４】
本発明の上記概要は、本発明の各実施形態またはすべての実施態様を記述することは目的としていない。本発明をより完璧に理解することに伴い、添付の図面と共に以下の詳細な説明および特許請求の範囲を参照することにより、利点が明らかになり、理解されよう。
【発明を実施するための最良の形態】
【００１５】
本発明を、図１〜１１を参照して説明する。その後で、本発明の一実施例を少なくとも図１２を参照して説明する。
一般に、本発明は、熱画像解析を使用したポリグラフ検査のための方法およびシステムを提供する。この方法は、一般に、人物の一回の取り調べ（例えば、質疑応答の期間）の少なくとも一部期間における熱画像データの取得と、そのような熱画像データと血流量との間の生理学的相関関係と、それに基づく分類とを含む。
【００１６】
例えば、中赤外線カメラを使用した顔面熱画像を、実行することができる。その後、熱力学モデリングにより、生熱画像データを血流量データに変換することができる。最後に、１つまたは複数の異なる分類プロセス、例えば血流量データの解析に基づいて、人物の嘘をついているか嘘をついていないかへの分類を実行することができる。
【００１７】
すなわち、本発明は、微妙な顔面温度変動パターンを、非線形熱力学モデリングにより抽出する。このモデリングは、生熱画像データを、血流量情報に変換する。次いでこのような血流量データは、２元分類法または嘘か嘘でないかの有益な判定に繋がる任意の他の分類法の特徴として使用することができる。
【００１８】
熱画像データを使用することを必要とする本明細書に記載の方法および／またはシステムは、質問中に人物の嘘をついている状態と嘘をついていない状態とを判定する際に単独で使用することができ、または、このような方法および／またはシステムは、他の旧来のポリグラフ検査法と共に使用することができる。すなわち、本明細書に記載の熱画像解析は、旧来のポリグラフ検査状況での付加的採点チャネルとしてポリグラフ検査で１つの役割を担うことができる。このような付加的採点チャネルは、旧来の観血的な生理学的測定値を有する熱画像データを使用した本明細書に記載の非観血的な生理学的測定値の融合により、ポリグラフ検査の確度と信頼性とを高めることができる。
【００１９】
本明細書に記載の方法およびシステムの説明のための実施形態の１つまたは複数は、１つまたは複数の利点を提供する。例えば、本発明は、非観血的ポリグラフ検査プロセスを含む。したがって、このようなポリグラフ検査を受けている人物は、可能な限りくつろいだ状態でいることができる。
【００２０】
さらに、例えば、本発明の１つまたは複数の実施形態により熱画像を適切に処理した後、従来型のポリグラフチャネルを介して達成されたものに類似の情報、すなわち血流量データを達成することができる。様々な実施形態では、異なるタイプの情報を取得することができる。例えば、本明細書に記載の少なくとも１つの実施形態では、そのような情報は、人物の顔の１つまたは複数の領域全体から取られた平均血流量情報（すなわち、例えば、人物の顔の一点よりも広い領域全体での平均）を含むことができる擬似二次元血流量情報を含む。さらに、人物の顔の１つまたは複数の領域の複数箇所での血流量データを含むことができる本当の二次元血流量情報を達成することができる。当然ながら、以下でより詳細に説明するように、正確な箇所情報を取得するには、追跡アルゴリズムが必要となる。このようなタイプの情報は、旧来の、すなわち従来のポリグラフ検査のタイムラインを超えて取得される一次元情報、例えば人物の手首のある箇所での測定値を使用して得られた血流量とは異なる、これよりも正確なポリグラフ結果を提供する。
【００２１】
２００１年２月２日出願の「Ｄｅｔｅｃｔｉｏｎ Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ Ｕｓｉｎｇ Ｔｈｅｒｍａｌ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ」という名称の米国特許出願第０９／７７６，４７０号には、熱顔面画像解析による不安検出方法およびシステムが記載されている。一般に、個体が不安を感じているか否かを判定するために個体の熱顔面画像シグネチャが使用される。例えば、上記明細書に記載されているように、不安には、個体の眼の周囲の局所的な温度上昇が伴う。個体の眼の周囲の顔面熱パターンでのこのような変化には、通常、これに付随する頬全体の温度低下および／またはこれに付随する頚動脈領域全体の温度上昇が伴う。
【００２２】
一般に、不安が発現している間の個体の身体の熱変化パターン（例えば、不安が発現している間の個体の熱シグネチャ変化）が、生理学的な進化の感覚を構成する。これは、戦う覚悟ができている期間に高速眼球運動を促進するための機構を表すからである。すなわち、不安が高まると多数の生理学的反応が助長されるが、その多くは、交感神経系の活動が変化した結果生じるものである。これらの反応のうちの１つは、個体の様々な領域の局所温度の突然の変化を生じる血流の局所的再分布である。そのような領域の局所温度のそのような変化は、骨の上の肉の層が比較的薄い、人間の顔では、容易に明らかになる。
【００２３】
局所的領域でのこのような突然の温度の変化は、電磁スペクトルの中赤外線温度帯（すなわち、３ミクロンから５ミクロン帯）と遠赤外線温度帯（すなわち、８ミクロンから１４ミクロン帯）の両方での人体の顔の放射によって、検出することができる。当業者ならば理解するように、このような範囲は僅かに狭まったり、広がったりする場合がある。
【００２４】
熱赤外線バンドを参照番号２３で示して、電磁スペクトルのグラフを図２に示す。熱赤外線バンドは、電磁スペクトルの可視バンド２２と反射された赤外線バンド２１との上にある。
【００２５】
したがって、個々の人間の顔のそのような局所的な温度変化を示す熱顔面画像またはサーモグラムを生成するために、スペクトルのそのような領域における温度変化を感知するのに適した熱赤外線検出器を、使用することができる。参照により本明細書に組み込んだ米国特許出願第０９／７７６，４７０号に記載のように、個体の生理学的状態（例えば、不安）を決定するために、サーモグラム（例えば、中赤外線バンドと遠赤外線バンドの１つまたは複数を使用するサーモグラム）のそのようなデータを、使用することができる。
【００２６】
例えば、米国特許出願第０９／７７６，４７０号に記載され、また本明細書で図３を参照して記載するように、個体の顔３２の各種領域を参照した個体３０の熱顔面画像は、不安として検出することができる個体のシグネチャを提供する。例えば、上記のように、個体３０の不安の出現は（例えば、びっくりするような刺激、密輸品を国内に持ち込む時の恐怖、秘密地域で秘密活動を続行中に逃げ道を作る必要性から生じる恐怖などによって誘発される場合のあるような）、個体３０の眼３５の周囲の眼窩周囲領域３４で血流が増加したことによる温度上昇に、関連付けられる。眼窩周囲領域の大きさは、個体３０によって異なる。眼窩周囲領域３４での眼筋への外からの血流は、頬の領域に示される対応する温度低下を伴って主として頬の領域から眼筋に向けられたものである。
【００２７】
不安の出現に伴う個体の顔３２の局所的な領域での温度の上記の変化により、また不安出現時前（例えば、熱履歴）から出現時後の熱赤外線スペクトルによる個体３０からの放射を適切に監視することにより、従前の状態、例えば平静状態から不安状態への変遷の検出を達成することができる。変遷時の顔面熱赤外線パターンまたはシグネチャの当該変化は、劇的であり、米国特許出願第０９／７７６，４７０号に記載のように容易に認知することができる。
【００２８】
しかし、ポリグラフ検査設定では、熱画像データが取得される場合、眼の周囲および顔全体で観察される体温の変化は、通常は、ほんの僅かなものであり、米国特許出願第０９／７７６，４７０号を参照して不安出現時に記載されているほど突然のものではない。したがって、以下に詳述するように熱画像データだけを見る場合、このような体温の変化は、ほとんど顕著ではない。不安による熱画像データの変化とポリグラフ検査による熱画像データの変化との間に見られるこのような相違は、ポリグラフの被験者にほんの僅かなストレスしか掛かっていない結果であろうと思われる。
【００２９】
ポリグラフ検査中に取得された熱画像データのこのような顕著でない温度の変化を図５Ａ〜図５Ｂに全体的に示す。図５Ａは、ポリグラフ検査で人物が質問に嘘の回答をする前と嘘の回答をし始めた時の熱画像データを示している。温度は、グレイスケールで描かれている。但し、高温を黄色などの明るい色で表し、低温を青などの他の色で表す多色方式などのいかなる描写方式でも、使用することができる。図５Ｂは、質問に対する嘘の回答をし終わる頃の人物の熱画像データを描写したものを示している。図５Ａ〜５Ｂを見ると分かるように、熱画像データでは、顕著な違いは認められない。
【００３０】
したがって、ポリグラフ検査で使用するための本発明による有用な情報を提供するために、本明細書でさらに記載され、図６Ａ〜６Ｂに描写されているように、熱画像データは、血流量データに変換される。図５Ａの熱画像データに対応する図６Ａでは、質問に対して嘘の回答をする前と嘘の回答をし始めた時の人物の血流量の描写が、全体的に暗い画像で示されている。全体的に、顔の眼窩周囲の領域６０と顔の頬の領域６２に比較的明るい領域６０、６２を見ることができる。これは、このような領域で血流量が変化したことを示している。
【００３１】
質問に対して人物が嘘の回答をし終わる頃の、図５Ｂに示す熱画像データに対応する人物の顔の血流量の描写を図６Ｂに示す。図６Ｂに示すように、眼窩周囲領域６０の血流量の変化は、図６Ａと比較してかなり明るく描写されている。同様に、顔の皮膚６４の大部分を占める頬の領域６２も、図６Ａと比較してかなり明るく描写されている。
【００３２】
図６Ａと図６Ｂの間の血流量の描写の違いは、著しい。血流量の強さの描写に見られる違いは、これらの図面で、比較的明るい、または比較的鮮明な領域が血流量の最高度の変化を示すように表されている。すなわち、質問に対して嘘の回答を答えた場合、質問前から嘘の回答中への血流量の変化は、図６Ａに示される顔に対して図６Ｂの顔が比較的明るく表されていることによって、図面に示されている。
【００３３】
図６Ａと図６Ｂの間のこのような違いは、図５Ａ〜５Ｂの個体に関して示した描写された生熱画像データで違いがないのと全く対照的である。したがって、本発明によると、熱画像データを増幅することによって（例えば、このような熱画像データの経時的血流量への変換）、質問に対する人物の回答が嘘であるか嘘でないかの判定が得られる。
【００３４】
上述の一般原則に鑑みて、本発明によるポリグラフシステム１０の一実施形態を図１を参照して説明する。このポリグラフシステム１０に関連して、好適には、個体による回答（例えば、個体の供述）が嘘であるか嘘でないか（例えば、人物が嘘つきか正直か）を判定するために、ポリグラフ方法（例えば、図４に示すポリグラフ方法５０）の１つまたは複数の実施形態の様々なステップを実行するために、様々なソフトウェアルーチンまたはアルゴリズム１６を概説する。
【００３５】
ポリグラフシステム１０、例えば、人物３０から引き出された回答が嘘か嘘でないかを判定するシステムの概要を、図１に示す。ポリグラフシステム１０は、個体３０（図３も併せて参照のこと）が置かれている場面を表す適切な熱画像データを提供するように動作可能な熱赤外線画像装置１２を含む。熱赤外線画像装置１２からの熱画像データが、コンピュータ１４に提供される。
【００３６】
好適には、コンピュータ１４は、血流量データに変換された熱画像データに基づいて人物の嘘をついている状態と嘘をついていない状態の判定を提供するためにソフトウェア１６を実行するよう動作可能なコンピュータシステムを含む。コンピュータ１４は、プロセッサ装置を使用して実行可能なソフトウェア１６を使用して実施することができるが、他の専用ハードウェアも、ユーザに、個体３０の嘘をついていない状態と嘘をついている状態に関する情報を提供するために必要な機能を提供することができる。したがって、本明細書で使用するコンピュータという用語は、各種ソフトウェアルーチンを実行することができるプロセッサ装置に加えて、またはこれの代わりに専用ハードウェアも含む。
【００３７】
参照番号１４に関して以下で言及するコンピュータは、例えば、いかなる固定コンピュータシステムまたは移動コンピュータシステム、例えばパーソナルコンピュータであってもよい。コンピュータシステムの厳密な構成は限定的なものではなく、適切な計算能力を提供することのできるほとんどいかなる装置でも本発明により使用することができる。さらに、コンピュータディスプレイ、マウス、キーボード、プリンタなどのような各種周辺装置が、コンピュータ１４でプロセッサと組み合わせて使用されるものと見なされる。
【００３８】
熱赤外線画像装置１２は、電磁スペクトルの中赤外線バンドおよび／または遠赤外線バンドに反応するピクセル配列を有する１つまたは複数のサーマルカメラであることが好ましい。例えば、熱赤外線画像装置１２は、Ｒａｙｔｈｅｏｎから入手可能な、商標ＥｘｐｌｏｒＩＲで提供される遠赤外線バンド（すなわち、８ミクロンから１４ミクロンのバンド）に反応する非冷却式サーマルカメラであってよい。さらに、例えば、熱赤外線画像装置１２は、商標Ｒａｄｉａｎｃｅ ＨＳ Ｍｉｄ−Ｉｎｆｒａｒｅｄ ＣａｍｅｒａでＲａｙｔｈｅｏｎから入手可能な中赤外線バンド（すなわち、３ミクロンから５ミクロンのバンド）で反応する中赤外線カメラであってよい。
【００３９】
上記で指摘したように、人間の身体と顔は電磁スペクトルの中赤外線バンドと遠赤外線バンドの両方で放射している。したがって、より高度な確度を提供するため、遠赤外線バンドと中赤外線バンドのデータを比較することができるように、熱画像データを提供するために遠赤外線カメラと中赤外線カメラの両方を使用することが好ましい。しかし当業者ならば、本発明により遠赤外線バンドおよび／または中赤外線バンドのカメラの一方または両方を使用することができるということを理解するだろう。さらに、生理学的反応の僅かな変化の検出を試みる場合に、高感度カメラを使用することが好ましい。
【００４０】
ＥｘｐｌｏｒＩＲという商標で提供される遠赤外線カメラは、０．１５℃に等しいノイズ等価温度差（ＮＥＴＤ）の名目温度感度を有する。しかしこのような性能は、通常は得られず、ＥｘｐｌｏｒＩＲモデルの実際の温度感度は、０．５℃以上である可能性がある。これは、顔の温度分解能のかなりの量であるというだけなので、ある程度の情報は、マスキングされる可能性がある。商標Ｒａｄｉａｎｃｅ ＨＳ Ｍｉｄ−Ｉｎｆｒａｒｅｄ ＣａｍｅｒａでＲａｙｔｈｅｏｎから入手可能な中赤外線カメラは、確度を高めるために、非線形方程式によって特別な設定用に校正することができる。一般的には０．０２５℃に等しいＮＥＴＤを有する。校正プロセスは、略完璧な場面温度基準に対して洗練された非常に正確な（０．０１℃）の特異な黒体によって、補完することができる。
【００４１】
コンピュータ１４は、熱赤外線カメラ１２から提供される熱顔面画像データを処理するためのソフトウェアコンポーネント１６を含む。引き出した回答に関して個体３０が嘘をついているか嘘をついていないかを判定するために、熱赤外線カメラ１２から提供される熱画像データ、例えばピクセルデータを処理するために、このようなソフトウェアコンポーネント１６のうちの１つまたは複数を使用することができる。個体３０の熱顔面画像を解析するためのこのようなアルゴリズム的ソフトウェアコンポーネントを、図４に示すポリグラフ方法５０の流れ図またはブロック図の一例の一部として示す。
【００４２】
図４のポリグラフ方法５０に示すように、個体３０が置かれた場面の熱画像データ５２、例えばピクセルデータがコンピュータ１４に提供され、その後ソフトウェア１６によって処理される。このようなソフトウェア１６は、人物に関して捕捉した熱画像データを血流量データに変換するための変換コンポーネント（ブロック５４）と、血流量データに基づいて人物を嘘をついているか嘘をついていないかに分類するための分類コンポーネント（ブロック５６）とを少なくとも含む。
【００４３】
一般に、変換コンポーネント５４は、個体３０の顔３２の熱画像データを、血流量データとして実施される血流量情報（例えば、血流量、経時的な血流量の変化など）に変換するアルゴリズムを提供する。このような変換は、熱画像データを、顔の１つまたは複数の領域の経時的な（すなわち、複数フレームに渡る）血流量の変化を表すデータに変更することが好ましい。
【００４４】
このような変換は、異なる処理技術をいくつでも含むことができる。例えば、このような変換は、顔の熱画像データを、カメラ１２が提供する場面の熱画像データの背景から分離するためにセグメント化アルゴリズムを含むことができる。同様に、顔区画コンポーネントは、顔３２の熱画像データを１つまたは複数の領域に区画する機能を提供することができる。一実施形態では、図３に示し本明細書の随所に記載するように、本発明により、眼窩周辺領域３４を使用することが好ましい。
【００４５】
当業者には、本明細書に記載のポリグラフ方法では、例えば眼窩周辺領域、頬領域、額領域、鼻領域などのように領域をいくつでも使用することができるということが理解されよう。しかしある領域は、他の領域に比べてより有益な情報を提供することができる。さらに、本明細書の随所に記載するように、ポリグラフ検査に対して本当の二次元血流量データを提供するために、顔の１つまたは複数の領域の１つまたは複数の点（例えば、点のネットワーク）に対する血流量を、使用することができる。
【００４６】
さらに、一般的に、分類コンポーネント（ブロック５６）は、個体３０が嘘をついているか嘘をついていないかを判定するために、変換された熱画像データを処理することができるアルゴリズムを提供する。例えば、嘘をついているか嘘をついていないかに分類する個体３０の自動分類を実行することができる。このような分類を、様々なタイプの分類アルゴリズム（例えば、統計的学習方法を使用したあるクラスのアルゴリズムの一部であるパターン認識アルゴリズムなど）の１つによって、実行することができる。このようなアルゴリズムは、例えば人類全体の熱シグネチャの多少のばらつきを補正するために使用することができる。さらに、例えば、本明細書でさらに説明するように、ベースラインおよび／または閾値に基づく分類技法を、使用することができる。
【００４７】
したがって、一般に、図４に示すポリグラフ方法５０は、人物の顔の少なくとも１つの領域の熱画像データを提供することを含む（ブロック５２）。人物の顔の少なくともその領域の熱画像データは、血流量データに変換される（ブロック５４）。その後、例えば人物から引き出された回答に関して、嘘をついているか嘘をついていないかに人物を分類するために、血流量データが使用される（ブロック５６）。
【００４８】
図７は、図４のポリグラフ方法５０のブロック５２に全体を示す熱画像データの取得の一実施形態である。一般に、図７に示すように、人物に質問をすることによって、人物から回答が引き出される（ブロック７２）。質問された人物の顔の少なくとも１つの領域の熱画像データが、質問に対する少なくともその回答中に取得される（ブロック７４）（例えば、熱画像データは、質問中、回答中、回答後などに捕捉することができる）。例えば、ある場面の顔の少なくとも１つの領域の熱画像データは、熱赤外線カメラ、例えば図１の熱赤外線画像装置から受け取ることができる。このような熱画像データは、場面の少なくとも１つのフレームのピクセルデータを含む。しかし、熱赤外線カメラから複数のフレームが提供されることが好ましい。
【００４９】
ピクセル情報は、デジタル値または直接的な温度示度のどちらであってもよい。当然ながら、デジタル値は、それぞれの点またはピクセルでの実際の場面温度に比例する。すなわち、ピクセル値は、場面温度に対する間接的な相関関係または直接的な相関関係を有する。これは、ピクセル値が反射値と直接的な相関関係を有する可視バンドの画像とは、対照的である。
【００５０】
場面の熱特性を表すこのような受け取った熱画像データは、コンピュータ１４によって直接的に表示され、かつ／または記憶されることができる。例えば、コンピュータ１４に関連付けられたソフトウェアは、そのようなデータを摂氏で直接的に表示することを可能にする。例えば、多くの民間システムではこのようなデータは、グレイスケール値で提供することができる。画像のこのようなグレイスケール値による表示は、一般に描写への影響が乏しい。他の一般に使用されている多色または擬似カラー表示方式は、比較的画像品質は良い場合があるが、電磁スペクトルの可視バンドのダイナミックレンジに対して最適な結果を達成する。そのような表示方法が使用されるが、変換前の熱画像データの描写は、嘘をついているという判定に関する有益な情報はあったとしてもほとんど提供しないということは明らかである。
【００５１】
任意選択で、熱画像データが取得される際のポリグラフ検査の間を通して、その場面中で人物の少なくとも顔、例えば頭が動くのを追跡することができる。熱画像データを血流量データに変換するための微分熱力学方程式の正確な解は、点方向にフレームを超えて動作するので、このような追跡は、好ましい。しかし、追跡は、人物による嘘をついている挙動と嘘をついていない挙動をより正確に判定するが、本発明は、被験者が短期間だけは静止しているものと仮定して実行することができる。
【００５２】
血流量を経時的に監視することができる場合、顔の追跡アルゴリズムを所定の位置に配することによって、顔の点のネットワークを作成することができる。これは、擬似二次元情報、例えばピクセルの領域全体での平均血流量とは対照的な本当の二次元情報である。しかし、眼窩周辺域での、または十分な顔の領域全体での血流量を平均することは、登録エラーに対して許容性があり、頭部追跡アルゴリズムの使用および／または点ネットワークプロセスの使用の事実上の代替となる。
【００５３】
熱画像データは、図３に示すように、顔の１つの領域、例えば個体３０の眼窩周辺領域３４に関して取得することができ、あるいは複数領域に関して取得することができる。上述のように、十分な顔の領域全体の血流量は、登録エラーに対してより許容性がある場合がある。
