日本东京大学的研究人员提出了一种新的机器学习方法，该方法结合了面部表情和脉搏率数据，旨在自动识别欺骗行为。他们的目标是开发一个公正可靠的系统，可以在与犯罪受害者、嫌疑人和心理健康问题个体的讯问中提供帮助。

研究人员强调了嫌疑人分类准确性的重要性，以避免误认，同时也考虑到道德和法律的因素，建议采用人机结合的方法。这种创新方法既确保了道德合规性，又可以广泛应用于重要的决策过程中。

该研究利用了面部表情和脉搏率数据进行数据采集，通过机器学习技术，特别是随机森林（RF）技术，创建了一个结合面部表情和脉搏率数据的欺骗识别模型。

实验结果显示，该方法在实际远程面试中展现出与交叉验证结果相似的性能，并证实了该方法在实际应用中的可行性。研究人员发现特定的面部特征、脉搏率以及注视和头部运动的变化是欺骗行为的显著指标。

该研究的论文详细阐述了他们的方法和实验结果，可以在以下链接中找到：[论文地址](https://link.springer.com/article/10.1007/s10015-023-00869-9)

总的来说，这项研究提供了一种实际且有前景的方法，利用机器学习和面部特征分析来检测远程面试中的欺骗行为，并为实际应用提供了有价值的见解。

该方法消除了人为偏见，在不同受试者之间的准确率和F1得分在0.75到0.88之间。尽管数据集规模有限，但该研究为有兴趣利用自动欺骗识别系统的面试官提供了基础，并强调了在应用中考虑道德和法律合规性的重要性。