如何掌握面部表情自动识别

情绪可以是礼物，也可以是诅咒。它们使我们成为人类，我们都会经历它们——无论是通过感受爱和幸福的能力，还是通过感受痛苦和苦难。此外，它们很难隐藏。所有的情绪，无论它们是否被抑制，都可能对身体产生影响。然而，研究情绪可能是困难的，因为通常不清楚如何准确地解释它们。

自动面部表情识别

由于这个原因，许多研究人员转向使用自动面部表情识别软件，以更好地提供情绪的客观评估。由于人类对情绪的评估有许多局限性和偏见，面部表情技术可以用于对行为模式提供更高层次的洞察。

---

---

这个视频展示了FaceReader的结果。

Noldus”FaceReader软件是专门为此目的设计的工具之一，并用于人类行为研究，如心理学研究、可用性研究、广告和消费者行为等应用。

分类面部表情和情绪

美国心理学家保罗·埃克曼(Paul Ekman)发现，一些面部表情是通用的，可以在不同的文化中可靠地衡量。FaceReader的算法基于这些原始的基本表情，可以自动确定以下情绪的存在和强度:快乐，悲伤，愤怒，惊讶，害怕，厌恶和中性(无情绪)。它还可以分析兴趣、无聊和困惑，这是三种常见的情感态度。

该软件通过以下连续的步骤工作:

1. 面找到- FaceReader使用流行的维奥拉-琼斯算法找到脸的准确位置
2. 建模-对脸部进行精确的三维建模，描述了超过500个关键点
3. 分类-一个人工神经网络使用超过10000张图片来分类基本的情感表达和一些属性
4. 深面分类-这种方法允许FaceReader直接从图像像素中分类人脸，使用人工神经网络识别模式。这使得软件可以分析面部，即使它的一部分是隐藏的

FaceReader常用的输入源类型包括视频分析、使用网络摄像头的实时分析和静态图像。一旦被分类，情绪可以用线形和/或柱状图以及饼图表示，饼图显示每种情绪的百分比。

此外，FaceReader还可以计算凝视方向、头部方向以及性别和年龄等特征。

行动单元分析

根据FACS(面部动作编码系统)，自动面部编码可以进一步扩展到动作单元级别。回顾一下，FACS是一种面部表情编码系统，用于测量面部表情并描述所有可观察到的面部动作。单个面部肌肉的动作被分解为具体的动作单元。FaceReader的动作单元模块能够分析20种动作单元，包括脸颊抬高器、鼻子起皱器和酒窝抬高器。

---

---

Action unite负责面部表情。

面部表情检测的研究领域

因为FaceReader可以作为一种自动的、非侵入性的参与度测量工具，它可以用于许多应用程序中。一些使用面部表情研究的著名例子包括:

• 广告测试和消费者行为
  FaceReader可以用来检查诸如消费者对产品的兴趣和视频广告的效果．对广告的情绪反应往往会对消费者购买产品的意愿产生重大影响——通过面部编码分析，研究人员可以进行测试并提供证据，证明特定的表情(如快乐)可能预测广告的成功或对品牌态度的积极转变。
• 可用性测试
  为了了解真正的用户如何体验一个网站或应用程序在美国，研究人员可以使用面部表情技术来分析测试中参与者的面部表情。这有助于分析参与者在浏览网站时的感受，并可以明确哪些任务是令人沮丧的，哪些是令人愉快的，以及哪些需要改进。
• 心理学研究
  如果你对更好的有兴趣理解人与人之间的情感和沟通如果你能更深入地理解面部表情，你会受益匪浅。可以通过FaceReader研究的交互例子包括父母和孩子、教师和学生、商人和谈判代表、卫生专业人员和患者之间的交互。

你想了解更多吗?

如需了解更多信息，请随时与我们的销售顾问联系，了解FaceReader如何帮助您进行研究。此外，你还可以下载一份关于FaceReader方法的免费白皮书。我们期待与您的合作!

---

---

更多信息请访问这些网站

• //www.leeacoustics.com/facereader
• http://www.usabilityfirst.com/usability-methods/usability-testing/
• http://www.apa.org/science/about/psa/2011/05/facial-expressions.aspx
• https://en.wikipedia.org/wiki/Facial_Action_Coding_System
• https://www.insightsassociation.org/article/facial-recognition-market-research-next-big-thing
• https://en.wikipedia.org/wiki/Paul_Ekman

科学出版物的选择

• 丹纳,l;Sidorkina l;Joechl m;Duerrschmid。(2014)做个鬼脸!使用面部阅读技术对橙汁引起的面部表情进行隐式和显式测量。食物品质及偏好, doi: 10.1016 / j.foodqual.2013.01.004。
• D 'Arcey t;约翰逊,m;埃尼斯,m(2012)。使用面部肌电图评估FaceReader的有效性．APS第24届年会论文集．
• D 'Arcey j.t;约翰逊,核磁共振;埃尼斯,m;桑德斯,p;夏皮罗,硕士(2013年)。FaceReader对快乐和愤怒表情的评估可以预测颧肌和波纹肌的活动。第八-014心理科学协会会议海报展示2013年5月23-26日。
• 窝Uyl M.J.;van Kuilenburg, H.(2005)。faceereader:在线面部表情识别。2005年行为测量论文集(Wageningen, 2005年8月30日- 9月2日), 589 - 590页。
• Gudi, a;Tasli阁下;den Uyl t.m. & Maroulis, A.(2015)。基于深度学习的FACS动作单元发生和强度估计。自动面部和手势识别(FG),doi: 10.1109 / FG.2015.7284873。
• Lewinski p;窝Uyl T.M.;巴特勒,c(2014)。自动面部编码:在FaceReader中验证基本情绪和FACS AUs。神经科学、心理学和经济学杂志，7 (4), 227 - 236。
• 范Kuilenburg h;水坝,M;登·尤尔，M.J.(2005)。一种基于模型的面部表情自动识别方法。第16届欧洲机器学习会议论文集，波尔图，葡萄牙，2005,194-205页，Springer-Verlag GmbH。