【００５４】
捕捉された場面の背景から人物の顔を分離するために、上述のようにセグメント化アルゴリズムによって、場面の熱画像データを処理することができる。例えば、セグメント化プロセスは、場面の少なくとも１つの領域からの熱データを、場面の別の領域の熱画像データと比較することができる。人間の顔の熱特性は、その背景の熱特性とは一般的に好対照をなすので、このような比較およびセグメント化は、容易に実施することができる。この比較により、背景から人間の顔を分離するために使用することができるデータが得られる。背景から分離された人間の顔の熱画像データは、例えば変換コンポーネントによって後段のプロセスで使用することができる（図４のポリグラフ方法５０のブロック５４）。
【００５５】
さらに、顔の区画は、特定領域を相互に区別するために、１つの領域の熱画像データを別の領域の熱画像データと比較することによっても提供することができる。例えば、根本的な顔３２の解剖学的特徴は、区画のための顔３２の測位を容易にする。
【００５６】
例えば、図３に示すように、顔３２は、平面３３（顔３２を通過して、例えば図３に直交して定義される）に対して左右対称であり、対象領域（例えば、顔の各片側の１つの眼、平面３３の片側に半分と平面３３の反対側に半分が表示された鼻など）に区画することに役立つ。したがって、一般に、顔の片側から反対側に対しても、熱画像データの対称性がある。
【００５７】
各種アルゴリズム方法を使用して、顔の領域の区分または区画を達成することができる。例えば、顔の領域のそのような区分のために、変分原理を使用して一般化されたＢａｙｅｓ／ＭＤＬ基準を最小化することにより得られる領域競合アルゴリズムを使用することができる。このようなアルゴリズムは、Ｓ．Ｃ．ＺｈｕおよびＡ．Ｙｕｉｌｌｅによる「Ｒｅｇｉｏｎ Ｃｏｍｐｅｔｉｔｉｏｎ：Ｕｎｉｆｙｉｎｇ Ｓｎａｋｅｓ， Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇ， ａｎｄ Ｂａｙｅｓ／ＭＤＬ ｆｏｒ Ｍｕｌｔｉｂａｎｄ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ（領域競合：マルチバンド画像セグメント化のためのスネーク統合、領域拡大、およびＢａｙｅｓ／ＭＤＬ）」という題名のＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｖｏｌ．１８，Ｎｏ．９（ＩＥＥＥ 画像解析およびマシンインテリジェンスに対するトランザクション、第１８巻、第９号）（１９９６年９月）に記載されている。
【００５８】
好適には、セグメント化アルゴリズムおよび区画アルゴリズムは、静止画像並びに画像の動的シーケンス、例えばビデオクリップ、生ビデオ供給などに対して実行できるものであるべきである。したがって、画像シーケンス、例えばリアルタイム方式で提供される動的画像シーケンスの場合、顔および／またはセグメント化または区画された対象領域の１つまたは複数を自動追跡するために、熱静止／追跡および更新コンポーネントを使用することができる。次いでこのようなセグメントまたは対象領域は、即座に注目され、または特定される特定の熱画像データによって、フレームからフレームに追跡することができる。さらに、１つまたは複数の対象領域の正確かつ有効な熱画像データを提供するために、複数画像からのデータを使用することができる。１つまたは複数の対象領域の熱画像データ、例えば眼窩領域、頬領域などを、分類コンポーネントによる分類のために使用することができる（図４のポリグラフ方法に示すブロック５６）。
【００５９】
すなわち、１つの期間を通してフレームからフレームまで、顔およびセグメント化され、または区画された対象領域を連続的に自動追跡するために、熱画像データ取得ブロック５２を使用することができる。本発明による使用のために必須の熱画像データを提供するために、この動的追跡によって取得された１つまたは複数の領域の熱画像データを、フレームからフレームに動的に更新することができる。血流量データに変換するための熱画像データを提供するために、上記の様々なプロセス、例えばセグメント化、区画などは、すべてが協同して、またはそれらの１つまたは複数が前処理ルーチンとして動作することができる。次いでこのような血流量データを、分類のために使用することができる（ブロック５６）。
【００６０】
当業者ならば、血流量データに変換するための熱画像データを提供する前に熱画像データに関して様々な前処理ルーチンを実行することができること、また本発明が本明細書に概説したこれらのものだけに限定されないということを理解するだろう。
【００６１】
引き出された回答に関してその人物が嘘をついているか嘘をついていないかを分類するために、熱画像データに基づいて変換された血流量データを、単独で（すなわち、唯一の生理学的パラメータとして）使用することができる（図４に示すポリグラフ方法５０の分類ブロック５６）。しかし、このような変換された血流量データは、図８および９を参照して図示し、かつ記述した熱画像データを使用して得られた血流量データとは異なる１つまたは複数の他の生理学的パラメータと組み合わせても、使用することもできる。
【００６２】
図８は、ブロック８６に示す血流量データに基づいて人物から引き出された回答が嘘であるか嘘でないかという分類を提供する。例えば、このような分類は、図４に示すポリグラフ方法５０の結果であってよい。さらに、人物から引き出された回答が嘘であるか嘘でないかという分類は、他の生理学的パラメータに基づいても提供される（ブロック８４）。
【００６３】
例えば、ポリグラフ検査は、質問に対する人物の回答が嘘か嘘でないか、すなわち虚偽か事実かを判定するために、従来は１つまたは複数の生理学的パラメータを使用していた標準的な手順である。そのような従来型ポリグラフ検査中は、血液容量および脈変化、呼吸変化、および皮膚電気活動のような生理学的パラメータは観血的技法を使用して記録されており、これは次いで人物の正直さを判定するために使用される。図８に示すように本発明は、個体が嘘をついているか嘘をついていないかに分類するために、そのような他のパラメータ、すなわち熱画像データを使用して本発明により得られた血流量データとは異なる観血的方法を使用して取得された生理学的パラメータのうちの１つまたは複数を使用する。例えば、図８に示すように、ブロック８２に示すこのような他の生理学的パラメータが提供され、ブロック８４のこのようなパラメータに基づいて分類が実行される。
【００６４】
その後、プロセスに提供される１つまたは複数の他の生理学的パラメータに基づいて個体の分類を確定するために、熱画像データを使用した血流量データに基づく人物が嘘をついているか嘘をついていないかの分類（ブロック８６）を使用することができる（ブロック８２およびブロック８４）。同様に、熱画像データを使用して得られる血流量データに基づく分類（ブロック８６）は、熱画像データを使用して得られる血流量データとは異なる他の生理学的パラメータの測定値から得られた分類を使用して確定される（ブロック８２およびブロック８４）。
【００６５】
また、図９に示すように、分類アルゴリズムには、血流量データ（ブロック９４）と、熱画像データを使用して得られる血流量データとは異なる１つまたは複数の他の生理学的パラメータ（ブロック９２）の両方を提供することができる。人物が嘘をついているか嘘をついていないかの分類は、熱画像データを使用して得られる血流量データと１つまたは複数の他の生理学的パラメータ、例えば観血的方法によって取得されたパラメータの両方に基づくことができる。例えば、分類に到達した場合に、非観血的に収集されたデータと観血的に収集されたデータの両方を考慮するアルゴリズムを使用することができる。
【００６６】
当業者ならば、ポリグラフ検査のいかなる他の目的にも、熱画像データを使用して得られる血流量データに基づく分類を使用することができることを理解するだろう。例えば、個体の分類に使用される他の分類の確定、嘘をついているか嘘をついていないかに関する予備的判定を、他の適用可能なポリグラフ検査法またはステップなどを実施するために使用することができる。
【００６７】
さらに、ポリグラフ検査以外の他の有益な目的のために、本発明により決定される血流量データを使用することができる。例えば、特定の医学的応用、例えば監視データに基づくプロセスまた機器の制御のために本発明により決定される血流量データの監視を使用することができる。すなわち、本発明による熱画像データの血流量データへの変換は、他のタイプのプロセスまたは機器で使用されるべき血流量情報を得る独自の方法である。
【００６８】
さらに、米国特許出願第０９／７７６，４７０号に記載されているように、本発明は、血流量データへの変換を含めて熱画像データの解析により人物の他の生理学的状態を検出するために使用することができる。例えば、嘘をついているか嘘をついていないかの判定に加えて、人物の１つまたは複数の異なる生理学的状態、例えばうつ病、痴呆の周期、不安などを決定するために、本明細書に記載の方法およびシステムを使用することができる。本明細書で使用する不安という用語は、一般に一連の感情を示す。この一連の感情には、驚愕、不安、恐怖などが含まれる。このような一連の感情は、一般に個体が、詐欺、テロ、または不正行為のようなある種の活動に関わっている時点でその個体に表れる。このような感情または症状は、交感神経系によって発生されるものであって、その人物が完全に制御することはできない。したがって、これらは、生体測定インジケータ、例えば隠蔽することが非常に困難な測定可能な生理学的反応を提供する。
【００６９】
図１０は、図４に示すポリグラフ方法５０の分類コンポーネント５６（ブロック５６）と組み合わせた変換コンポーネント（ブロック５４）の流れ図の一例を示している。ブロック１０２で示すように、図４に示すようなポリグラフ方法５０の熱画像取得コンポーネント５２によって得られる熱画像データは、少なくとも質問から引き出された回答中に人物の顔の少なくとも１つの領域に関して受け取られる。このような熱画像データについては、本明細書で既に説明済みである。
【００７０】
その後、経時的な血流量の変化（例えば、勾配）が、熱画像データに基づいて決定される（ブロック１０４）。すなわち、熱赤外線画像装置（例えば、図１のポリグラフシステム１０の装置１２）から受け取った熱画像データに関する経時的な血流量の変化を表す勾配が決定される。
【００７１】
このような経時的な血流量の変化は、後述する熱画像データから決定することができる。様々な顔の領域の温度の変動は、主として血流量の変化によるものである。
熱力学モデリングは、血流量が、人体の核心温度と皮膚温の偏差の二乗に逆比例することを示している。この非線形相関関係は、ポリグラフィの被験者に観察される微弱な温度変化パターンを増幅し、米国特許番号第０９／７７６，４７０号の不安決定の応用例に記載されているようなレベルにまで情報ノイズを低減させる。
【００７２】
具体的には、熱平衡では、以下のように、人間の皮膚組織に対するヒートバランスの等式をモデリングすることができる：
Ｑr＋Ｑe＋Ｑf＝Ｑc＋Ｑm＋Ｑb，
上式で、
Ｑr＝被験者から大気中に放射される熱のカロリー単位による表示；
Ｑe＝基礎的な蒸発熱；
Ｑf＝皮膚表面付近の大気への会議による熱損失；
Ｑc＝皮下組織によって伝導された熱；
Ｑm＝皮膚組織の代謝率に相当する熱；
Ｑb＝皮下血管の血流量に起因すると考えられる対流による熱利得／損失。
【００７３】
皮膚温変化（ΔＴs）を短期間（Δｔ）だけ観察すると、以下の等式が得られる：
ＣsΔＴs＝−（ΔＱr＋ΔＱe＋ΔＱf）＋（ΔＱc＋ΔＱm＋ΔＱb），
上式で、Ｃs＝皮膚の熱容量。
【００７４】
皮膚温変化（ΔＴs）を短期間（Δｔ）だけ観察すると、以下の等式が得られる：
【００７５】
【数１】
【００７６】
上式で、Ｃs＝皮膚の熱容量である。
短期間（Δｔ）の場合、しかも被験者が食事をたっぷりと取ったばかりではないと仮定するならば、項ΔＱmは無視できるものと見なすことができる。項ΔＱr、ΔＱe、およびΔＱfは、ΔＱbの絶対値よりも約１／１００小さい絶対値を有するものと示される。したがって、
【００７７】
【数２】
【００７８】
上式で、
Δ＝０．８（温暖な状態での向流熱交換）；
ｐc＝０．９２ｃａｌ／ｍＬ／Ｋ（血液の熱容量）；
Ｖsi；ｉ＝１，２＝時刻ｔ1およびｔ2での皮膚血流量；
ＴB＝３１０Ｋ（核心での血液温度）；
Ｔsi；ｉ＝１，２＝時刻ｔ1およびｔ2での皮膚温度；
Ｓ＝皮膚の厚さ；
Ｋc＝０．１６８ｋｃａｌ／ｍ／ｈ／Ｋ（皮膚の熱伝導率）；および
ｄ＝皮膚表面から核心温度点までの深さ。
【００７９】
微分すると、以下の等式が得られる：
【００８０】
【数３】
【００８１】
ｄＶS／ｄｔ・ｄＴS／ｄｔを含む項を無視すると、以下の等式が得られる：
【００８２】
【数４】
【００８３】
上式で、Ｃは定数である。
校正された熱画像について、それぞれの取得時刻間のサンプルフレーム数によって正規化された一対の画像間の差分として、温度ｄＴS／ｄｔの導関数の離散時間近似を計算することができる。式ＴBＣSＫC／３ｄ Ｃは、定数を表している。したがって、未知のスケールファクタを除いて、項ｄＶS／ｄｔを推定することができる。ＶSの推定値を得るために、ｄＶS／ｄｔに関する式を数値的に積分することができる。
【００８４】
【数５】
【００８５】
に達するには、代謝熱成分を無視できるものと見なす必要がある。
画像のすべてのピクセルについてこの等式を解くことにより、生熱データを、血流量データに変換することができる。この等式の有意味な適用を保証するために、画像が背景を含まず被験者の顔だけを含むように、例えばセグメント化、区画などによって画像を切り抜くことができる。例えば、切り抜きは、各ビデオクリップの最初のフレーム、および特定の質疑応答セッションの終わりに向けてタイムラインを超えて適用される切り抜き寸法で行うことができる。これは、質疑応答セッションの短期間（５〜１０秒）の間、静止している被験者を前提としている。実験による経験に基づいて、静止している被験者という前提は、有効である。但し、このような短期間に顕著に動いているある種の興奮した被験者は、いくつかの決定に影響を与える可能性がある。
【００８６】
図１０の実施形態では、次いでフレーム毎にそれぞれの平均血流量が決定され、フレームからフレームへの平均血流量を表す信号が生成される。一例を図１２にプロットしたこのような信号は、分類の目的で使用することができる熱画像データのフレーム全体の血流量を提供する。
【００８７】
図１０に示すように熱画像データを血流量データに変換した後（ブロック１０４）、経時的な血流量の変化に基づいて質問に対する人物の回答を嘘か嘘でないかに分類するために、このような経時的な血流量の変化を、使用することができる（ブロック１０６）。
【００８８】
血流量の変化に基づいて質問に対する人物の回答を嘘か嘘でないかに分類することは（ブロック１０６）、１つまたは複数の異なる分類プロセスによって実行することができる。２つの具体的な分類プロセスを、勾配閾値が生成される図１１Ａ〜１１Ｂを参照して説明する。しかし、様々な他の分類プロセスも実行可能である。
【００８９】
例えば、コンピュータ装置１４に関連付けられたソフトウェアは、このような血流量データの強度に関して血流量データを表示または描写することを可能にすることができる。例えば、画像のこのようなグレイスケール表示は、一般に描写効果に乏しいが、このようなデータをグレイスケールで提供することができる。他の一般に使用されている多色擬似色表示方式は、比較的良好な描写効果を提供することができる。
【００９０】
すなわち、血流量データは、表示画面上に直接的に表示することができ、分類は、表示上の血流量データを監視している人物が手作業で実行することができる。例えば、図６Ａ〜６Ｂに示すように、血流量データの大きな差異が可視的に表示される。ユーザは、表示上に表された血流量データの変化に基づいて個体を嘘をついているか嘘をついていないかに、手作業で分類することができる。したがって、人間の顔またはその１つの領域の血流量データを例えば多色擬似色技法を使用してユーザに表示するソフトウェアによって、分類ソフトウェアコンポーネント（ブロック１０６）を実施することができる。しかし、他のタイプの分類プロセス、例えば自動のリアルタイムシステムが好ましい。
【００９１】
例えば、パターン認識／分類ソフトウェアは、自動分類を実行することができる。ソフトウェアのそのようなアルゴリズムは、トレーニングおよびパフォーマンスモードで動作することが好ましい。例えば、トレーニングモードでは、ソフトウェアコンポーネントは、Ｍ．Ｉ．ＪｏｒｄａｎおよびＲ．Ａ．Ｊａｃｏｂｓ著、「Ｈｉｅｒａｒｃｈｉｃａｌ Ｍｉｘｔｕｒｅｓ ｏｆ Ｅｘｐｅｒｔｓ ａｎｄ ｔｈｅ ＥＭ Ａｌｇｏｒｉｔｈｍ（エキスパートおよびＥＭアルゴリズムの階層混合）」、ニューラルコンピューテーション、第６巻、１８１〜２１４頁（１９９４年）に記載されているような、統計的学習方法のクラスに属するアルゴリズムを含むことができる。このようなトレーニングモードでは、嘘をついている状態と嘘をついていない状態の個体について統計的な血流量データに関してルーチンが学習するので、アルゴリズムを更新することができ、このような分類の確度はより信頼あるものになる。アルゴリズムのパフォーマンスモードは、実際の分類を実行するように動作する。
【００９２】
さらに分類プロセスは、分類を実行するために、血流量データと決定されたベースラインとの比較を使用することができる。ベースライン基準は、例えば嘘をついている人物の嘘をついている状態と嘘をついていない状態の対比の血流量またはシグネチャであってよい。例えば、嘘をついていない状態と嘘をついている状態の対比によって個体に対するベースラインを作成するために統計的解析を使用することができる。人類全体で多彩な反応のばらつきがあるということを考慮する必要がある。
【００９３】
すなわち、嘘をついていない状態と嘘をついている状態の対比の信頼は、各種要因によって異なる様々な血流量画像によって示すことができる。例えば、個体の精神状態、個体の知性、個体の人種、個体の体調、個体の血圧、および人口母集団全体の多くの他の変数は、嘘をついている状態と嘘をついていない状態の対比による個体の血流量データに影響を与える。
【００９４】
さらに、個体から熱画像データを取得することに関する他の条件も考慮する必要がある。例えば、その場の温度と明るさの影響も考慮する必要がある場合がある。
したがって、実験データの収集とその分析により、大きな母集団を対象とするベースライン基準を決定することができる。
【００９５】
例えば顔の特定領域（例えば、眼窩周囲領域）に対するベースライン基準が設定されると、熱画像データを取得し、血流量データに変換し、ベースライン基準と比較することができる。例えば、個体の眼窩周囲領域に関して熱画像データを捕捉し、変換することができる。その後、眼窩周囲領域に関する血流量データを、嘘をついている状態と嘘をついていない状態の対比で個体に関して作成されたベースライン基準から決定された閾値レベルと比較することができる。
【００９６】
さらに、Ｅ．Ｇｏｓｅ他著、「Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ（パターン認識および画像解析）」１５９〜１８６頁、Ｐｒｅｎｔｉｃｅ−Ｈａｌｌ、Ｕｐｐｅｒ Ｓａｄｄｌｅ Ｒｉｖｅｒ、Ｎｅｗ Ｊｅｒｓｅｙ（１９９３年）に記載されているように、最近傍（ＮＮ）分類子設定の特徴ベクトルとして、血流量データまたはそれを表す信号を使用することができる。ＮＮのｎｅａｒｅｓｔ（最も近い）という用語は、取得されるフレームの数を３００として３００ディメンションの空間での最小のユークリッド距離を示す。このようなプロセスでは、対照の少数被験者からの距離に基づいて大多数の被験者を分類することを目的としている。対照の被験者の母集団は無作為であるべきである。
【００９７】
別法として、嘘をついている場合と嘘をついていない場合に対して典型的な血流量信号を設定し、それぞれのユークリッド距離を測定することができる。これらの典型的な嘘をついている状態と嘘をついていない状態の血流量信号は、ストレスの掛かった状態とストレスの掛かっていない状態での予測される生理学的反応に対応するはずである。
【００９８】
図１１Ａは、嘘をついている時と嘘をついていない時の経時的血流量の変化の勾配データに適用される閾値処理アルゴリズムを使用して生成された勾配閾値に基づく分類プロセスの一実施形態を示している。図１１Ａに示すように、質問への回答中に人物の顔の少なくとも１つの領域に関して熱画像データが受け取られる（ブロック１１０）。その後、経時的血流量の変化が決定される（ブロック１１２）。
【００９９】
生成された勾配閾値は、嘘をついていない被験者と嘘をついている被験者の両方を含む複数の被験者に対する勾配データに基づいている（ブロック１１４）。理想的には、勾配データは、嘘をついていない被験者に対して１つと嘘をついている被験者に対して１つの双峰分布を構成すべきである。この分類子は、閾値処理アルゴリズムに勾配データを供給することによって検査することができる。例えば、勾配データは、被験者の回答中の経時的血流量の変化を表すことができる（例えば、図１２の領域１３４を参照のこと）。
【０１００】
使用することができるそのような１つの閾値処理アルゴリズムは、Ｎ．Ｏｔｓｕ著、「Ａ Ｔｈｒｅｓｈｏｌｄ Ｓｅｌｅｃｔｉｏｎ Ｍｅｔｈｏｄ ｆｒｏｍ ＧｒａｙＬｅｖｅｌ Ｈｉｓｔｏｇｒａｍｓ（グレイレベルヒストグラムからの閾値選択方法）」ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ，Ｍａｎ ＆ Ｃｙｂｅｒｎｅｔｉｃｓ、第９巻、第１号、６２〜６５頁（１９７９年）に記載されている。このアルゴリズムは、双峰分布で信頼ある性能を有する。これには、ノンパラメトリックな教師なしの閾値選択方法を必要とする。複数のクラスの結果の可分性を最大限にするために最適な閾値が選択される。このアルゴリズムは、ヒストグラムのゼロ次および１次累積的モーメントだけを使用する。
【０１０１】
