FaceReader 7.0对国内常见表情图片库识别有效性研究.docVIP

FaceReader 7.0对国内常见表情图片库识别有效性研究 　　摘 要 研究采用FaceReader 7.0版本，对国内常见面部表情图片库进行了识别分析。结果发现：（1）软件对USTC-NVIE图片库420张人为表情图片的识别率为58.0%（其中不戴眼镜的面部表情图片识别率可达64.0%，戴眼镜的图片识别率为51.9%）；（2）对CFAPS图片库840张图片的识别率为48.1%。结论：软件对国内常见面部表情图片库的识别有效性尚可，对“高兴”、“惊奇”和“中性”情绪表现出较好的识别率，但其对“生气”、“害怕”以及戴眼镜面部表情图片的识别率还有待进一步提高。因此相关研究者在进行较为重要或精确的研究时应该注意到这一问题，必要时进行人工校对，以免影响研究结果。 　　关键词 FaceReader；USTC-NVIE；CFAPS；面部表情；表情识别 　　分类号 B841 　　DOI： 10.16842/j.cnki.issn2095-5588.2018.02.005 　　1 引言 　　人类在交往过程中，主要通过语言、声音、动作和面部表情等方式传递情感，研究表明其中“面部表情”传递的信息量最大，Mehrabian（1968）曾经提出：感情表露=7%的语言+38%的声音+55%的面部表情。随着计算机技术的快速发展，不少研究者关注情?w自动识别技术，并通过面部表情、身体行为、语音信号分析法和生理信号测试法等方法识别情绪，其中传递情绪信息量最大的“面部表情”识别引起了研究者的极大兴趣。Ekman和Friesen（1976）通过观察和生物反馈，描绘出了不同的脸部肌肉动作和不同表情的对应关系，并提出了面部行为编码系统（Facial Action Coding System，FACS）。FACS系统将人脸表情分为“高兴”、“惊奇”、“害怕”、“悲伤”、“生气”和“厌恶”6种，它是面部表情肌肉运动的权威参照标准。 　　荷兰Noldus公司根据Ekman等人提出的FACS理论，研发了世界上第一款能够自动识别六种基本表情（“高兴”、“悲伤”、“生气”、“厌恶”、“惊奇”、“害怕”）和中性情绪的软件――FaceReader。在国外，该软件已被广泛运用于心理学、用户体验、可用性测试、消费行为、市场测试、游戏软件的评价、体育运动等领域对人类表情反应的研究。在我国，该软件主要集中在体育运动领域的研究，张忠秋等人（2009）运用FaceReader 3.0，结合生理指标，对我国国家跳水队运动员进行应激状态下的情绪表现检测，并实施相应干预措施，取得了理想的效果。之后又运用FaceReader 4.0对北京奥运会男子和女子跳水3米板决赛前3名运动员的面部表情进行分析，得出顶尖级运动员临场比赛的面部表情具有总体量化的相似性的特征，即以大比例的自然情绪为主，同时带有一定比例的消极情绪（生气和悲伤），研究者认为，可控的消极情绪会让运动员感到适度的紧张和焦虑，从而更利于竞技水平的发挥（张松林，张忠秋，2012a，2012b）。 　　诚然，应用研究需建立在基础研究之上，只有评测出FaceReader软件对于面部表情识别的有效性后，方能更好地开展应用研究。除了FaceReader软件自测识别绩效为89%外（Noldus Information Technology，2011），不同研究者在评价其识别有效性方面进行了一系列的研究。Terzis，Moridis和Economides（2010）将评估者对表情的自评分数与FaceReader的结果进行了对比，发现一致性可达87%。Bijlstra和Dotsch（2011）对比了Facereader与标准化的表情图片库RaFD（Radboud Faces Database）的一致性，达97.4%。Zaman和Shrimpton-Smith（2006）对面部表情分析系统应用在游戏体验中的有效性进行了验证，他们在研究中比较了在用户玩电脑游戏过程中面部表情分析系统和两位研究人员记录的情绪识别结果，发现面部表情分析系统的表现和两位记录员的表现具有高度一致性，且与这两位记录员的表现无显著差异。 　　不同人群的面孔模型存在一定的差异，针对亚洲人群，软件启用EastAsian模板，因此将FaceReader应用于中国人面孔情绪识别的效果也值得验证。FaceReader 5.0版本对中国科大-自发可见与红外人脸表情图片库（中国科学技术大学安徽省计算与通信软件重点实验室构建，英文全称为University of Science and Technology of China - Natural Visible and Infrared Facial Expression Database，简称USTC-NVIE）经过标准化的311张人为