DSpace Repository

Detección de mentiras con métodos no invasivos utilizando redes neuronales profundas

Show simple item record

dc.contributor.author Mendieta Antúnez, Jonathan Adrián
dc.date.accessioned 2020-07-16T22:25:50Z
dc.date.available 2020-07-16T22:25:50Z
dc.date.created 2019-11-13
dc.date.issued 2020-03-13
dc.identifier.citation Mendieta Antúnez, Jonathan Adrián. (2019). Detección de mentiras con métodos no invasivos utilizando redes neuronales profundas (Maestría en Ciencias en Ingeniería de Cómputo). Instituto Politécnico Nacional, Centro de Investigación en Computación, México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/28259
dc.description Tesis (Maestría en Ciencias en Ingeniería de Cómputo), Instituto Politécnico Nacional, CIC, 2019, 1 archivo PDF, (100 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: Investigadores en psicología y en las ciencias de la computación están interesados en aplicar diferentes metodologías para detectar de manera automática y confiable si una persona dice declaraciones falsas o verdaderas. Existen diferentes enfoques para detectar mentiras, tales como las reacciones fisiológicas, lenguaje verbal y lenguaje no verbal, que sugieren que una persona mentirosa tiene diferentes comportamientos a una persona que dice la verdad, pero estos comportamientos no son generalizables, ya que una pista que delata mentira en una persona no necesariamente indica mentira en otra. Esto ha sido el principal problema para desarrollar un sistema que sea automático y capaz de detectar mentiras en cualquier individuo. En este trabajo se presenta un modelo basado en redes neuronales profundas capaz de clasificar videos en verdades y mentiras, utilizando el lenguaje no verbal del rostro a partir de la aplicación de filtros espaciales a los fotogramas contenidos en un video, a bajo costo. Sin ser un sistema invasivo y sin necesidad de expertos que deban analizar la información obtenida por el modelo manualmente. Los resultados obtenidos muestran que se pueden clasificar videos como verdad o mentira con el sistema calibrado con una exactitud del 82 % con la metodología de pruebas Within-Individual y superando al juicio humano para detectar mentiras y verdades. ABSTRACT: Researchers in psychology and computer science are interested in applying different methodologies to detect if a person says deceit or truth statements automatically. There are different approaches to detect deceit, such as physiological reactions, verbal language, and nonverbal language which suggest that a liar person has different behaviors than people who tell the truth, but these behaviors are not generalizable to all people since a clue that reveals a lie in one person, does not necessarily indicate a lie in another. This has been the main problem in developing a system that is automatic and capable of detecting lies in any individual. This paper presents a model based on deep neural networks capable of classifying videos into truths and lies using the non-verbal language of the face, applying spatial filters to the frames contained in a video, at low cost, without being an invasive system and without the need of experts who must analyze the information obtained by the model manually. The results obtained show that videos can be classified as truth or deceit with an accuracy of 82 % with the Within-Individual methodology and beating human judgment to detect deceit and truths in videos. es
dc.language.iso es es
dc.subject Redes neuronales es
dc.subject Sistemas de reconocimiento de configuraciones es
dc.title Detección de mentiras con métodos no invasivos utilizando redes neuronales profundas es
dc.contributor.advisor Duchanoy Martínez, Carlos Alberto
dc.contributor.advisor Moreno Armendáriz, Marco Antonio


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account