زمینه و هدف: تشخیص استرس مبتنی بر سیگنال­های فیزیولوژی روانی نیاز به تعداد زیادی حسگرهای تماسی دارد که می­تواند منجر به عدم آسایش آزمودنی و ایجاد اضطراب زیاد و در نتیجه تخریب نتایج گردند. استفاده از تصاویر حرارتی در تشخیص استرس دارای مزیت­های بسیاری می­باشد که از آن­جمله می­توان به غیر­محسوس بودن، غیر­ تماسی بودن و نصب سریع اشاره نمود. تاکنون تحقیقات زیادی در زمینه تشخیص فریب با استفاده از تصاویر حرارتی انجام شده است. در اکثر این مطالعات از ویژگی­های ساده همچون میانگین و شیب افزایش دما جهت تحلیل استفاده شده است. هدف این مطالعه بهره ­گیری از ویژگی­های تعریف شده در مراجع قبلی، به علاوه­ی تعریف یک مجموعه ویژگی براساس اصل همبستگی تغییرات دمای نواحی مختلف چهره با سایر سیگنال­های فیزیولوژیک در کنش­های استرسی می­باشد.

روش‌ها: یک مجموعه دادگان متشکل از 13 آزمودنی در حین یک پروتکل دروغ­سنجی با ثبت سیگنال­های حرارتی چهره فرد با استفاده از دوربین حرارتی و سایر سیگنال­های فیزیولوژیک با استفاده از یک دستگاه پلی­گرافی تهیه شد. ویژگی­ها روی مجموعه دادگان بومی اعمال شده و روش کاهش بعد آنالیز مولفه های مستقل و طبقه بند جداساز خطی، جهت تحلیل به­کار رفته است. از مقایسه­ میزان بهبود ویژگی­های پیشنهاد شده نسبت به ویژگی­های مراجع قبلی جهت تحلیل نتایج و همچنین از تحلیل همبستگی جهت تعیین میزان همبستگی دمای نواحی مختلف چهره با سیگنال­های فیزیولوژیک استفاده شد. علاوه بر این، روشی نیز جهت نمره ­دهی دستی سیگنال­های حرارتی مشابه آنچه که در ارزیابی چارت­های پلی­ گرافی بر روی سیگنال های فیزیولوژی روانی انجام می­شود ارائه شده است. مقایسه نتایج نمره­دهی دستی سیگنال­های فیزیولوژی و حرارتی، جهت اعتباردهی روش پیشنهاد شده به کار گرفته شده است.

یافته‌ها: درصد صحت تشخیص استرس در تک ثبت (تک سوال) به ازای ویژگی­های تعریف شده، نسبت به استفاده از ویژگی­های مراجع گذشته بهبود 44/9 درصدی در داده ­های تست و 33/27 درصدی در داده­های آموزش را به همراه داشته است. صحت تشخیص سوال هدف (سوالی که فرد در آن دروغ گفته است) برابر 80% می­باشد. نمره ­دهی دستی سیگنال­های فیزیولوژیک و نمره­ دهی دستی سیگنال­های حرارتی توسط فرد خبره، همبستگی برابر 70% را گزارش کرده اند.

نتیجه‌گیری: با توجه به نتایج بدست آمده، بهره­ گیری از ویژگی­هایی که معمولا از سیگنال­های فیزیولوژیک شامل تنفس، پاسخ گالوانیک پوست، ضربان قلب و فشار خون استخراج می­شود بر روی سیگنال دمای نواحی مختلف چهره، سبب بهبود تشخیص استرس در تصویربرداری حرارتی می­گردد. از این رو کارایی الگوریتم پیشنهادی مبتنی بر این ویژگی­ها و طبقه­ بند مناسب جهت آشکارسازی فریب با استفاده از تصاویر حرارتی تایید می­شود.