複数の嘘をついていない被験者と嘘をついている被験者に対する勾配データに基づいて勾配閾値が生成されると、バイナリディシジョンを行うために、この勾配閾値を使用することができる。このようなバイナリディシジョンは、人物の回答を嘘と嘘でない回答に分類するために、質問に回答中の人物の経時的血流量の変化を表す勾配を、勾配閾値と比較することによって行うことができる（ブロック１１６）。例えば勾配が、閾値よりも小さい場合、その回答を、嘘でない回答に、例えばその被験者は嘘をついていないと分類することができる。同様に、勾配が勾配閾値よりも大きい場合、引き出された回答または答を、嘘であると分類することができる。
【０１０２】
図１１Ｂは、生成された勾配閾値が、質問期間中の複数の嘘をついている人物と嘘をついていない人物に関する経時的な血流量の変化を表す勾配（例えば、図１２の領域１３２を参照のこと）と回答期間中の複数の嘘をついている人物と嘘をついていない人物に関する経時的な血流量の変化を表す勾配（例えば、図１２の領域１３４を参照のこと）の積に基づく積勾配閾値であることを除いて、図１１Ａを参照して説明した分類プロセスと略同じ分類プロセスを示している。すなわち、図１１Ｂに示すように、質問期間中と質問に対する回答期間中に人物の顔の少なくとも１つの領域に関して熱画像データが受け取られる（ブロック１２０）。質問期間と回答期間の積勾配を提供するために、これらの両期間中の人物に関してブロック１２２に示すように経時的な血流量の変化を決定するため、熱画像データが変換される。
【０１０３】
積勾配閾値が、生成される（ブロック１２４）。積勾配閾値は、質問期間と回答期間の両方で、嘘をついていない被験者と嘘をついている被験者の両方を含む複数の被験者に関して経時的な血流量の変化を表す勾配を使用して生成される。すなわち、上記のように、積勾配を得るために、質問期間中の各人物に関する経時的な血流量の変化を表す勾配に、回答期間中のその人物に関する経時的な血流量の変化を表す勾配が、乗じられる。積勾配閾値を得るために、上記のような閾値処理アルゴリズムが、積勾配に適用される。
【０１０４】
その後、質問に対する回答に関してバイナリディシジョンがなされ、引き出された回答が、嘘であるか嘘でないかが積勾配閾値に基づいて判定される（ブロック１２６）。すなわち、人物の回答を嘘であるか嘘でないかに分類するために、その人物に対する積勾配が、積勾配閾値と比較される。
【０１０５】
質問に対して嘘の回答または嘘でない回答をしている際の個体を分類するための実施形態として様々なプロセス例を提供したが、当業者ならば、本発明により、人間の顔３２の熱画像データから得られた血流量データを使用する他の分類プロセスを使用することができるということを容易に理解するだろう。
【０１０６】
以下に示す次の実施例により上記方法および／またはプロセスの１つまたは複数をさらに理解することができる。
【０１０７】
（実施例）
ポリグラフ検査は、模擬犯罪シナリオを中心として設計されている。犯罪場面は、女性をドライバーで刺すことを含んでいる。被験者の何人かは、「無罪」とプログラムされており、何人かは、「有罪」とプログラムされている。有罪の被験者は、その犯罪が事実であるかのようにその犯罪を演じる。犯罪場面で刺された女性の役は、マネキン人形が演じる。犯罪の動機としては、２０ドル紙幣を盗むことであると特定されている。無罪の被験者は、この犯罪場面に関していかなる知識または関連も持たない。
【０１０８】
被験者が答えなければならない質問は、いわゆるゾーン比較検査を構成する１０問の文章による質問（表１を参照のこと）と、いわゆる犯罪知識検査（ＧＫＴ検査）を構成する６問の短い質問（表２を参照のこと）の２組の質問である。ゾーン比較検査では、被験者は、各質問に「はい」または「いいえ」だけで答えるよう要求される。ＧＫＴ検査では、被験者は、当該事件に関する凶器を１つだけ含んだ潜在的凶器のリストの全体を読まなければならない。単語毎に被験者の生理学的反応が測定される。旧来のポリグラフ検査では、凶器を示す単語を聞いた時に有罪の被験者には強い生理学的反応があるものと予想される。
【０１０９】
【表１】
【０１１０】
まず、ポリグラフの検査官は、被験者に検査の内容に慣れさせるために２組の質問を読み上げる。この時点では、被験者は、どの質問にも回答することを要求されず、何も採点はされない。次いで検査官は、質問を繰り返し、今度は被験者は、回答するよう要求される。これが最初の正式な「実行」である。引き続き２回の実行がある。すべての３回の実行でゾーン比較検査の質問は、全く同じである。しかしＧＫＴ質問では、凶器を示す単語の位置が、実行毎に変わる。本発明者らの検査の最初の２回の実行での凶器を示す単語の位置を、表２に示す。
【０１１１】
【表２】
【０１１２】
旧来のポリグラフでは、すべての３回の実行が採点される。しかし採点方式の詳細を検討すると、ゾーン比較検査の３問の質問は、全く採点されていないことが分かる（表１を参照のこと）。これらは無関係な質問または前兆質問であり、生理学的観点からのフィルタとしての役割を果たしている。被験者にゾーン比較検査とＧＫＴ検査を３回受けさせる根拠は、起こりうるノイズのある回答の貢献を平均化するためである。当然ながら、生理学的反応の平均的強度は、実行１と比較して、実行２と実行３に関しては低いことが予想される。これは、検査が反復するという特徴に起因するものであり、採点方式で考慮される。
【０１１３】
旧来の観血的な方法と並んで、各被験者の各質問に対する熱ビデオデータのデジタルクリップが記録される。本発明者らの記録は、検査官が質問を発する直前から始まり、被験者が回答し終わった直後までなされる。ゾーン比較検査の質問の場合、平均記録長は、３０フレーム／秒で３００フレームである。ＧＫＴの質問の場合、平均記録長は、３０フレーム／秒で１５０フレームである。有罪か無罪かを判定するために最も重要な質問の１つは、本発明者らのケースでは、「盗んだ２０ドルを現在所持していますか。」というように表現された質問１０である。
【０１１４】
最初の２回の実行だけを熱画像処理および解析のために記憶する。
冷却した中赤外線カメラ、Ｒａｙｔｈｅｏｎ製のＲａｄｉａｎｃｅ ＨＳを使用する。カメラの焦点面（ＦＰＡ）は、３〜５μｍの波長に反応し、その大きさは、２５６×２５６ピクセルである。
【０１１５】
模擬犯罪の状況ではほんの僅かな刺激が、すなわち微小な顔の温度変化が起こるので、温度感度は、重要である。Ｒａｙｔｈｅｏｎ Ｒａｄｉａｎｃｅ ＨＳの熱感度は、ＮＥＤＴ＝０．０２５℃である。
【０１１６】
最高レベルの温度示度の確度を保証するために、Ｒａｙｔｈｅｏｎ Ｒａｄｉａｎｃｅ ＨＳカメラは、外部の黒体を使用して校正される。具体的には、本発明者らのカメラ（ＮＥＤＴ＝０．０２５℃）と等しい熱感度を有するＳａｎｔａ Ｂａｒｂａｒａ Ｉｎｆｒａｒｅｄ製の２００８モデルを使用する。最低および最高の校正温度を、それぞれＴmin＝２９℃およびＴmax＝３８℃に設定する。本発明者らの実験による経験によれば、これらは、人間の顔全体に見られる温度の限度である。
【０１１７】
動作は中赤外線スペクトルなので、測定値に対する照明からのいかなる影響をも除去するために、この実験は、薄暗くした部屋で実行する。サーマルカメラは、パーソナルコンピュータおよび関連するソフトウェアに接続されており、これらによって制御されている。質問および被験者毎のすべてのビデオクリップが、ハードディスクに直接記憶される。
【０１１８】
ポリグラフ検査設定では、温度は、眼の周囲で変化しており、顔全体では非常に僅かであって、図５Ａ〜５Ｂを参照して本明細書で既に説明したようにほとんど見えないほどであることを可視的に観察することができる。図５Ａは、質問１０に回答している被験者３の生熱スナップショットを表しており（開始近く）、図５Ｂは、質問１０に回答している被験者３の生熱スナップショットを表している（終了近く）。これら２つの画像の違いを認知することはできない。
【０１１９】
熱画像データは、等式：
【０１２０】
【数６】
【０１２１】
を使用して変換される。
画像の各ピクセルについてこの等式を解くことにより、生熱データを、血流量データに変換することができる。この等式の有意味な適用を保証するために、画像が背景を含まず被験者の顔だけを含むように、画像を切り抜くことができる。切り抜きは、各ビデオクリップの最初のフレーム、および特定の質疑応答セッションの終わりに向けてタイムラインを超えて適用される切り抜き寸法で行う。これは、質疑応答セッションの短期間（５〜１０秒）の間、静止している被験者を前提としている。実験による経験により、静止している被験者の前提は、有効である。但し、このような短期間に顕著に動いているある種の興奮した被験者は、いくつかの決定に影響を与える可能性がある。
【０１２２】
変換されたデータを、本明細書の図６Ａと６Ｂに示す。図６Ａは、被験者３が質問１０に回答している際（開始近く）の被験者３の顔の血流量の描写である。図６Ｂは、被験者３が質問１０に回答している際の（終了近く）の被験者３の顔の血流量の描写である。これら２つの画像の違いは大きい。陰影により、血流量の強度の範囲が、最低値から最高値まで指標付けされる。
【０１２３】
各質問での各被験者について眼窩周囲域と額域の輪郭を、描くことが可能である。この輪郭描写は、ビデオクリップの最初のフレームで行われ、静止している被験者の前提にも基づいている。輪郭を描いた眼窩周囲域と額域で、フレーム毎にそれぞれの平均血流量が計算される。これは、質問タイムラインを超えて、１つは「眼」の信号でありもう１つは「額」の信号である２つの信号を生成する。嘘をついているカテゴリと嘘をついていないカテゴリに被験者を分類するためのパターン認識アルゴリズムに、このような信号が入力される。
【０１２４】
この実施例では、ゾーン比較検査の「眼」の信号だけが、重要な識別能力を有するものと決定される。１つの重要な制約は、検査中に被験者は、眼鏡をしてはいけないということである。眼鏡は、中赤外線または遠赤外線では不透明である。したがって、眼窩熱シグネチャが散らされる可能性がある。この制約は、ポリグラフ検査に関連する管理された環境では強制することが容易である。
【０１２５】
「額」の信号（例えば、図３の領域３７から）は、差別的には表示されず、また、被験者の額に垂れた前髪がその下の皮膚の熱シグネチャの散乱を招くというような他の関連する問題を有する。
【０１２６】
「眼」の信号を注意深く視覚的に観察することによって、被験者に対する質疑応答セッションでの生理学的反応には、２つの段階があることが明らかになる。これは図１２を参照すると分かる。最初に、領域１３２で質問を発している間、すべての被験者で「眼」の曲線が、徐々に上昇している。この場合、領域１３４で被験者が質問に回答する際に、何人かの被験者では「眼」の曲線が、徐々に上昇しつづけている（曲線１３８）のに対し、他の被験者ではより急激に上昇している（曲線１３６）という特徴があるという違いが見られる。回答セッション中の急激な「眼」の曲線１３６は、嘘の回答であることを示している。
【０１２７】
図１２は、実行１の質問１０（Ｑ１０）に対するすべての被験者についての眼の曲線を示している。質問を発している間（フレーム１５０まで）は、曲線の勾配にはほとんど違いはない。回答している間（フレーム１５１からフレーム３００まで）は、曲線の勾配に大きな違いがある。
【０１２８】
「眼」の曲線が０から始まっているように表示されているのは、計算される微分方程式の解に対して初期状態がゼロになっているからである。すなわち、ゼロの初期血流量を有するのは、「死んでいる被験者」しかいないので、この測定値は、比較設定で解釈されるべきである。「眼」の曲線の上昇の相対速度だけを対象とするので、この比較測定設定は、ポリグラフ検査の目的には適している。
【０１２９】
対応する質問（図１２の領域１３２）と回答（領域１３４）セッションの「眼」の曲線の勾配の積を、分類の特徴として使用する。理想的には、勾配の積は、嘘をついていない被験者に対して１つと嘘をついている被験者に対して１つの双峰分布を構成すべきである。勾配積は、閾値処理アルゴリズムに供給される。次いで、この閾値は、バイナリディシジョンを行うために使用される。「眼」の曲線の勾配積が閾値よりも小さい場合、本発明者らは、その回答を嘘ではないと分類する。「眼」の曲線の勾配積が閾値よりも大きい場合、本発明者らは、その回答を嘘であると分類する。
【０１３０】
選択された閾値処理アルゴリズムは、双峰分布でのそのような性能により本明細書で既に述べたＯｔｓｕによる論文に記載されている。これには、ノンパラメトリックな教師なしの閾値選択方法を必要とする。結果のクラスの可分性を最大限にするために最適な閾値が選択される。このアルゴリズムは、ヒストグラムのゼロ次および１次累積積率だけを使用する。分類の結果を以下に示す。
【０１３１】
１組の３２人のポリグラフ被験者を検査する。当該被験者中２２人だけのデータを使用の基準に適ったものと見なし、他は人為的エラーおよび機械エラーまたは悪影響により無効とする。２２人の適格な被験者から、ポリグラフ検査が昼食直後に行われたという理由で４人を除外する。
【０１３２】
選択の結果１８人になった被験者全員に関して、熱画像解析全体による採点はゾーン比較検査の質問１０（Ｑ１０）に関してのみ可能である。しかし、質問１０（Ｑ１０）は、被験者に関して有罪か無罪かの判定に最も重要な質問の１つであり、したがって、本発明者らの結果の有効性は、依然として非常に適切である。
【０１３３】
表３は、熱画像解析システムによる分類結果と旧来のポリグラフ解析による分類結果とを並べたものである。本発明者らの熱画像解析方法が正確な分類率（ＣＣＲ）＝８４パーセントを達成している（すなわち、被験者１３のフォルスアラームを除いて勾配積６７度以上の被験者が嘘をついていると正しく分類され、さらに被験者１４および１７が見落とされている、すなわち検出されるべき時に検出されていない）のに対し、旧来の解析はいくつかのフォルスアラームと検出見落としを特徴としてＣＣＲ＝７８を達成している（すなわち、被験者１７および６が見落とされている、すなわち検出されるべき時に検出されておらず、被験者２３および９はフォルスアラーム、すなわち嘘であるとラベリングされるべきでない時に嘘であるとラベリングされている）ことが分かる。
【０１３４】
この分類のための特徴は、ゾーン比較検査の質問１０（Ｑ１０）の質疑応答セッション中の「眼」の曲線の勾配の積である。勾配は、それぞれフレーム０と１５１で曲線の角度（ｍｌ／分*１０ｇ）／フレームで）表現される（図１２参照のこと）。積勾配のリストは、最小値から最大値の順番で並べられる。小さい勾配積値は、嘘でない回答に対応し、大きな勾配積値は、嘘の回答に対応する。嘘の主張はすべて、順番付けられたリストの一番下に集まっている。旧来の尺度は、−５から＋５の範囲であり、ここでは、負でない値が、嘘でない回答を示し、負の値が、嘘の回答を示している。
【０１３５】
【表３】
【０１３６】
上述したようにＯｔｓｕによる閾値処理アルゴリズムを適用することによって、閾値Ｔ＝６７が達成される。この値を使用してバイナリ分類ディシジョンを行い、表３の決定が達成される。
【０１３７】
本明細書で引用したすべての参照文献は、それぞれが別個に組み込まれるようにしてその全体が組み込まれている。以上、本発明は、例示の実施形態を参照して説明しており、限定する意味で解釈されることを意図してはいない。例示の実施形態の様々な修正形態、並びに本発明の追加の実施形態は、本明細書を参照することによって当業者には明らかになろう。
【図面の簡単な説明】
【０１３８】
【図１】本発明によるポリグラフシステムの一実施形態を示すブロック図である。
【図２】電磁（ＥＭ）スペクトルのグラフである。
【図３】本発明による熱顔面画像の一例を示す図である。
【図４】本発明によるポリグラフ方法の一実施形態を示す全体的なブロック図である。
【図５−Ａ】本発明による熱画像データと血流量データに変換された熱画像データとの間の比較を示す図である。
【図５−Ｂ】本発明による熱画像データと血流量データに変換された熱画像データとの間の比較を示す図である。
【図６−Ａ】本発明による熱画像データと血流量データに変換された熱画像データとの間の比較を示す図である。
【図６−Ｂ】本発明による熱画像データと血流量データに変換された熱画像データとの間の比較を示す図である。
【図７】本発明による図４に全体的に示した熱画像取得の一実施形態を示す図である。
【図８】熱画像データを使用して得られる血流量データに加えて、これとは異なる生理学的パラメータを使用する本発明による分類方法を示すブロック図である。
【図９】本発明による熱画像データを使用して得られる血流量データに加えて、これとは異なる１つまたは複数の他の生理学的パラメータを使用する分類方法を示す別のブロック図である。
【図１０】図４の方法に全体的に示した熱画像データ変換プロセスと分類プロセスとの一実施形態を示す図である。
【図１１−Ａ】本発明による図４のポリグラフ方法に全体的に示した変換および分類プロセスの別の流れ図である。
【図１１−Ｂ】本発明による図４のポリグラフ方法に全体的に示した変換および分類プロセスの別の流れ図である。
【図１２】本発明によるポリグラフ方法およびシステムの一例を説明する際に使用するグラフである。
【０００１】
本発明は、一般に、熱解析システムおよび方法に関する。より詳細には、本発明は、個体のポリグラフ検査に関する。
【背景技術】
【０００２】
（関連出願の相互参照）
本出願は、参照により本明細書に組み込んだ、「ＳＹＳＴＥＭ ＡＮＤ ＭＥＴＨＯＤ ＵＳＩＮＧ ＴＨＥＲＭＡＬ ＩＭＡＧＥ ＡＮＡＬＹＳＩＳ ＦＯＲ ＰＯＬＹＧＲＡＰＨ ＴＥＳＴＩＮＧ」という名称の２００１年４月１９日出願の米国仮特許出願第６０／２８５，００４号の利益を主張する。
【０００３】
（政府の権利）
本発明は、Ａｇｅｎｃｙ：ＤｏＤ Ｐｏｌｙｇｒａｐｈ Ｉｎｓｔｉｔｕｔｅにより付与された契約番号ＤＡＢＴ６０−００−１−１００３の下で米国政府の協力によりなされた。米国政府は、本発明に一定の権利を有する。
【０００４】
（発明の背景）
ポリグラフ検査は、各種団体（例えば行政体、軍隊など）が支持する標準的な保安措置である。ポリグラフ検査の目的は、取り調べ対象である被験者が、自分に投げかけられた質問に対して、正直に答えているか嘘を答えているかを確認することである。特別に訓練を受けた心理学者が、誘発を最大限にするように質問を構成する。
【０００５】
一般に、検査中は、３つの生理学的パラメータが詳細に監視される。このような生理学的パラメータには、血流量、呼吸速度、および発汗率が含まれる。通常、このような生理学的パラメータは、観血的方法を使用して記録され、経時的なスカラ値、例えば信号を生成する。次いで、被験者の回答を定量化し、被験者の回答を虚偽か事実か、すなわち嘘か嘘でないか分類するために、採点方式が使用される。
【０００６】
従来のポリグラフ検査の成功率は、質問が行われている状況と質問を受ける人物によって変動する。ある状況では成功率は非常に高い場合があるが、別の状況では成功率はかなり低くなる場合がある。例えば、このようなポリグラフ検査が模擬犯罪シナリオに基づいて実験的に行われた場合、例えばある模擬犯罪を行ったという想定の下でその模擬犯罪に関して数人の人物が質問を受ける場合、成功率は、かなり低くなる。
【０００７】
このようなポリグラフ検査の確度を高めることが、一般に求められている。これは、最近のスパイ事件を考慮すると、特に当てはまることである。確度が高まれば、一般的な法定制度でのポリグラフ検査の許容度も高まり、場合によってはそのような検査の用途に、新しい市場が開かれることになる。さらに、このような検査を使用するためには、それが簡単に行える必要がある。
【発明の開示】
【課題を解決するための手段】
【０００８】
（発明の概要）
したがって、本発明により、上記の要請に応える熱画像解析方法およびシステムが開発された。例えば、本発明は、旧来のポリグラフ情報チャネルによって提供される一次元情報（例えば、人物の手首のような人物の特定箇所での平均血流量）に対して、事実か偽りかの二次元情報（例えば、人物の顔のかなりの部分に渡る血流量情報）を使用することができる。このような情報により、確度を高めることができる。
【０００９】
さらに、例えば、本発明は、非観血的方法でポリグラフ検査を提供しており、したがって、検査の執行は、簡約化される。
本発明は、被験者の顔面全体を撮影し、または被験者の顔面の１つまたは複数の領域を使用して熱画像データを取得し、その後、そのデータを処理してポリグラフ検査データを得ることができる。熱画像データは、血流量データ、例えば経時的な（すなわち、熱画像データの複数フレームに渡る）血流量の変化に変換される。
【００１０】
本発明による方法のいくつかの実施形態は：人物の顔の少なくとも１つの領域の熱画像データを提供すること；熱画像データを血流量データに変換すること；血流量データに基づいて人物が嘘をついているか否かを判定すること；人物の顔の少なくとも１つの領域の経時的な血流量の変化に基づいて人物が嘘をついているか嘘をついていないかを分類すること；嘘をついている人物の経時的な血流量の変化と嘘をついていない人物の経時的な血流量の変化の間の境界を表す勾配閾値を生成することによって人物が嘘をついているか嘘をついていないかに分類すること；人物が嘘をついていると分類されるべきか嘘をついていないと分類されるべきかを判定するために人物に関する経時的な血流量の変化を表す勾配を勾配閾値と比較すること；人物の眼の付近の少なくとも１つの領域、または人物の顔の複数の領域の熱画像データを提供すること；回答を引き出すために人物に質問をし、人物の上に熱赤外線画像装置の焦点を合わせ、少なくとも人物の回答中、熱画像データを捕捉することによって熱画像データを取得すること；および質問への回答に関して人物が嘘をついているか否かを判定することのうちの１つまたは複数を含む。
【００１１】
