det är förvånansvärt lätt att lura människor med en förklädnad, lömsk studie finner

kan du berätta vilka av dessa bilder som är av samma person?
foto: Rob Jenkins (University of York)

det kan vara mycket lättare att dra av den perfekta stöten än du tror. Enligt en ny studie från Storbritannien behöver du inte dölja dig mycket för att lura den genomsnittliga personen att tro att de tittar på någon annan. Det kan till och med ta så lite som en goth makeover.

Senaste Video

den här webbläsaren stöder inte videoelementet.

forskarna utarbetade en listig uppsättning experiment. De rekryterade först 26 personer för att posera för foton under tre förhållanden. I det första tillståndet tog modellerna en normal ögonblicksbild. Men i de andra två, de fick höra att dölja sina ansikten. De kunde ändra hårfärg eller stil och sminka sig, men de fick inte göra saker som hattar, halsdukar eller solglasögon som faktiskt dolde ansiktet. I ett scenario, de var tvungna att vara oigenkännliga från sitt normala utseende; i den andra, de fick höra att se ut som en annan volontär. För att motivera dem att försöka sitt allra bästa fick de veta att de skulle få mer pengar för varje person som framgångsrikt lurades av sina bilder.

efter att ha samlat in bilderna körde författarna sedan tre experiment med nya volontärer. I den första, volontärer som aldrig sett modellerna tidigare ombads att matcha ett par ansikten mot varandra. I genomsnitt, när volontärer var tvungna att matcha förklädda bilder till det verkliga ansiktet, sjönk deras noggrannhet med 30 procent. Volontärerna var ännu mindre exakta när de förklädda modellerna bara försökte dölja sin sanna identitet, snarare än att försöka efterlikna en annan modell.

G / o Media kan få en provision

annons

som det visar sig fungerade detta bedrägeri till och med i det andra experimentet, där volontärerna fick höra att vara på jakt efter mästare av förklädnad—noggrannheten var fortfarande lika låg. Det var först i det sista experimentet, när frivilliga personligen var bekanta med ansikten de visades, att förklädnaderna verkligen misslyckades med att lura någon. Men igen, de enkla förklädnaderna var fortfarande bättre på att lura volontärerna än förklädnaderna som gjordes för att efterlikna någon annan.

skulle du bli lurad?
bild: Rob Jenkins (University of York)

annons

studiens resultat publicerades denna månad i Journal of Experimental Psychology: Applied.

enligt huvudförfattaren Eilidh Noyes, en kognitiv psykolog och ansiktsigenkänningsexpert vid University of Huddersfield i Storbritannien, är det möjligt att mer detaljerade förklädnader kan vara ännu bättre på att lura oss.

annons

”våra modeller använde billiga enkla förklädnader och det fanns inga sminkartister inblandade,” sa hon i ett uttalande. ”Om folk vill, är det väldigt lätt att ändra sitt utseende.”

det finns många anledningar till varför någon kanske vill dölja sitt sanna ansikte, till exempel att undvika arrestering eller att starta om en av de värsta filmerna som någonsin gjorts. Men Noyes säger att ansiktsigenkänningsforskning mest har fokuserat på hur bra vi kan berätta ärliga ansikten bortsett från varandra. I en värld fylld med skrupelfria människor, forskare kan överskatta hur bra vi är på korrekt spotting ansikten. Den potentiella felaktigheten är inte bara ett problem för bouncers som försöker fånga tonåringar med falska ID, men för ansiktsigenkänningssystem som försöker fånga misstänkta brottslingar (hur dessa system ska användas är en annan fråga för en annan dag).

annons

för detta ändamål, Noyes planerar att använda dessa bilder för att starta en databas med falska ansikten, kallas fa BISEXADE, att andra forskare kan använda för att utföra liknande forskning. Hon planerar också att publicera forskning tittar på hur dator ansiktsigenkänning programvara fares med förklädda ansikten. Noyes tidigare opublicerade forskning har funnit att datorer är något bättre än människor på att sniffa ut förklädda ansikten, men de är inte lika exakta som människor som redan känner till den förklädda personen.

annons

Vetenskapsförfattare på Gizmodo och mops aficionado någon annanstans



+