OCULAR SYSTEM FOR DECEPTION DETECTION

A method of deception detection, assessing operational risk or optimizing learning is based upon ocular information of a subject by providing a video camera configured to record a close-up view of a subject's eye. The ocular information is processed to identify changes in ocular signals of the...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: WEISBERG, Seth, ANABTAWI, Taumer, BROWN, Joseph, CHOI, Veronica, ROWE, Alexander, LIMONCIELLO, Lauren Caitlin, MCNEIL, Kathryn, BOWDEN, Jared, GRIER, Kyle, ZAKARIAIE, David, SOMMERLOT, Andrew R, HERRMANN, Patricia
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page
container_issue
container_start_page
container_title
container_volume
creator WEISBERG, Seth
ANABTAWI, Taumer
BROWN, Joseph
CHOI, Veronica
ROWE, Alexander
LIMONCIELLO, Lauren Caitlin
MCNEIL, Kathryn
BOWDEN, Jared
GRIER, Kyle
ZAKARIAIE, David
SOMMERLOT, Andrew R
HERRMANN, Patricia
description A method of deception detection, assessing operational risk or optimizing learning is based upon ocular information of a subject by providing a video camera configured to record a close-up view of a subject's eye. The ocular information is processed to identify changes in ocular signals of the subject through the use of convolutional neural networks. Changes in ocular signals are evaluated from the convolutional neural networks by a machine learning algorithm. Results can then be presented in regards to the level of deception, the level of operational risk or the best way to optimize learning. The methods are facilitated by identifying at least one predictive distortion identified in the stroma capturable solely with a visible-spectrum camera correlating to a predicted response in the iris musculature. Procédé de détection de tromperie, d'évaluation du risque opérationnel ou d'optimisation de l'apprentissage basé sur des informations oculaires d'un sujet en fournissant une caméra vidéo conçue pour enregistrer une vue en gros plan de l'œil d'un sujet. Les informations oculaires sont traitées pour identifier des changements dans des signaux oculaires du sujet par l'utilisation de réseaux neuronaux convolutionnels. Les changements dans les signaux oculaires sont évalués à partir des réseaux neuronaux convolutionnels par un algorithme d'apprentissage automatique. Les résultats peuvent ensuite être présentés en ce qui concerne le niveau de tromperie, le niveau de risque opérationnel ou la meilleure manière d'optimiser l'apprentissage. Les procédés sont facilités par l'identification d'au moins une distorsion prédictive identifiée dans le stroma pouvant être capturée uniquement à l'aide d'une caméra à spectre visible en corrélation avec une réponse prédite dans la musculature de l'iris.
format Patent
fullrecord <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2021127704A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2021127704A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2021127704A13</originalsourceid><addsrcrecordid>eNrjZFD1dw71cQxSCI4MDnH1VXDzD1JwcXV2DQjx9PcDskJcnUEsHgbWtMSc4lReKM3NoOzmGuLsoZtakB-fWlyQmJyal1oSH-5vZGBkaGhkbm5g4mhoTJwqADUkJDw</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>OCULAR SYSTEM FOR DECEPTION DETECTION</title><source>esp@cenet</source><creator>WEISBERG, Seth ; ANABTAWI, Taumer ; BROWN, Joseph ; CHOI, Veronica ; ROWE, Alexander ; LIMONCIELLO, Lauren Caitlin ; MCNEIL, Kathryn ; BOWDEN, Jared ; GRIER, Kyle ; ZAKARIAIE, David ; SOMMERLOT, Andrew R ; HERRMANN, Patricia</creator><creatorcontrib>WEISBERG, Seth ; ANABTAWI, Taumer ; BROWN, Joseph ; CHOI, Veronica ; ROWE, Alexander ; LIMONCIELLO, Lauren Caitlin ; MCNEIL, Kathryn ; BOWDEN, Jared ; GRIER, Kyle ; ZAKARIAIE, David ; SOMMERLOT, Andrew R ; HERRMANN, Patricia</creatorcontrib><description>A method of deception detection, assessing operational risk or optimizing learning is based upon ocular information of a subject by providing a video camera configured to record a close-up view of a subject's eye. The ocular information is processed to identify changes in ocular signals of the subject through the use of convolutional neural networks. Changes in ocular signals are evaluated from the convolutional neural networks by a machine learning algorithm. Results can then be presented in regards to the level of deception, the level of operational risk or the best way to optimize learning. The methods are facilitated by identifying at least one predictive distortion identified in the stroma capturable solely with a visible-spectrum camera correlating to a predicted response in the iris musculature. Procédé de détection de tromperie, d'évaluation du risque opérationnel ou d'optimisation de l'apprentissage