人物の嘘を検出する際に使用するためのシステムのいくつかの実施形態は：人物の顔の少なくとも１つの領域の熱画像データを提供するよう動作可能な熱赤外線画像装置；熱画像データを血流量データに変換するために熱画像データに対して動作可能なコンピュータ；血流量データに基づいて人物が嘘をついているか否かを判定するよう動作可能なコンピュータ；人物の顔の少なくとも１つの領域の経時的な血流量の変化に基づいて人物が嘘をついているか嘘をついていないかを分類するよう動作可能なコンピュータ；嘘をついている人物の経時的な血流量の変化と嘘をついていない人物の経時的な血流量の変化の間の境界を表す勾配閾値を生成するよう動作可能なコンピュータ；人物が嘘をついているか嘘をついていないかを判定するために人物に関する経時的な血流量の変化を表す勾配を勾配閾値と比較すること；人物の眼の付近の少なくとも１つの領域、または人物の顔の１つまたは複数の領域の熱画像データを提供するよう動作可能な熱赤外線画像装置；人物から引き出された回答中の少なくとも１期間に熱画像データを捕捉するよう動作可能な熱赤外線画像装置；引き出された回答に関して血流量データに基づいて人物が嘘をついているか否かを判定するよう動作可能なコンピュータ；および少なくとも１期間中に熱画像データの複数のフレームを捕捉するよう動作可能な熱赤外線画像装置とその期間中に人物の顔の少なくとも１つの領域の動きを追跡するよう動作可能なコンピュータのうちの１つまたは複数を含むことができる。
【００１２】
人物の生理学的状態を判定する際に使用する本発明による別の方法を説明する。この方法は、人物の顔の少なくとも１つの領域の熱画像データを提供することと、熱画像データを血流量データに変換することを含む。血流量データは、経時的な血流量の変化を表す勾配を含む。さらに、人物の第１の生理学的状態に関する経時的な血流量の変化と人物の第２の生理学的状態に関する経時的な血流量の変化の間の境界を表す勾配閾値が、提供される。人物が第１と第２のどちらの生理学的状態か、例えば嘘をついている状態か嘘をついていない状態かを判定するために経時的な血流量の変化を表す勾配が、勾配閾値と比較される。
【００１３】
さらに、人物の生理学的状態を決定する際に使用するシステムも説明する。このシステムは、人物の顔の少なくとも１つの領域の熱画像データを提供するよう動作可能な熱赤外線画像装置とコンピュータとを含む。コンピュータは、熱画像データを血流量データに変換するよう動作可能である。血流量データは、経時的な血流量の変化を表す勾配を含む。コンピュータは、人物の第１の生理学的状態に関する経時的な血流量の変化と人物の第２の生理学的状態に関する経時的な血流量の変化の間の境界を表す勾配閾値を提供するようさらに動作可能であり、人物が第１と第２のどちらの生理学的状態か、例えば嘘をついている状態か嘘をついていない状態かを判定するために経時的な血流量の変化を表す勾配を勾配閾値と比較するようさらにまた動作可能である。
【００１４】
本発明の上記概要は、本発明の各実施形態またはすべての実施態様を記述することは目的としていない。本発明をより完璧に理解することに伴い、添付の図面と共に以下の詳細な説明および特許請求の範囲を参照することにより、利点が明らかになり、理解されよう。
【発明を実施するための最良の形態】
【００１５】
本発明を、図１〜１１を参照して説明する。その後で、本発明の一実施例を少なくとも図１２を参照して説明する。
一般に、本発明は、熱画像解析を使用したポリグラフ検査のための方法およびシステムを提供する。この方法は、一般に、人物の一回の取り調べ（例えば、質疑応答の期間）の少なくとも一部期間における熱画像データの取得と、そのような熱画像データと血流量との間の生理学的相関関係と、それに基づく分類とを含む。
【００１６】
例えば、中赤外線カメラを使用した顔面熱画像を、実行することができる。その後、熱力学モデリングにより、生熱画像データを血流量データに変換することができる。最後に、１つまたは複数の異なる分類プロセス、例えば血流量データの解析に基づいて、人物の嘘をついているか嘘をついていないかへの分類を実行することができる。
【００１７】
すなわち、本発明は、微妙な顔面温度変動パターンを、非線形熱力学モデリングにより抽出する。このモデリングは、生熱画像データを、血流量情報に変換する。次いでこのような血流量データは、２元分類法または嘘か嘘でないかの有益な判定に繋がる任意の他の分類法の特徴として使用することができる。
【００１８】
熱画像データを使用することを必要とする本明細書に記載の方法および／またはシステムは、質問中に人物の嘘をついている状態と嘘をついていない状態とを判定する際に単独で使用することができ、または、このような方法および／またはシステムは、他の旧来のポリグラフ検査法と共に使用することができる。すなわち、本明細書に記載の熱画像解析は、旧来のポリグラフ検査状況での付加的採点チャネルとしてポリグラフ検査で１つの役割を担うことができる。このような付加的採点チャネルは、旧来の観血的な生理学的測定値を有する熱画像データを使用した本明細書に記載の非観血的な生理学的測定値の融合により、ポリグラフ検査の確度と信頼性とを高めることができる。
【００１９】
本明細書に記載の方法およびシステムの説明のための実施形態の１つまたは複数は、１つまたは複数の利点を提供する。例えば、本発明は、非観血的ポリグラフ検査プロセスを含む。したがって、このようなポリグラフ検査を受けている人物は、可能な限りくつろいだ状態でいることができる。
【００２０】
さらに、例えば、本発明の１つまたは複数の実施形態により熱画像を適切に処理した後、従来型のポリグラフチャネルを介して達成されたものに類似の情報、すなわち血流量データを達成することができる。様々な実施形態では、異なるタイプの情報を取得することができる。例えば、本明細書に記載の少なくとも１つの実施形態では、そのような情報は、人物の顔の１つまたは複数の領域全体から取られた平均血流量情報（すなわち、例えば、人物の顔の一点よりも広い領域全体での平均）を含むことができる擬似二次元血流量情報を含む。さらに、人物の顔の１つまたは複数の領域の複数箇所での血流量データを含むことができる本当の二次元血流量情報を達成することができる。当然ながら、以下でより詳細に説明するように、正確な箇所情報を取得するには、追跡アルゴリズムが必要となる。このようなタイプの情報は、旧来の、すなわち従来のポリグラフ検査のタイムラインを超えて取得される一次元情報、例えば人物の手首のある箇所での測定値を使用して得られた血流量とは異なる、これよりも正確なポリグラフ結果を提供する。
【００２１】
２００１年２月２日出願の「Ｄｅｔｅｃｔｉｏｎ Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ Ｕｓｉｎｇ Ｔｈｅｒｍａｌ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ」という名称の米国特許出願第０９／７７６，４７０号には、熱顔面画像解析による不安検出方法およびシステムが記載されている。一般に、個体が不安を感じているか否かを判定するために個体の熱顔面画像シグネチャが使用される。例えば、上記明細書に記載されているように、不安には、個体の眼の周囲の局所的な温度上昇が伴う。個体の眼の周囲の顔面熱パターンでのこのような変化には、通常、これに付随する頬全体の温度低下および／またはこれに付随する頚動脈領域全体の温度上昇が伴う。
【００２２】
一般に、不安が発現している間の個体の身体の熱変化パターン（例えば、不安が発現している間の個体の熱シグネチャ変化）が、生理学的な進化の感覚を構成する。これは、戦う覚悟ができている期間に高速眼球運動を促進するための機構を表すからである。すなわち、不安が高まると多数の生理学的反応が助長されるが、その多くは、交感神経系の活動が変化した結果生じるものである。これらの反応のうちの１つは、個体の様々な領域の局所温度の突然の変化を生じる血流の局所的再分布である。そのような領域の局所温度のそのような変化は、骨の上の肉の層が比較的薄い、人間の顔では、容易に明らかになる。
【００２３】
局所的領域でのこのような突然の温度の変化は、電磁スペクトルの中赤外線温度帯（すなわち、３ミクロンから５ミクロン帯）と遠赤外線温度帯（すなわち、８ミクロンから１４ミクロン帯）の両方での人体の顔の放射によって、検出することができる。当業者ならば理解するように、このような範囲は僅かに狭まったり、広がったりする場合がある。
【００２４】
熱赤外線バンドを参照番号２３で示して、電磁スペクトルのグラフを図２に示す。熱赤外線バンドは、電磁スペクトルの可視バンド２２と反射された赤外線バンド２１との上にある。
【００２５】
したがって、個々の人間の顔のそのような局所的な温度変化を示す熱顔面画像またはサーモグラムを生成するために、スペクトルのそのような領域における温度変化を感知するのに適した熱赤外線検出器を、使用することができる。参照により本明細書に組み込んだ米国特許出願第０９／７７６，４７０号に記載のように、個体の生理学的状態（例えば、不安）を決定するために、サーモグラム（例えば、中赤外線バンドと遠赤外線バンドの１つまたは複数を使用するサーモグラム）のそのようなデータを、使用することができる。
【００２６】
例えば、米国特許出願第０９／７７６，４７０号に記載され、また本明細書で図３を参照して記載するように、個体の顔３２の各種領域を参照した個体３０の熱顔面画像は、不安として検出することができる個体のシグネチャを提供する。例えば、上記のように、個体３０の不安の出現は（例えば、びっくりするような刺激、密輸品を国内に持ち込む時の恐怖、秘密地域で秘密活動を続行中に逃げ道を作る必要性から生じる恐怖などによって誘発される場合のあるような）、個体３０の眼３５の周囲の眼窩周囲領域３４で血流が増加したことによる温度上昇に、関連付けられる。眼窩周囲領域の大きさは、個体３０によって異なる。眼窩周囲領域３４での眼筋への外からの血流は、頬の領域に示される対応する温度低下を伴って主として頬の領域から眼筋に向けられたものである。
【００２７】
不安の出現に伴う個体の顔３２の局所的な領域での温度の上記の変化により、また不安出現時前（例えば、熱履歴）から出現時後の熱赤外線スペクトルによる個体３０からの放射を適切に監視することにより、従前の状態、例えば平静状態から不安状態への変遷の検出を達成することができる。変遷時の顔面熱赤外線パターンまたはシグネチャの当該変化は、劇的であり、米国特許出願第０９／７７６，４７０号に記載のように容易に認知することができる。
【００２８】
しかし、ポリグラフ検査設定では、熱画像データが取得される場合、眼の周囲および顔全体で観察される体温の変化は、通常は、ほんの僅かなものであり、米国特許出願第０９／７７６，４７０号を参照して不安出現時に記載されているほど突然のものではない。したがって、以下に詳述するように熱画像データだけを見る場合、このような体温の変化は、ほとんど顕著ではない。不安による熱画像データの変化とポリグラフ検査による熱画像データの変化との間に見られるこのような相違は、ポリグラフの被験者にほんの僅かなストレスしか掛かっていない結果であろうと思われる。
【００２９】
ポリグラフ検査中に取得された熱画像データのこのような顕著でない温度の変化を図５Ａ〜図５Ｂに全体的に示す。図５Ａは、ポリグラフ検査で人物が質問に嘘の回答をする前と嘘の回答をし始めた時の熱画像データを示している。温度は、グレイスケールで描かれている。但し、高温を黄色などの明るい色で表し、低温を青などの他の色で表す多色方式などのいかなる描写方式でも、使用することができる。図５Ｂは、質問に対する嘘の回答をし終わる頃の人物の熱画像データを描写したものを示している。図５Ａ〜５Ｂを見ると分かるように、熱画像データでは、顕著な違いは認められない。
【００３０】
したがって、ポリグラフ検査で使用するための本発明による有用な情報を提供するために、本明細書でさらに記載され、図６Ａ〜６Ｂに描写されているように、熱画像データは、血流量データに変換される。図５Ａの熱画像データに対応する図６Ａでは、質問に対して嘘の回答をする前と嘘の回答をし始めた時の人物の血流量の描写が、全体的に暗い画像で示されている。全体的に、顔の眼窩周囲の領域６０と顔の頬の領域６２に比較的明るい領域６０、６２を見ることができる。これは、このような領域で血流量が変化したことを示している。
【００３１】
質問に対して人物が嘘の回答をし終わる頃の、図５Ｂに示す熱画像データに対応する人物の顔の血流量の描写を図６Ｂに示す。図６Ｂに示すように、眼窩周囲領域６０の血流量の変化は、図６Ａと比較してかなり明るく描写されている。同様に、顔の皮膚６４の大部分を占める頬の領域６２も、図６Ａと比較してかなり明るく描写されている。
【００３２】
図６Ａと図６Ｂの間の血流量の描写の違いは、著しい。血流量の強さの描写に見られる違いは、これらの図面で、比較的明るい、または比較的鮮明な領域が血流量の最高度の変化を示すように表されている。すなわち、質問に対して嘘の回答を答えた場合、質問前から嘘の回答中への血流量の変化は、図６Ａに示される顔に対して図６Ｂの顔が比較的明るく表されていることによって、図面に示されている。
【００３３】
図６Ａと図６Ｂの間のこのような違いは、図５Ａ〜５Ｂの個体に関して示した描写された生熱画像データで違いがないのと全く対照的である。したがって、本発明によると、熱画像データを増幅することによって（例えば、このような熱画像データの経時的血流量への変換）、質問に対する人物の回答が嘘であるか嘘でないかの判定が得られる。
【００３４】
上述の一般原則に鑑みて、本発明によるポリグラフシステム１０の一実施形態を図１を参照して説明する。このポリグラフシステム１０に関連して、好適には、個体による回答（例えば、個体の供述）が嘘であるか嘘でないか（例えば、人物が嘘つきか正直か）を判定するために、ポリグラフ方法（例えば、図４に示すポリグラフ方法５０）の１つまたは複数の実施形態の様々なステップを実行するために、様々なソフトウェアルーチンまたはアルゴリズム１６を概説する。
【００３５】
ポリグラフシステム１０、例えば、人物３０から引き出された回答が嘘か嘘でないかを判定するシステムの概要を、図１に示す。ポリグラフシステム１０は、個体３０（図３も併せて参照のこと）が置かれている場面を表す適切な熱画像データを提供するように動作可能な熱赤外線画像装置１２を含む。熱赤外線画像装置１２からの熱画像データが、コンピュータ１４に提供される。
【００３６】
好適には、コンピュータ１４は、血流量データに変換された熱画像データに基づいて人物の嘘をついている状態と嘘をついていない状態の判定を提供するためにソフトウェア１６を実行するよう動作可能なコンピュータシステムを含む。コンピュータ１４は、プロセッサ装置を使用して実行可能なソフトウェア１６を使用して実施することができるが、他の専用ハードウェアも、ユーザに、個体３０の嘘をついていない状態と嘘をついている状態に関する情報を提供するために必要な機能を提供することができる。したがって、本明細書で使用するコンピュータという用語は、各種ソフトウェアルーチンを実行することができるプロセッサ装置に加えて、またはこれの代わりに専用ハードウェアも含む。
【００３７】
参照番号１４に関して以下で言及するコンピュータは、例えば、いかなる固定コンピュータシステムまたは移動コンピュータシステム、例えばパーソナルコンピュータであってもよい。コンピュータシステムの厳密な構成は限定的なものではなく、適切な計算能力を提供することのできるほとんどいかなる装置でも本発明により使用することができる。さらに、コンピュータディスプレイ、マウス、キーボード、プリンタなどのような各種周辺装置が、コンピュータ１４でプロセッサと組み合わせて使用されるものと見なされる。
【００３８】
熱赤外線画像装置１２は、電磁スペクトルの中赤外線バンドおよび／または遠赤外線バンドに反応するピクセル配列を有する１つまたは複数のサーマルカメラであることが好ましい。例えば、熱赤外線画像装置１２は、Ｒａｙｔｈｅｏｎから入手可能な、商標ＥｘｐｌｏｒＩＲで提供される遠赤外線バンド（すなわち、８ミクロンから１４ミクロンのバンド）に反応する非冷却式サーマルカメラであってよい。さらに、例えば、熱赤外線画像装置１２は、商標Ｒａｄｉａｎｃｅ ＨＳ Ｍｉｄ−Ｉｎｆｒａｒｅｄ ＣａｍｅｒａでＲａｙｔｈｅｏｎから入手可能な中赤外線バンド（すなわち、３ミクロンから５ミクロンのバンド）で反応する中赤外線カメラであってよい。
【００３９】
上記で指摘したように、人間の身体と顔は電磁スペクトルの中赤外線バンドと遠赤外線バンドの両方で放射している。したがって、より高度な確度を提供するため、遠赤外線バンドと中赤外線バンドのデータを比較することができるように、熱画像データを提供するために遠赤外線カメラと中赤外線カメラの両方を使用することが好ましい。しかし当業者ならば、本発明により遠赤外線バンドおよび／または中赤外線バンドのカメラの一方または両方を使用することができるということを理解するだろう。さらに、生理学的反応の僅かな変化の検出を試みる場合に、高感度カメラを使用することが好ましい。
【００４０】
ＥｘｐｌｏｒＩＲという商標で提供される遠赤外線カメラは、０．１５℃に等しいノイズ等価温度差（ＮＥＴＤ）の名目温度感度を有する。しかしこのような性能は、通常は得られず、ＥｘｐｌｏｒＩＲモデルの実際の温度感度は、０．５℃以上である可能性がある。これは、顔の温度分解能のかなりの量であるというだけなので、ある程度の情報は、マスキングされる可能性がある。商標Ｒａｄｉａｎｃｅ ＨＳ Ｍｉｄ−Ｉｎｆｒａｒｅｄ ＣａｍｅｒａでＲａｙｔｈｅｏｎから入手可能な中赤外線カメラは、確度を高めるために、非線形方程式によって特別な設定用に校正することができる。一般的には０．０２５℃に等しいＮＥＴＤを有する。校正プロセスは、略完璧な場面温度基準に対して洗練された非常に正確な（０．０１℃）の特異な黒体によって、補完することができる。
【００４１】
コンピュータ１４は、熱赤外線カメラ１２から提供される熱顔面画像データを処理するためのソフトウェアコンポーネント１６を含む。引き出した回答に関して個体３０が嘘をついているか嘘をついていないかを判定するために、熱赤外線カメラ１２から提供される熱画像データ、例えばピクセルデータを処理するために、このようなソフトウェアコンポーネント１６のうちの１つまたは複数を使用することができる。個体３０の熱顔面画像を解析するためのこのようなアルゴリズム的ソフトウェアコンポーネントを、図４に示すポリグラフ方法５０の流れ図またはブロック図の一例の一部として示す。
【００４２】
図４のポリグラフ方法５０に示すように、個体３０が置かれた場面の熱画像データ５２、例えばピクセルデータがコンピュータ１４に提供され、その後ソフトウェア１６によって処理される。このようなソフトウェア１６は、人物に関して捕捉した熱画像データを血流量データに変換するための変換コンポーネント（ブロック５４）と、血流量データに基づいて人物を嘘をついているか嘘をついていないかに分類するための分類コンポーネント（ブロック５６）とを少なくとも含む。
【００４３】
一般に、変換コンポーネント５４は、個体３０の顔３２の熱画像データを、血流量データとして実施される血流量情報（例えば、血流量、経時的な血流量の変化など）に変換するアルゴリズムを提供する。このような変換は、熱画像データを、顔の１つまたは複数の領域の経時的な（すなわち、複数フレームに渡る）血流量の変化を表すデータに変更することが好ましい。
【００４４】
このような変換は、異なる処理技術をいくつでも含むことができる。例えば、このような変換は、顔の熱画像データを、カメラ１２が提供する場面の熱画像データの背景から分離するためにセグメント化アルゴリズムを含むことができる。同様に、顔区画コンポーネントは、顔３２の熱画像データを１つまたは複数の領域に区画する機能を提供することができる。一実施形態では、図３に示し本明細書の随所に記載するように、本発明により、眼窩周辺領域３４を使用することが好ましい。
【００４５】
当業者には、本明細書に記載のポリグラフ方法では、例えば眼窩周辺領域、頬領域、額領域、鼻領域などのように領域をいくつでも使用することができるということが理解されよう。しかしある領域は、他の領域に比べてより有益な情報を提供することができる。さらに、本明細書の随所に記載するように、ポリグラフ検査に対して本当の二次元血流量データを提供するために、顔の１つまたは複数の領域の１つまたは複数の点（例えば、点のネットワーク）に対する血流量を、使用することができる。
【００４６】
さらに、一般的に、分類コンポーネント（ブロック５６）は、個体３０が嘘をついているか嘘をついていないかを判定するために、変換された熱画像データを処理することができるアルゴリズムを提供する。例えば、嘘をついているか嘘をついていないかに分類する個体３０の自動分類を実行することができる。このような分類を、様々なタイプの分類アルゴリズム（例えば、統計的学習方法を使用したあるクラスのアルゴリズムの一部であるパターン認識アルゴリズムなど）の１つによって、実行することができる。このようなアルゴリズムは、例えば人類全体の熱シグネチャの多少のばらつきを補正するために使用することができる。さらに、例えば、本明細書でさらに説明するように、ベースラインおよび／または閾値に基づく分類技法を、使用することができる。
【００４７】
したがって、一般に、図４に示すポリグラフ方法５０は、人物の顔の少なくとも１つの領域の熱画像データを提供することを含む（ブロック５２）。人物の顔の少なくともその領域の熱画像データは、血流量データに変換される（ブロック５４）。その後、例えば人物から引き出された回答に関して、嘘をついているか嘘をついていないかに人物を分類するために、血流量データが使用される（ブロック５６）。
【００４８】
図７は、図４のポリグラフ方法５０のブロック５２に全体を示す熱画像データの取得の一実施形態である。一般に、図７に示すように、人物に質問をすることによって、人物から回答が引き出される（ブロック７２）。質問された人物の顔の少なくとも１つの領域の熱画像データが、質問に対する少なくともその回答中に取得される（ブロック７４）（例えば、熱画像データは、質問中、回答中、回答後などに捕捉することができる）。例えば、ある場面の顔の少なくとも１つの領域の熱画像データは、熱赤外線カメラ、例えば図１の熱赤外線画像装置から受け取ることができる。このような熱画像データは、場面の少なくとも１つのフレームのピクセルデータを含む。しかし、熱赤外線カメラから複数のフレームが提供されることが好ましい。
