Amigos del Club de Ciencias Forenses, esta semana presentamos el artículo “Handwriting analysis based on Histogram of Oriented Gradient for predicting personality traits using SVM” de Chitlangia A. y Malathi G. (2019), en el cual se presenta un modelo basado en algoritmos de aprendizaje para predecir rasgos de personalidad a partir del análisis de la escritura a mano.
La grafología es un método utilizado para entender y predecir rasgos de personalidad a partir del estilo de escritura a mano de una persona. Un grafólogo estudia la escritura de una persona de forma manual. Es decir, no suele utilizar programas informáticos ni nada similar. Utiliza su conocimiento en el tema y la experiencia. No obstante, el análisis manual consume tiempo, es costoso y depende de las habilidades del grafólogo.
En el análisis de la escritura se observan los trazos, espacios, patrones y presión que muestra lo escrito. Con ello se predicen rasgos de personalidad específicos. Se considera que la escritura a mano refleja atributos como la honestidad, miedos e incluso comportamientos.
Existen diferentes intentos de facilitar esta labor utilizando algoritmos de aprendizaje. En este estudio se muestra una de estas posibilidades. El procedimiento empieza con la recolección de muestras de escritura en papel de varios individuos. Después, cada muestra requiere diferentes etapas de pre-procesamiento: redimensionar, eliminar ruido y binarización, entre otros.
Los autores proponen un modelo que sigue las etapas reflejadas en la imagen. Las primeras dos son las anteriormente mencionadas. El siguiente paso consiste en la extracción de características con el uso de Histograma de Gradientes Orientados (HOG). HOG es una técnica utilizada para procesamiento de imágenes con el objetivo de detectar objetos posteriormente. Fue propuesto inicialmente para la detección de cuerpos humanos.
La cuarta fase implica que la información extraída de las muestras se integra en un clasificador: máquina de soporte vectorial (SVM), que se entrena y se prueba. Los resultados de las pruebas van a consistir en rasgos de personalidad predecidos.
Para estudiar la utilidad del modelo, los autores utilizan muestras de escritos a mano en papel blanco de 50 personas. Después de la fase de pre-procesamiento, se lleva a cabo la extracción de características.
Para alcanzar un reconocimiento preciso de las características es clave seleccionar el mejor método de extracción. Como ya hemos mencionado, en este caso se trata de la técnica HOG. Se utiliza para reducir la dimensionalidad de los datos entrantes (inputs). Cada dato de salida (outputs) reducido se representa como vector de características.
Para predecir la personalidad a través de las características extraídas de cada muestra se utiliza el clasificador SVM. Para la clasificación se utilizan 5 etiquetas de personalidad: energético, extrovertido, introvertido, descuidado y optimista. Bajo cada etiqueta se desarrollan clases de elementos de análisis de la escritura. Así, se posibilita la diferenciación de cada característica, al igual que en grafología se analizan trazos o espacios.
El experimento se desarrolla en dos fases. En la primera, se utiliza el 90% de los datos para entrenamiento del modelo y 10% para pruebas. En la segunda, se toma un dato como prueba y los restantes para entrenamiento. Ambas fases resultaron en una precisión de las predicciones en cuanto a personalidad de un 80%.
Por lo tanto, lo que se busca en este estudio es automatizar la grafología. Ofrecer rapidez, precisión y bajo coste. Una precisión de 80% es un buen resultado. No obstante, el número de datos utilizados fue bastante bajo, 10 muestras por clase. Lo ideal sería utilizar más de 500 muestras por clase para permitir una detección mucho más precisa.
¿Es una buena idea que la grafología se convierta en una labor automatizada? Depende como se mire. Por un lado, la precisión de la grafología varía mucho en función de las habilidades del grafólogo. Esa dependencia puede suponer limitaciones en términos de obtener una buena precisión a la hora de predecir la personalidad.
Por otro lado, la automatización de esta labor no implica que el grafólogo pueda desaparecer. Puede utilizar modelos como el presentado aquí para agilizar el análisis, como una herramienta. Pero su papel en este campo puede seguir siendo clave, por ejemplo, para investigar la relación de rasgos de escritura con rasgos de personalidad.
Se destaca la importancia que puedan tener herramientas como esta, especialmente en grafología forense, donde la precisión es crucial. Asimismo, en dicho contexto, el tiempo y el coste puede tener un valor muy importante y un modelo así se desarrolla justamente para disminuir los recursos implicados en el análisis.
¿Te parece interesante la grafología? Si quieres conocerla más a fondo o te interesan áreas más específicas como la grafología forense o el peritaje en este campo, encuentra una formación completa en nuestro Máster en Pericia Caligráfica y Documentoscopia.