basé sur des informations oculaires d'un sujet en fournissant une caméra vidéo conçue pour enregistrer une vue en gros plan de l'œil d'un sujet. Les informations oculaires sont traitées pour identifier des changements dans des signaux oculaires du sujet par l'utilisation de réseaux neuronaux convolutionnels. Les changements dans les signaux oculaires sont évalués à partir des réseaux neuronaux convolutionnels par un algorithme d'apprentissage automatique. Les résultats peuvent ensuite être présentés en ce qui concerne le niveau de tromperie, le niveau de risque opérationnel ou la meilleure manière d'optimiser l'apprentissage. Les procédés sont facilités par l'identification d'au moins une distorsion prédictive identifiée dans le stroma pouvant être capturée uniquement à l'aide d'une caméra à spectre visible en corrélation avec une réponse prédite dans la musculature de l'iris.</description><language>eng ; fre</language><subject>CALCULATING ; COMPUTING ; COUNTING ; DIAGNOSIS ; HUMAN NECESSITIES ; HYGIENE ; IDENTIFICATION ; MEDICAL OR VETERINARY SCIENCE ; PHYSICS ; SURGERY</subject><creationdate>2021</creationdate><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20210624&amp;DB=EPODOC&amp;CC=WO&amp;NR=2021127704A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,780,885,25564,76547</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20210624&amp;DB=EPODOC&amp;CC=WO&amp;NR=2021127704A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>WEISBERG, Seth</creatorcontrib><creatorcontrib>ANABTAWI, Taumer</creatorcontrib><creatorcontrib>BROWN, Joseph</creatorcontrib><creatorcontrib>CHOI, Veronica</creatorcontrib><creatorcontrib>ROWE, Alexander</creatorcontrib><creatorcontrib>LIMONCIELLO, Lauren Caitlin</creatorcontrib><creatorcontrib>MCNEIL, Kathryn</creatorcontrib><creatorcontrib>BOWDEN, Jared</creatorcontrib><creatorcontrib>GRIER, Kyle</creatorcontrib><creatorcontrib>ZAKARIAIE, David</creatorcontrib><creatorcontrib>SOMMERLOT, Andrew R</creatorcontrib><creatorcontrib>HERRMANN, Patricia</creatorcontrib><title>OCULAR SYSTEM FOR DECEPTION DETECTION</title><description>A method of deception detection, assessing operational risk or optimizing learning is based upon ocular information of a subject by providing a video camera configured to record a close-up view of a subject's eye. The ocular information is processed to identify changes in ocular signals of the subject through the use of convolutional neural networks. Changes in ocular signals are evaluated from the convolutional neural networks by a machine learning algorithm. Results can then be presented in regards to the level of deception, the level of operational risk or the best way to optimize learning. The methods are facilitated by identifying at least one predictive distortion identified in the stroma capturable solely with a visible-spectrum camera correlating to a predicted response in the iris musculature. Procédé de détection de tromperie, d'évaluation du risque opérationnel ou d'optimisation de l'apprentissage basé sur des informations oculaires d'un sujet en fournissant une caméra vidéo conçue pour enregistrer une vue en gros plan de l'œil d'un sujet. Les informations oculaires sont traitées pour identifier des changements dans des signaux oculaires du sujet par l'utilisation de réseaux neuronaux convolutionnels. Les changements dans les signaux oculaires sont évalués à partir des réseaux neuronaux convolutionnels par un algorithme d'apprentissage automatique. Les résultats peuvent ensuite être présentés en ce qui concerne le niveau de tromperie, le niveau de risque opérationnel ou la meilleure manière d'optimiser l'apprentissage. Les procédés sont facilités par l'identification d'au moins une distorsion prédictive identifiée dans le stroma pouvant être capturée uniquement à l'aide d'une caméra à spectre visible en corrélation avec une réponse prédite dans la musculature de l'iris.</description><subject>CALCULATING</subject><subject>COMPUTING</subject><subject>COUNTING</subject><subject>DIAGNOSIS</subject><subject>HUMAN NECESSITIES</subject><subject>HYGIENE</subject><subject>IDENTIFICATION</subject><subject>MEDICAL OR VETERINARY SCIENCE</subject><subject>PHYSICS</subject><subject>SURGERY</subject><fulltext>true</fulltext><rsrctype>patent</rsrctype><creationdate>2021</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNrjZFD1dw71cQxSCI4MDnH1VXDzD1JwcXV2DQjx9PcDskJcnUEsHgbWtMSc4lReKM3NoOzmGuLsoZtakB-fWlyQmJyal1oSH-5vZGBkaGhkbm5g4mhoTJwqADUkJDw</recordid><startdate>20210624</startdate><enddate>20210624</enddate><creator>WEISBERG, Seth</creator><creator>ANABTAWI, Taumer</creator><creator>BROWN, Joseph</creator><creator>CHOI, Veronica</creator><creator>ROWE, Alexander</creator><creator>LIMONCIELLO, Lauren