【００４９】
ピクセル情報は、デジタル値または直接的な温度示度のどちらであってもよい。当然ながら、デジタル値は、それぞれの点またはピクセルでの実際の場面温度に比例する。すなわち、ピクセル値は、場面温度に対する間接的な相関関係または直接的な相関関係を有する。これは、ピクセル値が反射値と直接的な相関関係を有する可視バンドの画像とは、対照的である。
【００５０】
場面の熱特性を表すこのような受け取った熱画像データは、コンピュータ１４によって直接的に表示され、かつ／または記憶されることができる。例えば、コンピュータ１４に関連付けられたソフトウェアは、そのようなデータを摂氏で直接的に表示することを可能にする。例えば、多くの民間システムではこのようなデータは、グレイスケール値で提供することができる。画像のこのようなグレイスケール値による表示は、一般に描写への影響が乏しい。他の一般に使用されている多色または擬似カラー表示方式は、比較的画像品質は良い場合があるが、電磁スペクトルの可視バンドのダイナミックレンジに対して最適な結果を達成する。そのような表示方法が使用されるが、変換前の熱画像データの描写は、嘘をついているという判定に関する有益な情報はあったとしてもほとんど提供しないということは明らかである。
【００５１】
任意選択で、熱画像データが取得される際のポリグラフ検査の間を通して、その場面中で人物の少なくとも顔、例えば頭が動くのを追跡することができる。熱画像データを血流量データに変換するための微分熱力学方程式の正確な解は、点方向にフレームを超えて動作するので、このような追跡は、好ましい。しかし、追跡は、人物による嘘をついている挙動と嘘をついていない挙動をより正確に判定するが、本発明は、被験者が短期間だけは静止しているものと仮定して実行することができる。
【００５２】
血流量を経時的に監視することができる場合、顔の追跡アルゴリズムを所定の位置に配することによって、顔の点のネットワークを作成することができる。これは、擬似二次元情報、例えばピクセルの領域全体での平均血流量とは対照的な本当の二次元情報である。しかし、眼窩周辺域での、または十分な顔の領域全体での血流量を平均することは、登録エラーに対して許容性があり、頭部追跡アルゴリズムの使用および／または点ネットワークプロセスの使用の事実上の代替となる。
【００５３】
熱画像データは、図３に示すように、顔の１つの領域、例えば個体３０の眼窩周辺領域３４に関して取得することができ、あるいは複数領域に関して取得することができる。上述のように、十分な顔の領域全体の血流量は、登録エラーに対してより許容性がある場合がある。
【００５４】
捕捉された場面の背景から人物の顔を分離するために、上述のようにセグメント化アルゴリズムによって、場面の熱画像データを処理することができる。例えば、セグメント化プロセスは、場面の少なくとも１つの領域からの熱データを、場面の別の領域の熱画像データと比較することができる。人間の顔の熱特性は、その背景の熱特性とは一般的に好対照をなすので、このような比較およびセグメント化は、容易に実施することができる。この比較により、背景から人間の顔を分離するために使用することができるデータが得られる。背景から分離された人間の顔の熱画像データは、例えば変換コンポーネントによって後段のプロセスで使用することができる（図４のポリグラフ方法５０のブロック５４）。
【００５５】
さらに、顔の区画は、特定領域を相互に区別するために、１つの領域の熱画像データを別の領域の熱画像データと比較することによっても提供することができる。例えば、根本的な顔３２の解剖学的特徴は、区画のための顔３２の測位を容易にする。
【００５６】
例えば、図３に示すように、顔３２は、平面３３（顔３２を通過して、例えば図３に直交して定義される）に対して左右対称であり、対象領域（例えば、顔の各片側の１つの眼、平面３３の片側に半分と平面３３の反対側に半分が表示された鼻など）に区画することに役立つ。したがって、一般に、顔の片側から反対側に対しても、熱画像データの対称性がある。
【００５７】
各種アルゴリズム方法を使用して、顔の領域の区分または区画を達成することができる。例えば、顔の領域のそのような区分のために、変分原理を使用して一般化されたＢａｙｅｓ／ＭＤＬ基準を最小化することにより得られる領域競合アルゴリズムを使用することができる。このようなアルゴリズムは、Ｓ．Ｃ．ＺｈｕおよびＡ．Ｙｕｉｌｌｅによる「Ｒｅｇｉｏｎ Ｃｏｍｐｅｔｉｔｉｏｎ：Ｕｎｉｆｙｉｎｇ Ｓｎａｋｅｓ， Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇ， ａｎｄ Ｂａｙｅｓ／ＭＤＬ ｆｏｒ Ｍｕｌｔｉｂａｎｄ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ（領域競合：マルチバンド画像セグメント化のためのスネーク統合、領域拡大、およびＢａｙｅｓ／ＭＤＬ）」という題名のＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｖｏｌ．１８，Ｎｏ．９（ＩＥＥＥ 画像解析およびマシンインテリジェンスに対するトランザクション、第１８巻、第９号）（１９９６年９月）に記載されている。
【００５８】
好適には、セグメント化アルゴリズムおよび区画アルゴリズムは、静止画像並びに画像の動的シーケンス、例えばビデオクリップ、生ビデオ供給などに対して実行できるものであるべきである。したがって、画像シーケンス、例えばリアルタイム方式で提供される動的画像シーケンスの場合、顔および／またはセグメント化または区画された対象領域の１つまたは複数を自動追跡するために、熱静止／追跡および更新コンポーネントを使用することができる。次いでこのようなセグメントまたは対象領域は、即座に注目され、または特定される特定の熱画像データによって、フレームからフレームに追跡することができる。さらに、１つまたは複数の対象領域の正確かつ有効な熱画像データを提供するために、複数画像からのデータを使用することができる。１つまたは複数の対象領域の熱画像データ、例えば眼窩領域、頬領域などを、分類コンポーネントによる分類のために使用することができる（図４のポリグラフ方法に示すブロック５６）。
【００５９】
すなわち、１つの期間を通してフレームからフレームまで、顔およびセグメント化され、または区画された対象領域を連続的に自動追跡するために、熱画像データ取得ブロック５２を使用することができる。本発明による使用のために必須の熱画像データを提供するために、この動的追跡によって取得された１つまたは複数の領域の熱画像データを、フレームからフレームに動的に更新することができる。血流量データに変換するための熱画像データを提供するために、上記の様々なプロセス、例えばセグメント化、区画などは、すべてが協同して、またはそれらの１つまたは複数が前処理ルーチンとして動作することができる。次いでこのような血流量データを、分類のために使用することができる（ブロック５６）。
【００６０】
当業者ならば、血流量データに変換するための熱画像データを提供する前に熱画像データに関して様々な前処理ルーチンを実行することができること、また本発明が本明細書に概説したこれらのものだけに限定されないということを理解するだろう。
【００６１】
引き出された回答に関してその人物が嘘をついているか嘘をついていないかを分類するために、熱画像データに基づいて変換された血流量データを、単独で（すなわち、唯一の生理学的パラメータとして）使用することができる（図４に示すポリグラフ方法５０の分類ブロック５６）。しかし、このような変換された血流量データは、図８および９を参照して図示し、かつ記述した熱画像データを使用して得られた血流量データとは異なる１つまたは複数の他の生理学的パラメータと組み合わせても、使用することもできる。
【００６２】
図８は、ブロック８６に示す血流量データに基づいて人物から引き出された回答が嘘であるか嘘でないかという分類を提供する。例えば、このような分類は、図４に示すポリグラフ方法５０の結果であってよい。さらに、人物から引き出された回答が嘘であるか嘘でないかという分類は、他の生理学的パラメータに基づいても提供される（ブロック８４）。
【００６３】
例えば、ポリグラフ検査は、質問に対する人物の回答が嘘か嘘でないか、すなわち虚偽か事実かを判定するために、従来は１つまたは複数の生理学的パラメータを使用していた標準的な手順である。そのような従来型ポリグラフ検査中は、血液容量および脈変化、呼吸変化、および皮膚電気活動のような生理学的パラメータは観血的技法を使用して記録されており、これは次いで人物の正直さを判定するために使用される。図８に示すように本発明は、個体が嘘をついているか嘘をついていないかに分類するために、そのような他のパラメータ、すなわち熱画像データを使用して本発明により得られた血流量データとは異なる観血的方法を使用して取得された生理学的パラメータのうちの１つまたは複数を使用する。例えば、図８に示すように、ブロック８２に示すこのような他の生理学的パラメータが提供され、ブロック８４のこのようなパラメータに基づいて分類が実行される。
【００６４】
その後、プロセスに提供される１つまたは複数の他の生理学的パラメータに基づいて個体の分類を確定するために、熱画像データを使用した血流量データに基づく人物が嘘をついているか嘘をついていないかの分類（ブロック８６）を使用することができる（ブロック８２およびブロック８４）。同様に、熱画像データを使用して得られる血流量データに基づく分類（ブロック８６）は、熱画像データを使用して得られる血流量データとは異なる他の生理学的パラメータの測定値から得られた分類を使用して確定される（ブロック８２およびブロック８４）。
【００６５】
また、図９に示すように、分類アルゴリズムには、血流量データ（ブロック９４）と、熱画像データを使用して得られる血流量データとは異なる１つまたは複数の他の生理学的パラメータ（ブロック９２）の両方を提供することができる。人物が嘘をついているか嘘をついていないかの分類は、熱画像データを使用して得られる血流量データと１つまたは複数の他の生理学的パラメータ、例えば観血的方法によって取得されたパラメータの両方に基づくことができる。例えば、分類に到達した場合に、非観血的に収集されたデータと観血的に収集されたデータの両方を考慮するアルゴリズムを使用することができる。
【００６６】
当業者ならば、ポリグラフ検査のいかなる他の目的にも、熱画像データを使用して得られる血流量データに基づく分類を使用することができることを理解するだろう。例えば、個体の分類に使用される他の分類の確定、嘘をついているか嘘をついていないかに関する予備的判定を、他の適用可能なポリグラフ検査法またはステップなどを実施するために使用することができる。
【００６７】
さらに、ポリグラフ検査以外の他の有益な目的のために、本発明により決定される血流量データを使用することができる。例えば、特定の医学的応用、例えば監視データに基づくプロセスまた機器の制御のために本発明により決定される血流量データの監視を使用することができる。すなわち、本発明による熱画像データの血流量データへの変換は、他のタイプのプロセスまたは機器で使用されるべき血流量情報を得る独自の方法である。
【００６８】
さらに、米国特許出願第０９／７７６，４７０号に記載されているように、本発明は、血流量データへの変換を含めて熱画像データの解析により人物の他の生理学的状態を検出するために使用することができる。例えば、嘘をついているか嘘をついていないかの判定に加えて、人物の１つまたは複数の異なる生理学的状態、例えばうつ病、痴呆の周期、不安などを決定するために、本明細書に記載の方法およびシステムを使用することができる。本明細書で使用する不安という用語は、一般に一連の感情を示す。この一連の感情には、驚愕、不安、恐怖などが含まれる。このような一連の感情は、一般に個体が、詐欺、テロ、または不正行為のようなある種の活動に関わっている時点でその個体に表れる。このような感情または症状は、交感神経系によって発生されるものであって、その人物が完全に制御することはできない。したがって、これらは、生体測定インジケータ、例えば隠蔽することが非常に困難な測定可能な生理学的反応を提供する。
【００６９】
図１０は、図４に示すポリグラフ方法５０の分類コンポーネント５６（ブロック５６）と組み合わせた変換コンポーネント（ブロック５４）の流れ図の一例を示している。ブロック１０２で示すように、図４に示すようなポリグラフ方法５０の熱画像取得コンポーネント５２によって得られる熱画像データは、少なくとも質問から引き出された回答中に人物の顔の少なくとも１つの領域に関して受け取られる。このような熱画像データについては、本明細書で既に説明済みである。
【００７０】
その後、経時的な血流量の変化（例えば、勾配）が、熱画像データに基づいて決定される（ブロック１０４）。すなわち、熱赤外線画像装置（例えば、図１のポリグラフシステム１０の装置１２）から受け取った熱画像データに関する経時的な血流量の変化を表す勾配が決定される。
【００７１】
このような経時的な血流量の変化は、後述する熱画像データから決定することができる。様々な顔の領域の温度の変動は、主として血流量の変化によるものである。
熱力学モデリングは、血流量が、人体の核心温度と皮膚温の偏差の二乗に逆比例することを示している。この非線形相関関係は、ポリグラフィの被験者に観察される微弱な温度変化パターンを増幅し、米国特許番号第０９／７７６，４７０号の不安決定の応用例に記載されているようなレベルにまで情報ノイズを低減させる。
【００７２】
具体的には、熱平衡では、以下のように、人間の皮膚組織に対するヒートバランスの等式をモデリングすることができる：
Ｑr＋Ｑe＋Ｑf＝Ｑc＋Ｑm＋Ｑb，
上式で、
Ｑr＝被験者から大気中に放射される熱のカロリー単位による表示；
Ｑe＝基礎的な蒸発熱；
Ｑf＝皮膚表面付近の大気への会議による熱損失；
Ｑc＝皮下組織によって伝導された熱；
Ｑm＝皮膚組織の代謝率に相当する熱；
Ｑb＝皮下血管の血流量に起因すると考えられる対流による熱利得／損失。
【００７３】
皮膚温変化（ΔＴs）を短期間（Δｔ）だけ観察すると、以下の等式が得られる：
ＣsΔＴs＝−（ΔＱr＋ΔＱe＋ΔＱf）＋（ΔＱc＋ΔＱm＋ΔＱb），
上式で、Ｃs＝皮膚の熱容量。
【００７４】
皮膚温変化（ΔＴs）を短期間（Δｔ）だけ観察すると、以下の等式が得られる：
【００７５】
【数１】
上式で、Ｃs＝皮膚の熱容量である。
短期間（Δｔ）の場合、しかも被験者が食事をたっぷりと取ったばかりではないと仮定するならば、項ΔＱmは無視できるものと見なすことができる。項ΔＱr、ΔＱe、およびΔＱfは、ΔＱbの絶対値よりも約１／１００小さい絶対値を有するものと示される。したがって、
【００７７】
【数２】
上式で、
Δ＝０．８（温暖な状態での向流熱交換）；
ｐc＝０．９２ｃａｌ／ｍＬ／Ｋ（血液の熱容量）；
Ｖsi；ｉ＝１，２＝時刻ｔ1およびｔ2での皮膚血流量；
ＴB＝３１０Ｋ（核心での血液温度）；
Ｔsi；ｉ＝１，２＝時刻ｔ1およびｔ2での皮膚温度；
Ｓ＝皮膚の厚さ；
Ｋc＝０．１６８ｋｃａｌ／ｍ／ｈ／Ｋ（皮膚の熱伝導率）；および
ｄ＝皮膚表面から核心温度点までの深さ。
【００７９】
微分すると、以下の等式が得られる：
【００８０】
【数３】
ｄＶS／ｄｔ・ｄＴS／ｄｔを含む項を無視すると、以下の等式が得られる：
【００８２】
【数４】
上式で、Ｃは定数である。
校正された熱画像について、それぞれの取得時刻間のサンプルフレーム数によって正規化された一対の画像間の差分として、温度ｄＴS／ｄｔの導関数の離散時間近似を計算することができる。式ＴBＣSＫC／３ｄ Ｃは、定数を表している。したがって、未知のスケールファクタを除いて、項ｄＶS／ｄｔを推定することができる。ＶSの推定値を得るために、ｄＶS／ｄｔに関する式を数値的に積分することができる。
【００８４】
【数５】
に達するには、代謝熱成分を無視できるものと見なす必要がある。
画像のすべてのピクセルについてこの等式を解くことにより、生熱データを、血流量データに変換することができる。この等式の有意味な適用を保証するために、画像が背景を含まず被験者の顔だけを含むように、例えばセグメント化、区画などによって画像を切り抜くことができる。例えば、切り抜きは、各ビデオクリップの最初のフレーム、および特定の質疑応答セッションの終わりに向けてタイムラインを超えて適用される切り抜き寸法で行うことができる。これは、質疑応答セッションの短期間（５〜１０秒）の間、静止している被験者を前提としている。実験による経験に基づいて、静止している被験者という前提は、有効である。但し、このような短期間に顕著に動いているある種の興奮した被験者は、いくつかの決定に影響を与える可能性がある。
【００８６】
図１０の実施形態では、次いでフレーム毎にそれぞれの平均血流量が決定され、フレームからフレームへの平均血流量を表す信号が生成される。一例を図１２にプロットしたこのような信号は、分類の目的で使用することができる熱画像データのフレーム全体の血流量を提供する。
【００８７】
図１０に示すように熱画像データを血流量データに変換した後（ブロック１０４）、経時的な血流量の変化に基づいて質問に対する人物の回答を嘘か嘘でないかに分類するために、このような経時的な血流量の変化を、使用することができる（ブロック１０６）。
【００８８】
血流量の変化に基づいて質問に対する人物の回答を嘘か嘘でないかに分類することは（ブロック１０６）、１つまたは複数の異なる分類プロセスによって実行することができる。２つの具体的な分類プロセスを、勾配閾値が生成される図１１Ａ〜１１Ｂを参照して説明する。しかし、様々な他の分類プロセスも実行可能である。
【００８９】
例えば、コンピュータ装置１４に関連付けられたソフトウェアは、このような血流量データの強度に関して血流量データを表示または描写することを可能にすることができる。例えば、画像のこのようなグレイスケール表示は、一般に描写効果に乏しいが、このようなデータをグレイスケールで提供することができる。他の一般に使用されている多色擬似色表示方式は、比較的良好な描写効果を提供することができる。
【００９０】
すなわち、血流量データは、表示画面上に直接的に表示することができ、分類は、表示上の血流量データを監視している人物が手作業で実行することができる。例えば、図６Ａ〜６Ｂに示すように、血流量データの大きな差異が可視的に表示される。ユーザは、表示上に表された血流量データの変化に基づいて個体を嘘をついているか嘘をついていないかに、手作業で分類することができる。したがって、人間の顔またはその１つの領域の血流量データを例えば多色擬似色技法を使用してユーザに表示するソフトウェアによって、分類ソフトウェアコンポーネント（ブロック１０６）を実施することができる。しかし、他のタイプの分類プロセス、例えば自動のリアルタイムシステムが好ましい。
【００９１】
例えば、パターン認識／分類ソフトウェアは、自動分類を実行することができる。ソフトウェアのそのようなアルゴリズムは、トレーニングおよびパフォーマンスモードで動作することが好ましい。例えば、トレーニングモードでは、ソフトウェアコンポーネントは、Ｍ．Ｉ．ＪｏｒｄａｎおよびＲ．Ａ．Ｊａｃｏｂｓ著、「Ｈｉｅｒａｒｃｈｉｃａｌ Ｍｉｘｔｕｒｅｓ ｏｆ Ｅｘｐｅｒｔｓ ａｎｄ ｔｈｅ ＥＭ Ａｌｇｏｒｉｔｈｍ（エキスパートおよびＥＭアルゴリズムの階層混合）」、ニューラルコンピューテーション、第６巻、１８１〜２１４頁（１９９４年）に記載されているような、統計的学習方法のクラスに属するアルゴリズムを含むことができる。このようなトレーニングモードでは、嘘をついている状態と嘘をついていない状態の個体について統計的な血流量データに関してルーチンが学習するので、アルゴリズムを更新することができ、このような分類の確度はより信頼あるものになる。アルゴリズムのパフォーマンスモードは、実際の分類を実行するように動作する。
【００９２】
さらに分類プロセスは、分類を実行するために、血流量データと決定されたベースラインとの比較を使用することができる。ベースライン基準は、例えば嘘をついている人物の嘘をついている状態と嘘をついていない状態の対比の血流量またはシグネチャであってよい。例えば、嘘をついていない状態と嘘をついている状態の対比によって個体に対するベースラインを作成するために統計的解析を使用することができる。人類全体で多彩な反応のばらつきがあるということを考慮する必要がある。
【００９３】
すなわち、嘘をついていない状態と嘘をついている状態の対比の信頼は、各種要因によって異なる様々な血流量画像によって示すことができる。例えば、個体の精神状態、個体の知性、個体の人種、個体の体調、個体の血圧、および人口母集団全体の多くの他の変数は、嘘をついている状態と嘘をついていない状態の対比による個体の血流量データに影響を与える。
【００９４】
さらに、個体から熱画像データを取得することに関する他の条件も考慮する必要がある。例えば、その場の温度と明るさの影響も考慮する必要がある場合がある。
したがって、実験データの収集とその分析により、大きな母集団を対象とするベースライン基準を決定することができる。
【００９５】
例えば顔の特定領域（例えば、眼窩周囲領域）に対するベースライン基準が設定されると、熱画像データを取得し、血流量データに変換し、ベースライン基準と比較することができる。例えば、個体の眼窩周囲領域に関して熱画像データを捕捉し、変換することができる。その後、眼窩周囲領域に関する血流量データを、嘘をついている状態と嘘をついていない状態の対比で個体に関して作成されたベースライン基準から決定された閾値レベルと比較することができる。
【００９６】
さらに、Ｅ．Ｇｏｓｅ他著、「Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ（パターン認識および画像解析）」１５９〜１８６頁、Ｐｒｅｎｔｉｃｅ−Ｈａｌｌ、Ｕｐｐｅｒ Ｓａｄｄｌｅ Ｒｉｖｅｒ、Ｎｅｗ Ｊｅｒｓｅｙ（１９９３年）に記載されているように、最近傍（ＮＮ）分類子設定の特徴ベクトルとして、血流量データまたはそれを表す信号を使用することができる。ＮＮのｎｅａｒｅｓｔ（最も近い）という用語は、取得されるフレームの数を３００として３００ディメンションの空間での最小のユークリッド距離を示す。このようなプロセスでは、対照の少数被験者からの距離に基づいて大多数の被験者を分類することを目的としている。対照の被験者の母集団は無作為であるべきである。
