環境功效學與情緒測量分析imotion90FEA表情分析軟件

一、系統介紹

1.1 對表達的情緒反應進行分類和記錄

       情緒的指標之一是我們的臉。當我們大笑或哭泣時，我們正在展示我們的情緒，讓其他人瞥見我們的思想，因為他們根據關鍵面部特征的變化"閱讀"我們的臉?；谟嬎銠C的面部表情分析非常令人印象深刻地模仿了我們的人類編碼技能，因為它捕獲了對任何類型的情感參與內容的原始，未經過濾的情感反應。這些表達的情緒狀態是使用全自動計算機算法實時檢測的，這些算法通過網絡攝像頭記錄面部表情。

       Affectiva模塊能夠利用Affectiva的面部表情分析實時網絡攝像頭饋送或視頻記錄?？梢詫崟r查看數據，然后進行分析和導出，幫助理解面部表情反應。

       iMotions面部表情分析模塊無縫集成了自動化面部編碼引擎：Affectiva的AFFDEX和Realeyes。使用網絡攝像頭，您可以直接在iMotions軟件中實時同步表達的面部情緒與刺激。如果您錄制了面部視頻，則只需將視頻導入iMotions軟件即可進行面部表情分析后期處理。通過內置的分析和可視化工具獲得見解，或導出數據以進行其他分析。

1.2 面部情緒分類

該模塊提供20種面部表情測量（動作單位），7種核心情緒（快樂/幸福，困惑/憤怒，恐懼，厭惡，蔑視，悲傷和驚訝），面部特征和行為指標，如頭部方向和注意力。這些輸出度量值提供概率值來表示表達預期情緒的可能性。還提供了參與度和效價的匯總分數，讓您大致了解總體表達的響應。

時間軸注釋和LiveMarkers還可以在iMotions中執行行為編碼。結合生物傳感器數據和自我報告，面部表情分析和行為編碼提供了比其他方式更深刻的見解。

二、模塊主要特點

2.1 理解情緒

通過分析面部表情，可以快速、量化地洞察所表達的面部情緒。幾十年來，面部表情分析一直是人工進行的——現在可以立即進行，幫助你理解刺激引發的面部情緒，就像它們產生的速度一樣快。

2.2 導入后分析

視頻記錄可以在后期導入到iMotions中，用于分析面部表情，而無需進行實時分析。以你喜歡的方式記錄，或者使用先前的記錄，來理解所表達的情感。

2.3 無縫集成

集成和同步來自20多家立供應商的50多種不同傳感器，涵蓋10多種模態。通過實驗室流層添加更多傳感器。實時轉發數據并導入外部傳感器/軟件數據，并通過API將其循環回平臺。

2.4 自然非侵入式

面部表情分析僅需要用于記錄面部的網絡攝像機，并且因此可以在各種環境中執行。記錄自然面部表情數據不需要侵入性測量。

2.5 快速、無偏差的結果

Affectiva的面部表情分析提供了對情感表達的無偏差測量。實時理解對刺激的情緒表達，并快速得出結論。

2.6 大范圍數據

Affectiva提供效價和復雜面部情緒水平的數據，一直到單個面部標志，這些數據可以在iMotions中進行檢查，也可以導出以供進一步分析。這意味著您可以根據需要對參與者的面部表情進行細致的理解。

三、分析識別指標

3.1 數據內容

以進一步了解下面的圖表顯示了Affectiva能夠從面部表情中收集的數據。使用面部標志獲取精細數據，或通過

Affectiva的計算評估表達的情緒。訪問其他數據以確定響應刺激的行為。

3.2 分析指標計算模型

Affectiva的算法根據特定面部動作來計算面部表情的可能性。下面的圖表顯示了哪些面部表情會增加或減

少情緒表達被檢測到的可能性。

四、應用案例