Caitlin</creator><creator>MCNEIL, Kathryn</creator><creator>BOWDEN, Jared</creator><creator>GRIER, Kyle</creator><creator>ZAKARIAIE, David</creator><creator>SOMMERLOT, Andrew R</creator><creator>HERRMANN, Patricia</creator><scope>EVB</scope></search><sort><creationdate>20210624</creationdate><title>OCULAR SYSTEM FOR DECEPTION DETECTION</title><author>WEISBERG, Seth ; ANABTAWI, Taumer ; BROWN, Joseph ; CHOI, Veronica ; ROWE, Alexander ; LIMONCIELLO, Lauren Caitlin ; MCNEIL, Kathryn ; BOWDEN, Jared ; GRIER, Kyle ; ZAKARIAIE, David ; SOMMERLOT, Andrew R ; HERRMANN, Patricia</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2021127704A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre</language><creationdate>2021</creationdate><topic>CALCULATING</topic><topic>COMPUTING</topic><topic>COUNTING</topic><topic>DIAGNOSIS</topic><topic>HUMAN NECESSITIES</topic><topic>HYGIENE</topic><topic>IDENTIFICATION</topic><topic>MEDICAL OR VETERINARY SCIENCE</topic><topic>PHYSICS</topic><topic>SURGERY</topic><toplevel>online_resources</toplevel><creatorcontrib>WEISBERG, Seth</creatorcontrib><creatorcontrib>ANABTAWI, Taumer</creatorcontrib><creatorcontrib>BROWN, Joseph</creatorcontrib><creatorcontrib>CHOI, Veronica</creatorcontrib><creatorcontrib>ROWE, Alexander</creatorcontrib><creatorcontrib>LIMONCIELLO, Lauren Caitlin</creatorcontrib><creatorcontrib>MCNEIL, Kathryn</creatorcontrib><creatorcontrib>BOWDEN, Jared</creatorcontrib><creatorcontrib>GRIER, Kyle</creatorcontrib><creatorcontrib>ZAKARIAIE, David</creatorcontrib><creatorcontrib>SOMMERLOT, Andrew R</creatorcontrib><creatorcontrib>HERRMANN, Patricia</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>WEISBERG, Seth</au><au>ANABTAWI, Taumer</au><au>BROWN, Joseph</au><au>CHOI, Veronica</au><au>ROWE, Alexander</au><au>LIMONCIELLO, Lauren Caitlin</au><au>MCNEIL, Kathryn</au><au>BOWDEN, Jared</au><au>GRIER, Kyle</au><au>ZAKARIAIE, David</au><au>SOMMERLOT, Andrew R</au><au>HERRMANN, Patricia</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>OCULAR SYSTEM FOR DECEPTION DETECTION</title><date>2021-06-24</date><risdate>2021</risdate><abstract>A method of deception detection, assessing operational risk or optimizing learning is based upon ocular information of a subject by providing a video camera configured to record a close-up view of a subject's eye. The ocular information is processed to identify changes in ocular signals of the subject through the use of convolutional neural networks. Changes in ocular signals are evaluated from the convolutional neural networks by a machine learning algorithm. Results can then be presented in regards to the level of deception, the level of operational risk or the best way to optimize learning. The methods are facilitated by identifying at least one predictive distortion identified in the stroma capturable solely with a visible-spectrum camera correlating to a predicted response in the iris musculature. Procédé de détection de tromperie, d'évaluation du risque opérationnel ou d'optimisation de l'apprentissage basé sur des informations oculaires d'un sujet en fournissant une caméra vidéo conçue pour enregistrer une vue en gros plan de l'œil d'un sujet. Les informations oculaires sont traitées pour identifier des changements dans des signaux oculaires du sujet par l'utilisation de réseaux neuronaux convolutionnels. Les changements dans les signaux oculaires sont évalués à partir des réseaux neuronaux convolutionnels par un algorithme d'apprentissage automatique. Les résultats peuvent ensuite être présentés en ce qui concerne le niveau de tromperie, le niveau de risque opérationnel ou la meilleure manière d'optimiser l'apprentissage. Les procédés sont facilités par l'identification d'au moins une distorsion prédictive identifiée dans le stroma pouvant être capturée uniquement à l'aide d'une caméra à spectre visible en corrélation avec une réponse prédite dans la musculature de l'iris.</abstract><oa>free_for_read</oa></addata></record>
fulltext fulltext_linktorsrc
identifier
ispartof
issn
language eng ; fre
recordid cdi_epo_espacenet_WO2021127704A1
source esp@cenet
subjects CALCULATING
COMPUTING
COUNTING
DIAGNOSIS
HUMAN NECESSITIES
HYGIENE
IDENTIFICATION
MEDICAL OR VETERINARY SCIENCE
PHYSICS
SURGERY
title OCULAR SYSTEM FOR DECEPTION DETECTION
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-28T20%3A49%3A30IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-epo_EVB&rft_val_fmt=info:ofi/fmt:kev:mtx:patent&rft.genre=patent&rft.au=WEISBERG,%20Seth&rft.date=2021-06-24&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2021127704A1%3C/epo_EVB%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true