【００９７】
別法として、嘘をついている場合と嘘をついていない場合に対して典型的な血流量信号を設定し、それぞれのユークリッド距離を測定することができる。これらの典型的な嘘をついている状態と嘘をついていない状態の血流量信号は、ストレスの掛かった状態とストレスの掛かっていない状態での予測される生理学的反応に対応するはずである。
【００９８】
図１１Ａは、嘘をついている時と嘘をついていない時の経時的血流量の変化の勾配データに適用される閾値処理アルゴリズムを使用して生成された勾配閾値に基づく分類プロセスの一実施形態を示している。図１１Ａに示すように、質問への回答中に人物の顔の少なくとも１つの領域に関して熱画像データが受け取られる（ブロック１１０）。その後、経時的血流量の変化が決定される（ブロック１１２）。
【００９９】
生成された勾配閾値は、嘘をついていない被験者と嘘をついている被験者の両方を含む複数の被験者に対する勾配データに基づいている（ブロック１１４）。理想的には、勾配データは、嘘をついていない被験者に対して１つと嘘をついている被験者に対して１つの双峰分布を構成すべきである。この分類子は、閾値処理アルゴリズムに勾配データを供給することによって検査することができる。例えば、勾配データは、被験者の回答中の経時的血流量の変化を表すことができる（例えば、図１２の領域１３４を参照のこと）。
【０１００】
使用することができるそのような１つの閾値処理アルゴリズムは、Ｎ．Ｏｔｓｕ著、「Ａ Ｔｈｒｅｓｈｏｌｄ Ｓｅｌｅｃｔｉｏｎ Ｍｅｔｈｏｄ ｆｒｏｍ ＧｒａｙＬｅｖｅｌ Ｈｉｓｔｏｇｒａｍｓ（グレイレベルヒストグラムからの閾値選択方法）」ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ，Ｍａｎ ＆ Ｃｙｂｅｒｎｅｔｉｃｓ、第９巻、第１号、６２〜６５頁（１９７９年）に記載されている。このアルゴリズムは、双峰分布で信頼ある性能を有する。これには、ノンパラメトリックな教師なしの閾値選択方法を必要とする。複数のクラスの結果の可分性を最大限にするために最適な閾値が選択される。このアルゴリズムは、ヒストグラムのゼロ次および１次累積的モーメントだけを使用する。
【０１０１】
複数の嘘をついていない被験者と嘘をついている被験者に対する勾配データに基づいて勾配閾値が生成されると、バイナリディシジョンを行うために、この勾配閾値を使用することができる。このようなバイナリディシジョンは、人物の回答を嘘と嘘でない回答に分類するために、質問に回答中の人物の経時的血流量の変化を表す勾配を、勾配閾値と比較することによって行うことができる（ブロック１１６）。例えば勾配が、閾値よりも小さい場合、その回答を、嘘でない回答に、例えばその被験者は嘘をついていないと分類することができる。同様に、勾配が勾配閾値よりも大きい場合、引き出された回答または答を、嘘であると分類することができる。
【０１０２】
図１１Ｂは、生成された勾配閾値が、質問期間中の複数の嘘をついている人物と嘘をついていない人物に関する経時的な血流量の変化を表す勾配（例えば、図１２の領域１３２を参照のこと）と回答期間中の複数の嘘をついている人物と嘘をついていない人物に関する経時的な血流量の変化を表す勾配（例えば、図１２の領域１３４を参照のこと）の積に基づく積勾配閾値であることを除いて、図１１Ａを参照して説明した分類プロセスと略同じ分類プロセスを示している。すなわち、図１１Ｂに示すように、質問期間中と質問に対する回答期間中に人物の顔の少なくとも１つの領域に関して熱画像データが受け取られる（ブロック１２０）。質問期間と回答期間の積勾配を提供するために、これらの両期間中の人物に関してブロック１２２に示すように経時的な血流量の変化を決定するため、熱画像データが変換される。
【０１０３】
積勾配閾値が、生成される（ブロック１２４）。積勾配閾値は、質問期間と回答期間の両方で、嘘をついていない被験者と嘘をついている被験者の両方を含む複数の被験者に関して経時的な血流量の変化を表す勾配を使用して生成される。すなわち、上記のように、積勾配を得るために、質問期間中の各人物に関する経時的な血流量の変化を表す勾配に、回答期間中のその人物に関する経時的な血流量の変化を表す勾配が、乗じられる。積勾配閾値を得るために、上記のような閾値処理アルゴリズムが、積勾配に適用される。
【０１０４】
その後、質問に対する回答に関してバイナリディシジョンがなされ、引き出された回答が、嘘であるか嘘でないかが積勾配閾値に基づいて判定される（ブロック１２６）。すなわち、人物の回答を嘘であるか嘘でないかに分類するために、その人物に対する積勾配が、積勾配閾値と比較される。
【０１０５】
質問に対して嘘の回答または嘘でない回答をしている際の個体を分類するための実施形態として様々なプロセス例を提供したが、当業者ならば、本発明により、人間の顔３２の熱画像データから得られた血流量データを使用する他の分類プロセスを使用することができるということを容易に理解するだろう。
【０１０６】
以下に示す次の実施例により上記方法および／またはプロセスの１つまたは複数をさらに理解することができる。
【０１０７】
（実施例）
ポリグラフ検査は、模擬犯罪シナリオを中心として設計されている。犯罪場面は、女性をドライバーで刺すことを含んでいる。被験者の何人かは、「無罪」とプログラムされており、何人かは、「有罪」とプログラムされている。有罪の被験者は、その犯罪が事実であるかのようにその犯罪を演じる。犯罪場面で刺された女性の役は、マネキン人形が演じる。犯罪の動機としては、２０ドル紙幣を盗むことであると特定されている。無罪の被験者は、この犯罪場面に関していかなる知識または関連も持たない。
【０１０８】
被験者が答えなければならない質問は、いわゆるゾーン比較検査を構成する１０問の文章による質問（表１を参照のこと）と、いわゆる犯罪知識検査（ＧＫＴ検査）を構成する６問の短い質問（表２を参照のこと）の２組の質問である。ゾーン比較検査では、被験者は、各質問に「はい」または「いいえ」だけで答えるよう要求される。ＧＫＴ検査では、被験者は、当該事件に関する凶器を１つだけ含んだ潜在的凶器のリストの全体を読まなければならない。単語毎に被験者の生理学的反応が測定される。旧来のポリグラフ検査では、凶器を示す単語を聞いた時に有罪の被験者には強い生理学的反応があるものと予想される。
【０１０９】
【表１】
まず、ポリグラフの検査官は、被験者に検査の内容に慣れさせるために２組の質問を読み上げる。この時点では、被験者は、どの質問にも回答することを要求されず、何も採点はされない。次いで検査官は、質問を繰り返し、今度は被験者は、回答するよう要求される。これが最初の正式な「実行」である。引き続き２回の実行がある。すべての３回の実行でゾーン比較検査の質問は、全く同じである。しかしＧＫＴ質問では、凶器を示す単語の位置が、実行毎に変わる。本発明者らの検査の最初の２回の実行での凶器を示す単語の位置を、表２に示す。
【０１１１】
【表２】
旧来のポリグラフでは、すべての３回の実行が採点される。しかし採点方式の詳細を検討すると、ゾーン比較検査の３問の質問は、全く採点されていないことが分かる（表１を参照のこと）。これらは無関係な質問または前兆質問であり、生理学的観点からのフィルタとしての役割を果たしている。被験者にゾーン比較検査とＧＫＴ検査を３回受けさせる根拠は、起こりうるノイズのある回答の貢献を平均化するためである。当然ながら、生理学的反応の平均的強度は、実行１と比較して、実行２と実行３に関しては低いことが予想される。これは、検査が反復するという特徴に起因するものであり、採点方式で考慮される。
【０１１３】
旧来の観血的な方法と並んで、各被験者の各質問に対する熱ビデオデータのデジタルクリップが記録される。本発明者らの記録は、検査官が質問を発する直前から始まり、被験者が回答し終わった直後までなされる。ゾーン比較検査の質問の場合、平均記録長は、３０フレーム／秒で３００フレームである。ＧＫＴの質問の場合、平均記録長は、３０フレーム／秒で１５０フレームである。有罪か無罪かを判定するために最も重要な質問の１つは、本発明者らのケースでは、「盗んだ２０ドルを現在所持していますか。」というように表現された質問１０である。
【０１１４】
最初の２回の実行だけを熱画像処理および解析のために記憶する。
冷却した中赤外線カメラ、Ｒａｙｔｈｅｏｎ製のＲａｄｉａｎｃｅ ＨＳを使用する。カメラの焦点面（ＦＰＡ）は、３〜５μｍの波長に反応し、その大きさは、２５６×２５６ピクセルである。
【０１１５】
模擬犯罪の状況ではほんの僅かな刺激が、すなわち微小な顔の温度変化が起こるので、温度感度は、重要である。Ｒａｙｔｈｅｏｎ Ｒａｄｉａｎｃｅ ＨＳの熱感度は、ＮＥＤＴ＝０．０２５℃である。
【０１１６】
最高レベルの温度示度の確度を保証するために、Ｒａｙｔｈｅｏｎ Ｒａｄｉａｎｃｅ ＨＳカメラは、外部の黒体を使用して校正される。具体的には、本発明者らのカメラ（ＮＥＤＴ＝０．０２５℃）と等しい熱感度を有するＳａｎｔａ Ｂａｒｂａｒａ Ｉｎｆｒａｒｅｄ製の２００８モデルを使用する。最低および最高の校正温度を、それぞれＴmin＝２９℃およびＴmax＝３８℃に設定する。本発明者らの実験による経験によれば、これらは、人間の顔全体に見られる温度の限度である。
【０１１７】
動作は中赤外線スペクトルなので、測定値に対する照明からのいかなる影響をも除去するために、この実験は、薄暗くした部屋で実行する。サーマルカメラは、パーソナルコンピュータおよび関連するソフトウェアに接続されており、これらによって制御されている。質問および被験者毎のすべてのビデオクリップが、ハードディスクに直接記憶される。
【０１１８】
ポリグラフ検査設定では、温度は、眼の周囲で変化しており、顔全体では非常に僅かであって、図５Ａ〜５Ｂを参照して本明細書で既に説明したようにほとんど見えないほどであることを可視的に観察することができる。図５Ａは、質問１０に回答している被験者３の生熱スナップショットを表しており（開始近く）、図５Ｂは、質問１０に回答している被験者３の生熱スナップショットを表している（終了近く）。これら２つの画像の違いを認知することはできない。
【０１１９】
熱画像データは、等式：
【０１２０】
【数６】
を使用して変換される。
画像の各ピクセルについてこの等式を解くことにより、生熱データを、血流量データに変換することができる。この等式の有意味な適用を保証するために、画像が背景を含まず被験者の顔だけを含むように、画像を切り抜くことができる。切り抜きは、各ビデオクリップの最初のフレーム、および特定の質疑応答セッションの終わりに向けてタイムラインを超えて適用される切り抜き寸法で行う。これは、質疑応答セッションの短期間（５〜１０秒）の間、静止している被験者を前提としている。実験による経験により、静止している被験者の前提は、有効である。但し、このような短期間に顕著に動いているある種の興奮した被験者は、いくつかの決定に影響を与える可能性がある。
【０１２２】
変換されたデータを、本明細書の図６Ａと６Ｂに示す。図６Ａは、被験者３が質問１０に回答している際（開始近く）の被験者３の顔の血流量の描写である。図６Ｂは、被験者３が質問１０に回答している際の（終了近く）の被験者３の顔の血流量の描写である。これら２つの画像の違いは大きい。陰影により、血流量の強度の範囲が、最低値から最高値まで指標付けされる。
【０１２３】
各質問での各被験者について眼窩周囲域と額域の輪郭を、描くことが可能である。この輪郭描写は、ビデオクリップの最初のフレームで行われ、静止している被験者の前提にも基づいている。輪郭を描いた眼窩周囲域と額域で、フレーム毎にそれぞれの平均血流量が計算される。これは、質問タイムラインを超えて、１つは「眼」の信号でありもう１つは「額」の信号である２つの信号を生成する。嘘をついているカテゴリと嘘をついていないカテゴリに被験者を分類するためのパターン認識アルゴリズムに、このような信号が入力される。
【０１２４】
この実施例では、ゾーン比較検査の「眼」の信号だけが、重要な識別能力を有するものと決定される。１つの重要な制約は、検査中に被験者は、眼鏡をしてはいけないということである。眼鏡は、中赤外線または遠赤外線では不透明である。したがって、眼窩熱シグネチャが散らされる可能性がある。この制約は、ポリグラフ検査に関連する管理された環境では強制することが容易である。
【０１２５】
「額」の信号（例えば、図３の領域３７から）は、差別的には表示されず、また、被験者の額に垂れた前髪がその下の皮膚の熱シグネチャの散乱を招くというような他の関連する問題を有する。
【０１２６】
「眼」の信号を注意深く視覚的に観察することによって、被験者に対する質疑応答セッションでの生理学的反応には、２つの段階があることが明らかになる。これは図１２を参照すると分かる。最初に、領域１３２で質問を発している間、すべての被験者で「眼」の曲線が、徐々に上昇している。この場合、領域１３４で被験者が質問に回答する際に、何人かの被験者では「眼」の曲線が、徐々に上昇しつづけている（曲線１３８）のに対し、他の被験者ではより急激に上昇している（曲線１３６）という特徴があるという違いが見られる。回答セッション中の急激な「眼」の曲線１３６は、嘘の回答であることを示している。
【０１２７】
図１２は、実行１の質問１０（Ｑ１０）に対するすべての被験者についての眼の曲線を示している。質問を発している間（フレーム１５０まで）は、曲線の勾配にはほとんど違いはない。回答している間（フレーム１５１からフレーム３００まで）は、曲線の勾配に大きな違いがある。
【０１２８】
「眼」の曲線が０から始まっているように表示されているのは、計算される微分方程式の解に対して初期状態がゼロになっているからである。すなわち、ゼロの初期血流量を有するのは、「死んでいる被験者」しかいないので、この測定値は、比較設定で解釈されるべきである。「眼」の曲線の上昇の相対速度だけを対象とするので、この比較測定設定は、ポリグラフ検査の目的には適している。
【０１２９】
対応する質問（図１２の領域１３２）と回答（領域１３４）セッションの「眼」の曲線の勾配の積を、分類の特徴として使用する。理想的には、勾配の積は、嘘をついていない被験者に対して１つと嘘をついている被験者に対して１つの双峰分布を構成すべきである。勾配積は、閾値処理アルゴリズムに供給される。次いで、この閾値は、バイナリディシジョンを行うために使用される。「眼」の曲線の勾配積が閾値よりも小さい場合、本発明者らは、その回答を嘘ではないと分類する。「眼」の曲線の勾配積が閾値よりも大きい場合、本発明者らは、その回答を嘘であると分類する。
【０１３０】
選択された閾値処理アルゴリズムは、双峰分布でのそのような性能により本明細書で既に述べたＯｔｓｕによる論文に記載されている。これには、ノンパラメトリックな教師なしの閾値選択方法を必要とする。結果のクラスの可分性を最大限にするために最適な閾値が選択される。このアルゴリズムは、ヒストグラムのゼロ次および１次累積積率だけを使用する。分類の結果を以下に示す。
【０１３１】
１組の３２人のポリグラフ被験者を検査する。当該被験者中２２人だけのデータを使用の基準に適ったものと見なし、他は人為的エラーおよび機械エラーまたは悪影響により無効とする。２２人の適格な被験者から、ポリグラフ検査が昼食直後に行われたという理由で４人を除外する。
【０１３２】
選択の結果１８人になった被験者全員に関して、熱画像解析全体による採点はゾーン比較検査の質問１０（Ｑ１０）に関してのみ可能である。しかし、質問１０（Ｑ１０）は、被験者に関して有罪か無罪かの判定に最も重要な質問の１つであり、したがって、本発明者らの結果の有効性は、依然として非常に適切である。
【０１３３】
表３は、熱画像解析システムによる分類結果と旧来のポリグラフ解析による分類結果とを並べたものである。本発明者らの熱画像解析方法が正確な分類率（ＣＣＲ）＝８４パーセントを達成している（すなわち、被験者１３のフォルスアラームを除いて勾配積６７度以上の被験者が嘘をついていると正しく分類され、さらに被験者１４および１７が見落とされている、すなわち検出されるべき時に検出されていない）のに対し、旧来の解析はいくつかのフォルスアラームと検出見落としを特徴としてＣＣＲ＝７８を達成している（すなわち、被験者１７および６が見落とされている、すなわち検出されるべき時に検出されておらず、被験者２３および９はフォルスアラーム、すなわち嘘であるとラベリングされるべきでない時に嘘であるとラベリングされている）ことが分かる。
【０１３４】
この分類のための特徴は、ゾーン比較検査の質問１０（Ｑ１０）の質疑応答セッション中の「眼」の曲線の勾配の積である。勾配は、それぞれフレーム０と１５１で曲線の角度（ｍｌ／分*１０ｇ）／フレームで）表現される（図１２参照のこと）。積勾配のリストは、最小値から最大値の順番で並べられる。小さい勾配積値は、嘘でない回答に対応し、大きな勾配積値は、嘘の回答に対応する。嘘の主張はすべて、順番付けられたリストの一番下に集まっている。旧来の尺度は、−５から＋５の範囲であり、ここでは、負でない値が、嘘でない回答を示し、負の値が、嘘の回答を示している。
【０１３５】
【表３】
上述したようにＯｔｓｕによる閾値処理アルゴリズムを適用することによって、閾値Ｔ＝６７が達成される。この値を使用してバイナリ分類ディシジョンを行い、表３の決定が達成される。
【０１３７】
本明細書で引用したすべての参照文献は、それぞれが別個に組み込まれるようにしてその全体が組み込まれている。以上、本発明は、例示の実施形態を参照して説明しており、限定する意味で解釈されることを意図してはいない。例示の実施形態の様々な修正形態、並びに本発明の追加の実施形態は、本明細書を参照することによって当業者には明らかになろう。
【図面の簡単な説明】
【０１３８】
【図１】本発明によるポリグラフシステムの一実施形態を示すブロック図である。
【図２】電磁（ＥＭ）スペクトルのグラフである。
【図３】本発明による熱顔面画像の一例を示す図である。
【図４】本発明によるポリグラフ方法の一実施形態を示す全体的なブロック図である。
【図５−Ａ】本発明による熱画像データと血流量データに変換された熱画像データとの間の比較を示す図である。
【図５−Ｂ】本発明による熱画像データと血流量データに変換された熱画像データとの間の比較を示す図である。
【図６−Ａ】本発明による熱画像データと血流量データに変換された熱画像データとの間の比較を示す図である。
【図６−Ｂ】本発明による熱画像データと血流量データに変換された熱画像データとの間の比較を示す図である。
【図７】本発明による図４に全体的に示した熱画像取得の一実施形態を示す図である。
【図８】熱画像データを使用して得られる血流量データに加えて、これとは異なる生理学的パラメータを使用する本発明による分類方法を示すブロック図である。
【図９】本発明による熱画像データを使用して得られる血流量データに加えて、これとは異なる１つまたは複数の他の生理学的パラメータを使用する分類方法を示す別のブロック図である。
【図１０】図４の方法に全体的に示した熱画像データ変換プロセスと分類プロセスとの一実施形態を示す図である。
【図１１−Ａ】本発明による図４のポリグラフ方法に全体的に示した変換および分類プロセスの別の流れ図である。
【図１１−Ｂ】本発明による図４のポリグラフ方法に全体的に示した変換および分類プロセスの別の流れ図である。
【図１２】本発明によるポリグラフ方法およびシステムの一例を説明する際に使用するグラフである。
Claims (31)
- 人物の嘘を検出する際に使用する方法であって、
人物の顔の少なくとも１つの領域の熱画像データを提供するステップと、
前記熱画像データを、経時的な血流量の変化を表す勾配を含む血流量データに変換するステップと、
嘘をついている人物の経時的な血流量の変化と嘘をついていない人物の経時的な血流量の変化の間の境界を表す勾配閾値を提供するステップと、
前記人物が嘘をついているか嘘をついていないかを判定するために、経時的な血流量の変化を表す勾配を前記勾配閾値と比較するステップと、
を含む方法。 - 請求項１に記載の方法であって、勾配閾値を提供するステップが、複数の被験者が出された質問に回答する回答期間の少なくとも一部期間に前記複数の被験者の前記経時的な血流量の変化を表す回答勾配に少なくとも基づいて、勾配閾値を生成するステップを含む、方法。
- 請求項１に記載の方法であって、勾配閾値を提供するステップが、複数の被験者が質問期間中に出された質問に回答する回答期間の少なくとも一部期間に前記複数の被験者の前記経時的な血流量の変化を表す回答勾配と、質問期間の少なくとも一部期間に複数の被験者の前記経時的な血流量の変化を表す質問勾配とに基づいて、勾配閾値を生成するステップを含む、方法。
- 請求項３に記載の方法であって、勾配閾値を提供するステップが、対応する質問勾配と回答勾配の積に基づいて、勾配閾値を生成するステップを含む、方法。
- 請求項１に記載の方法であって、前記熱画像データを提供するステップが、前記人物の眼の付近の少なくとも１つの領域の熱画像データを提供するステップを含む、方法。
- 請求項１に記載の方法であって、
熱画像データを提供するステップが、
回答を引き出すために人物に質問をするステップと、
熱画像データを提供するよう動作可能な熱赤外線画像装置の焦点を前記人物の前記顔の少なくとも前記領域に合わせるステップと、
少なくとも前記人物からの前記回答中の少なくとも１期間に熱画像データを捕捉するステップと、
を含む、方法。 - 請求項６に記載の方法であって、前記人物が嘘をついているか嘘をついていないかを判定するステップが、前記質問への前記回答に関して前記人物が嘘をついているか嘘をついていないかを判定するステップを含む、方法。
- 請求項１に記載の方法であって、
熱画像データを提供するステップが、
熱画像データを提供するよう動作可能な熱赤外線画像装置の焦点を前記人物の前記顔の少なくとも前記領域に合わせるステップと、
少なくとも１期間中に熱画像データの複数のフレームを捕捉するステップと、
前記人物の前記顔の少なくとも前記領域の動きを追跡するステップと、
を含む、方法。 - 人物の嘘を検出する際に使用するシステムであって、
人物の顔の少なくとも１つの領域の熱画像データを提供するよう動作可能な熱赤外線画像装置と、
コンピュータであって、
前記熱画像データを、経時的な血流量の変化を表す勾配を含む血流量データに変換し、
嘘をついている人物の経時的な血流量の変化と嘘をついていない人物の経時的な血流量の変化の間の境界を表す勾配閾値を提供し、
前記人物が嘘をついているか嘘をついていないかを判定するために、人物の経時的な血流量の変化を表す勾配を勾配閾値と比較するコンピュータと、
を含むシステム。 - 請求項９に記載のシステムであって、前記勾配閾値が、複数の被験者が出された質問に回答する回答期間の少なくとも一部期間に前記複数の被験者の経時的な血流量の変化を表す回答勾配に少なくとも基づいて、提供される、システム。
- 請求項９に記載のシステムであって、前記勾配閾値が、複数の被験者が質問期間中に出された質問に回答する回答期間の少なくとも一部期間に前記複数の被験者の経時的な血流量の変化を表す回答勾配と、質問期間の少なくとも一部期間に複数の被験者の経時的な血流量の変化を表す質問勾配とに基づいて、提供される、システム。
- 請求項１１に記載のシステムであって、前記勾配閾値が、対応する質問勾配と回答勾配の積に基づく、システム。
- 請求項９に記載のシステムであって、前記熱赤外線画像装置が、前記人物の眼の付近の少なくとも１つの領域の熱画像データを提供するように動作可能である、システム。
- 請求項９に記載のシステムであって、前記熱赤外線画像装置が、少なくとも前記人物から引き出された回答中の少なくとも１期間に熱画像データを捕捉するように動作可能である、システム。
- 請求項１４に記載のシステムであって、前記コンピュータが、少なくとも前記引き出された回答中に捕捉された前記熱画像データに対応する前記血流量データに基づいて、前記人物が嘘をついているか嘘をついていないかを判定するように動作可能である、システム。
- 請求項９に記載のシステムであって、
前記熱赤外線画像装置が、少なくとも１期間中に熱画像データの複数のフレームを捕捉するように動作可能であり、
前記コンピュータがさらに、前記期間中に前記人物の前記顔の少なくとも前記領域の動きを追跡するように動作可能である、システム。 - 請求項９に記載のシステムであって、該システムはさらに、
熱画像データを使用して得られる血流量データとは異なる１つまたは複数の生理学的パラメータの測定を提供する手段を、
含み、
さらに、前記コンピュータが、熱画像データを使用して得られる前記血流量データと前記１つまたは複数の生理学的パラメータとに基づいて、前記人物が嘘をついているか嘘をついていないかを判定するように動作可能である、システム。 - 人物から引き出された回答に関して前記人物が嘘をついているか嘘をついていないかを判定する際に使用するポリグラフ方法であって、
少なくとも前記引き出された回答中に前記人物の前記顔の少なくとも１つの領域から熱画像データを捕捉するステップと、
前記熱画像データを、前記顔の前記少なくとも１つの領域の経時的な血流量の変化を表す勾配を含む血流量データに変換するステップと、
嘘をついている人物の経時的な血流量の変化と嘘をついていない人物の経時的な血流量の変化の間の境界を表す勾配閾値を提供するステップと、
前記人物の引き出された回答を嘘であるか嘘でないかに分類するために、前記人物の経時的な血流量の変化を表す勾配を前記勾配閾値と比較するステップと、
を含む方法。 - 請求項１８に記載の方法であって、勾配閾値を提供するステップが、複数の被験者が出された質問に回答する回答期間の少なくとも一部期間に前記複数の被験者の経時的な血流量の前記変化を表す回答勾配に少なくとも基づいて、勾配閾値を生成するステップを含む、方法。
- 請求項１８に記載の方法であって、勾配閾値を提供するステップが、複数の被験者が質問期間中に出された質問に回答する回答期間の少なくとも一部期間に前記複数の被験者の経時的な血流量の変化を表す回答勾配と、前記質問期間の少なくとも一部期間に複数の被験者の経時的な血流量の前記変化を表す質問勾配とに基づいて、勾配閾値を生成するステップを含む、方法。
- 請求項２２に記載の方法であって、勾配閾値を提供するステップが、対応する質問勾配と回答勾配の積に基づいて勾配閾値を生成するステップを含む、方法。
- 請求項１８に記載の方法であって、前記熱画像データを捕捉するステップが、前記人物の眼の付近の少なくとも１つの領域の熱画像データを捕捉するステップを含む、方法。
- 請求項１８に記載の方法であって、該方法はさらに、
熱画像データを使用して得られる血流量データとは異なる１つまたは複数の生理学的パラメータの測定を提供するステップを、
含み、
前記人物から引き出された回答を嘘であるか嘘でないかに分類するステップが、熱画像データを使用して得られる血流量データと前記１つまたは複数の生理学的パラメータとに基づいて、前記人物が嘘をついているか嘘をついていないかを判定するステップを含む、方法。 - 人物の生理学的状態を判定する際に使用する方法であって、
人物の顔の少なくとも１つの領域の熱画像データを提供するステップと、
前記熱画像データを、経時的な血流量の変化を表す勾配を含む血流量データに変換するステップと、
人物の第１の生理学的状態に関する経時的な血流量の変化と人物の第２の生理学的状態に関する経時的な血流量の変化の間の境界を表す勾配閾値を提供するステップと、
前記人物が第１と第２のどちらの生理学的状態であるかを判定するために、経時的な血流量の変化を表す前記勾配を前記勾配閾値と比較するステップと、
を含む方法。 - 請求項２４に記載の方法であって、人物の前記第１の生理学的状態と人物の前記第２の生理学的状態が、それぞれ嘘をついている状態と嘘をついていない状態を含む、方法。
- 請求項２４に記載の方法であって、前記熱画像データを提供するステップが、前記人物の眼の付近の少なくとも１つの領域の熱画像データを提供するステップを含む、方法。
- 請求項２４に記載の方法であって、
熱画像データを提供するステップが、
熱画像データを提供するよう動作可能な熱赤外線画像装置の焦点を前記人物の前記顔の少なくとも前記領域に合わせるステップと、
少なくとも１期間中に熱画像データの複数のフレームを捕捉するステップと、
前記人物の前記顔の少なくとも前記領域の動きを追跡するステップと、
を含む、方法。 - 人物の生理学的状態を判定する際に使用するシステムであって、
人物の顔の少なくとも１つの領域の熱画像データを提供するよう動作可能な熱赤外線画像装置と、
コンピュータであって、
前記熱画像データを、経時的な血流量の変化を表す勾配を含む血流量データに変換し、
人物の第１の生理学的状態に関する経時的な血流量の変化と人物の第２の生理学的状態に関する経時的な血流量の変化の間の境界を表す勾配閾値を提供し、
前記人物が第１と第２のどちらの生理学的状態であるかを判定するために、経時的な血流量の変化を表す前記勾配を前記勾配閾値と比較するコンピュータと、
を含むシステム。 - 請求項２８に記載のシステムであって、人物の前記第１の生理学的状態と人物の前記第２の生理学的状態が、それぞれ嘘をついている状態と嘘をついていない状態を含む、システム。
- 請求項２８に記載のシステムであって、前記熱赤外線画像装置が、前記人物の眼の付近の少なくとも１つの領域の熱画像データを提供するように動作可能である、システム。
- 請求項２８に記載のシステムであって、
前記熱赤外線画像装置が、少なくとも１期間中に熱画像データの複数のフレームを捕捉するように動作可能であり、
前記コンピュータがさらに、前記期間中に前記人物の前記顔の少なくとも前記領域の動きを追跡するように動作可能である、システム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US28500401P | 2001-04-19 | 2001-04-19 | |
| US10/008,786 US7111980B2 (en) | 2001-04-19 | 2001-11-13 | System and method using thermal image analysis and slope threshold classification for polygraph testing |
| PCT/US2002/012199 WO2002085198A1 (en) | 2001-04-19 | 2002-04-18 | Thermal image analysis for polygraph testing |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004529703A true JP2004529703A (ja) | 2004-09-30 |
Family
ID=26678621
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002582784A Pending JP2004529703A (ja) | 2001-04-19 | 2002-04-18 | ポリグラフ検査のための熱画像解析 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US7111980B2 (ja) |
| EP (1) | EP1381308A1 (ja) |
| JP (1) | JP2004529703A (ja) |
| IL (1) | IL158472A0 (ja) |
| RU (1) | RU2003133212A (ja) |
| WO (1) | WO2002085198A1 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005128864A (ja) * | 2003-10-24 | 2005-05-19 | Ishisaki:Kk | 人体カラーの数値的評価システムおよび評価評価方法 |
| JP2007503248A (ja) * | 2003-08-25 | 2007-02-22 | ナズドラテンコ、アンドレイ・イフジェインビチ | ビデオプログラム創成システム及び方法 |
| JP2010264095A (ja) * | 2009-05-15 | 2010-11-25 | Nissan Motor Co Ltd | 心拍数測定装置および心拍数測定方法 |
| JP5894698B1 (ja) * | 2015-08-04 | 2016-03-30 | ユニバーサルロボット株式会社 | 自律神経状態推定装置 |
| WO2017038729A1 (ja) * | 2015-09-01 | 2017-03-09 | コスモテック株式会社 | 血行状態評価方法、血流計測装置、および血流計測システム |
| JP2019003497A (ja) * | 2017-06-16 | 2019-01-10 | コニカミノルタ株式会社 | データ処理装置、データ処理の実行制御方法及びプログラム |
Families Citing this family (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6996256B2 (en) * | 2000-06-08 | 2006-02-07 | Honeywell International Inc. | Detection system and method using thermal image analysis |
| US6854879B2 (en) * | 2001-04-19 | 2005-02-15 | Honeywell International Inc. | System and method using thermal image analysis for polygraph testing |
| GB0110480D0 (en) * | 2001-04-28 | 2001-06-20 | Univ Manchester Metropolitan | Methods and apparatus for analysing the behaviour of a subject |
| US8014847B2 (en) * | 2001-12-13 | 2011-09-06 | Musc Foundation For Research Development | Systems and methods for detecting deception by measuring brain activity |
| US6837615B2 (en) * | 2002-03-19 | 2005-01-04 | John Scott Newman | Method of evaluating level of anxiety of person based on skin temperature |
| US7424425B2 (en) * | 2002-05-19 | 2008-09-09 | International Business Machines Corporation | Optimization of detection systems using a detection error tradeoff analysis criterion |
| EP1618740A2 (en) * | 2003-04-25 | 2006-01-25 | Land Instruments International Limited | Thermal imaging system and method |
| US20050054935A1 (en) * | 2003-09-08 | 2005-03-10 | Rice Robert R. | Hyper-spectral means and method for detection of stress and emotion |
| CA2568149A1 (en) * | 2004-06-14 | 2006-09-08 | Cephos Corp. | Question and control paradigms for detecting deception by measuring brain activity |
| EP1755448A4 (en) * | 2004-06-14 | 2009-12-02 | Cephos Corp | SYSTEMS AND TECHNIQUES FOR DETECTING DECEPTION BY MEASURING BRAIN ACTIVITY |
| US7138905B2 (en) * | 2004-11-18 | 2006-11-21 | Honeywell International Inc. | Controlled environment thermal image detection system and methods regarding same |
| US20070191691A1 (en) * | 2005-05-19 | 2007-08-16 | Martin Polanco | Identification of guilty knowledge and malicious intent |
| US8255039B2 (en) * | 2006-09-29 | 2012-08-28 | Tearscience, Inc. | Meibomian gland illuminating and imaging |
| US8249695B2 (en) * | 2006-09-29 | 2012-08-21 | Tearscience, Inc. | Meibomian gland imaging |
| US8577446B2 (en) * | 2006-11-06 | 2013-11-05 | Bobby Kyle | Stress detection device and methods of use thereof |
| US20080260212A1 (en) * | 2007-01-12 | 2008-10-23 | Moskal Michael D | System for indicating deceit and verity |
| US20080243135A1 (en) * | 2007-03-30 | 2008-10-02 | Robinson Randolph C | Driver-Fixator System, Method, and Apparatus |
| US20090282748A1 (en) * | 2008-05-15 | 2009-11-19 | Goddard Geoff C | Custom jaw track |
| US8663108B2 (en) * | 2009-01-28 | 2014-03-04 | The United States Of America As Represented By The Secretary Of The Army | Method and system for rapidly and passively identifying changes in number of open pores in the skin of an individual |
| EP2413699B1 (en) | 2009-04-01 | 2019-11-20 | Tearscience, Inc. | Ocular surface interferometry (osi) apparatus for imaging an ocular tear film |
| US20110288417A1 (en) * | 2010-05-19 | 2011-11-24 | Intouch Technologies, Inc. | Mobile videoconferencing robot system with autonomy and image analysis |
| US8540651B2 (en) | 2010-09-16 | 2013-09-24 | The Charles Stark Draper Laboratory, Inc. | Physiological and behavioral sensors and methods |
| JP5997166B2 (ja) * | 2010-10-19 | 2016-09-28 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 不安モニタリング |
| US9323250B2 (en) | 2011-01-28 | 2016-04-26 | Intouch Technologies, Inc. | Time-dependent navigation of telepresence robots |
| CN102715953B (zh) * | 2011-03-29 | 2014-05-28 | 吴明达 | 定位大脑皮层肯定回答区及否定回答区的方法 |
| US9098611B2 (en) | 2012-11-26 | 2015-08-04 | Intouch Technologies, Inc. | Enhanced video interaction for a user interface of a telepresence network |
| US20140139616A1 (en) | 2012-01-27 | 2014-05-22 | Intouch Technologies, Inc. | Enhanced Diagnostics for a Telepresence Robot |
| CN103827645A (zh) * | 2011-09-29 | 2014-05-28 | 柯惠有限合伙公司 | 带有图像传感器和显示器的电子温度计 |
| US10250939B2 (en) * | 2011-11-30 | 2019-04-02 | Elwha Llc | Masking of deceptive indicia in a communications interaction |
| US9378366B2 (en) | 2011-11-30 | 2016-06-28 | Elwha Llc | Deceptive indicia notification in a communications interaction |
| US9026678B2 (en) | 2011-11-30 | 2015-05-05 | Elwha Llc | Detection of deceptive indicia masking in a communications interaction |
| US9832510B2 (en) | 2011-11-30 | 2017-11-28 | Elwha, Llc | Deceptive indicia profile generation from communications interactions |
| US20130139259A1 (en) | 2011-11-30 | 2013-05-30 | Elwha Llc | Deceptive indicia profile generation from communications interactions |
| WO2013176758A1 (en) * | 2012-05-22 | 2013-11-28 | Intouch Technologies, Inc. | Clinical workflows utilizing autonomous and semi-autonomous telemedicine devices |
| US9361021B2 (en) | 2012-05-22 | 2016-06-07 | Irobot Corporation | Graphical user interfaces including touchpad driving interfaces for telemedicine devices |
| ES2901406T3 (es) | 2013-05-03 | 2022-03-22 | Tearscience Inc | Sistemas y métodos de iluminación de párpados para imagenología de las glándulas de Meibomio para análisis de las glándulas de Meibomio |
| ES2746754T3 (es) * | 2014-04-17 | 2020-03-06 | Softbank Robotics Europe | Robot humanoide con ruedas omnidireccionales basado en un controlador de posición y velocidad lineal predictivo |
| US9582865B2 (en) * | 2014-10-20 | 2017-02-28 | Microsoft Technology Licensing, Llc | Visualization for blood flow in skin image data |
| US11103140B2 (en) * | 2015-06-14 | 2021-08-31 | Facense Ltd. | Monitoring blood sugar level with a comfortable head-mounted device |
| US11103139B2 (en) * | 2015-06-14 | 2021-08-31 | Facense Ltd. | Detecting fever from video images and a baseline |
| US11154203B2 (en) * | 2015-06-14 | 2021-10-26 | Facense Ltd. | Detecting fever from images and temperatures |
| CN106485232B (zh) * | 2016-10-21 | 2020-10-30 | 国家体育总局体育科学研究所 | 一种基于呼吸过程中鼻子图像特征的人员识别方法 |
| JP6749278B2 (ja) * | 2017-04-14 | 2020-09-02 | ダイキン工業株式会社 | 生理状態判定装置 |
| CO2019005899A1 (es) | 2019-06-05 | 2019-06-19 | Cuestas Rodriguez Carlos Andres | Sistema y método para prueba multimodal de engaño calificado por aprendizaje de maquina |
Family Cites Families (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US2944542A (en) | 1955-10-03 | 1960-07-12 | Research Corp | Detecting and recording physiological changes accompanying emotion stresses |
| US3847142A (en) | 1973-08-30 | 1974-11-12 | R Williams | Blood flow measuring apparatus and method |
| US4403615A (en) * | 1981-12-14 | 1983-09-13 | Hoehner Paul J | Thermal method for measuring blood perfusion |
| US4520504A (en) | 1982-07-29 | 1985-05-28 | The United States Of America As Represented By The Secretary Of The Air Force | Infrared system with computerized image display |
| US4500784A (en) | 1982-09-29 | 1985-02-19 | Michael Hacskaylo | Automatic human body detector |
| US5013917A (en) | 1988-07-07 | 1991-05-07 | Kaman Aerospace Corporation | Imaging lidar system using non-visible light |
| CH678690A5 (ja) | 1989-03-08 | 1991-10-31 | Asulab Sa | |
| ATE135179T1 (de) | 1989-10-31 | 1996-03-15 | Gert Nilsson | Anordnung und verfahren zum messen und darstellen von flüssigkeitsströmen, insbesondere der blutströmung durch ein körperorgan |
| US5163094A (en) | 1991-03-20 | 1992-11-10 | Francine J. Prokoski | Method for identifying individuals from analysis of elemental shapes derived from biosensor data |
| SE468925B (sv) | 1991-08-22 | 1993-04-19 | Gert Nilsson | En metod och en anordning foer att reducera den avstaandsberoende foerstaerkningsfaktorn vid maetning av stroemningsroerelser med en bildgivande laser-doppler teknik, i synnerhet vid maetning av blodperfusion genom en vaevnad |
| US5221919A (en) | 1991-09-06 | 1993-06-22 | Unenco, Inc. | Room occupancy sensor, lens and method of lens fabrication |
| US5363311A (en) * | 1992-09-04 | 1994-11-08 | Hughes Aircraft Company | Data compression system using response waveform discrimination |
| DE4229817C2 (de) * | 1992-09-07 | 1996-09-12 | Siemens Ag | Verfahren zur zerstörungsfreien und/oder nichtinvasiven Messung einer Temperaturänderung im Inneren eines insbesondere lebenden Objektes |
| US5406956A (en) * | 1993-02-11 | 1995-04-18 | Francis Luca Conte | Method and apparatus for truth detection |
| US5507291A (en) * | 1994-04-05 | 1996-04-16 | Stirbl; Robert C. | Method and an associated apparatus for remotely determining information as to person's emotional state |
| GB9415627D0 (en) | 1994-08-01 | 1994-09-21 | Marshall James | Verification apparatus |
| JPH08161292A (ja) | 1994-12-09 | 1996-06-21 | Matsushita Electric Ind Co Ltd | 混雑度検知方法およびそのシステム |
| US5860922A (en) | 1995-09-07 | 1999-01-19 | Technion Research And Development Foundation Ltd. | Determining blood flow by measurement of temperature |
| US5771261A (en) | 1995-09-13 | 1998-06-23 | Anbar; Michael | Telethermometric psychological evaluation by monitoring of changes in skin perfusion induced by the autonomic nervous system |
| US6173068B1 (en) | 1996-07-29 | 2001-01-09 | Mikos, Ltd. | Method and apparatus for recognizing and classifying individuals based on minutiae |
| US5940139A (en) | 1996-08-07 | 1999-08-17 | Bell Communications Research, Inc. | Background extraction in a video picture |
| GB9617915D0 (en) | 1996-08-28 | 1996-10-09 | Tessal Stephan | Polygraphy |
| DE19640404A1 (de) | 1996-09-30 | 1998-04-09 | Ldt Gmbh & Co | Vorrichtung zur Darstellung von Bildern |
| US5860935A (en) * | 1996-10-29 | 1999-01-19 | Novid Inc. | Game apparatus and method for monitoring psycho-physiological responses to questions |
| US5876334A (en) * | 1997-03-26 | 1999-03-02 | Levy; George S. | Lie detector system using reaction time |
| GB9712504D0 (en) | 1997-06-17 | 1997-08-20 | Dundee Teaching Hospitals Nhs | Thermal imaging method and apparatus |
| WO1999006974A2 (en) | 1997-07-31 | 1999-02-11 | Spring Technologies, Inc. | System and method for robbery prevention |
| US5900942A (en) | 1997-09-26 | 1999-05-04 | The United States Of America As Represented By Administrator Of National Aeronautics And Space Administration | Multi spectral imaging system |
| IL123787A0 (en) | 1998-03-23 | 1998-10-30 | Veino Med Temed Ltd | Instrument for locating and marking a vein |
| US6754524B2 (en) * | 2000-08-28 | 2004-06-22 | Research Foundation Of The City University Of New York | Method for detecting deception |
| US6757559B2 (en) * | 2001-01-10 | 2004-06-29 | Amitronix Inc. | System for and method of detecting polygraph countermeasures |
| JP2003047601A (ja) * | 2001-05-31 | 2003-02-18 | Denso Corp | 生体異常監視装置、血圧監視装置、生体異常監視方法、及び血圧監視方法 |
-
2001
- 2001-11-13 US US10/008,786 patent/US7111980B2/en not_active Expired - Lifetime
-
2002
- 2002-04-18 IL IL15847202A patent/IL158472A0/xx unknown
- 2002-04-18 EP EP02764216A patent/EP1381308A1/en not_active Withdrawn
- 2002-04-18 RU RU2003133212/14A patent/RU2003133212A/ru not_active Application Discontinuation
- 2002-04-18 JP JP2002582784A patent/JP2004529703A/ja active Pending
- 2002-04-18 WO PCT/US2002/012199 patent/WO2002085198A1/en active Application Filing
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007503248A (ja) * | 2003-08-25 | 2007-02-22 | ナズドラテンコ、アンドレイ・イフジェインビチ | ビデオプログラム創成システム及び方法 |
| JP2005128864A (ja) * | 2003-10-24 | 2005-05-19 | Ishisaki:Kk | 人体カラーの数値的評価システムおよび評価評価方法 |
| JP2010264095A (ja) * | 2009-05-15 | 2010-11-25 | Nissan Motor Co Ltd | 心拍数測定装置および心拍数測定方法 |
| JP5894698B1 (ja) * | 2015-08-04 | 2016-03-30 | ユニバーサルロボット株式会社 | 自律神経状態推定装置 |
| WO2017038729A1 (ja) * | 2015-09-01 | 2017-03-09 | コスモテック株式会社 | 血行状態評価方法、血流計測装置、および血流計測システム |
| JP6118003B1 (ja) * | 2015-09-01 | 2017-04-19 | コスモテック株式会社 | 血流計測装置および血流計測システム |
| JP2019003497A (ja) * | 2017-06-16 | 2019-01-10 | コニカミノルタ株式会社 | データ処理装置、データ処理の実行制御方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2003133212A (ru) | 2005-03-10 |
| US20030016726A1 (en) | 2003-01-23 |
| IL158472A0 (en) | 2004-05-12 |
| US7111980B2 (en) | 2006-09-26 |
| EP1381308A1 (en) | 2004-01-21 |
| WO2002085198A1 (en) | 2002-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2004529703A (ja) | ポリグラフ検査のための熱画像解析 | |
| JP2004529702A (ja) | ポリグラフ検査のための熱画像解析 | |
| Fernandes et al. | A novel nonintrusive decision support approach for heart rate measurement | |
| Pavlidis et al. | Thermal image analysis for polygraph testing | |
| US6996256B2 (en) | Detection system and method using thermal image analysis | |
| US7138905B2 (en) | Controlled environment thermal image detection system and methods regarding same | |
| CN108366765A (zh) | 用于检测对阈下刺激做出反应的阈下面部反应的系统和方法 | |
| Hamedani et al. | Spatio-temporal filtering of thermal video sequences for heart rate estimation | |
| Nagaraj et al. | Biometric study using hyperspectral imaging during stress | |
| Wallace et al. | Contactless remote assessment of heart rate and respiration rate using video magnification | |
| Mohd et al. | A non-invasive facial visual-infrared stereo vision based measurement as an alternative for physiological measurement | |
| US20240138692A1 (en) | Method and system for heart rate extraction from rgb images | |
| Panasiuk et al. | Study on facial thermal reactions for psycho-physical stimuli | |
| Pavlidis | Lie detection using thermal imaging | |
| Polakowski et al. | Analysis of Facial Skin Temperature Changes in Acquaintance Comparison Question Test | |
| Satpathi et al. | Detection of deceit from thermal videos on real crime database | |
| Li et al. | Detection of physical stress using facial muscle activity | |
| Zhumazhanova et al. | Informativeness Assessment of the Thermal Pattern Features of the Face and Neck Region in the Tasks of Recognition of the Subject’s Changed State | |
| Derakhshan et al. | Preliminary study on facial thermal imaging for stress recognition. | |
| Gupta et al. | A supervised learning approach for robust health monitoring using face videos | |
| Obi-Alago et al. | Detecting thermal face signature abnormalities | |
| Bevilacqua et al. | Proposal for non-contact analysis of multimodal inputs to measure stress level in serious games | |
| Powar et al. | Thermal facial signatures for state assessment during deception | |
| Kopaczka et al. | Towards analysis of mental stress using thermal infrared tomography | |
| US20230346296A1 (en) | Monitoring of Autonomic Nervous System Activity Through Sweat Pore Activation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050418 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070913 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20071212 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20071219 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080603 |