AI根据人们走路的姿态和方式判定情绪
2019年07月02日 由 老张 发表
537923
0
走路的姿态可能会说明你在特定时刻的感受,例如,当你感到压抑或沮丧时,你更有可能耷拉着肩膀。
北卡罗莱纳大学和马里兰大学的研究人员最近开发了一种机器学习方法,可以从一个人的步态中识别感知情绪,效价(例如,消极或积极),以及步态唤醒(平静或精力充沛)。研究人员声称这种方法是同类中的第一种,在初步实验中达到了80.07%的准确率。
情绪在我们的生活中发挥着重要作用,定义了我们的经验,塑造了我们如何看待世界并与其他人互动,由于感知情绪在日常生活中的重要性,自动情绪识别是许多领域的关键问题,如游戏和娱乐,安全和执法,购物,人机交互。
研究人员选择了四种情绪:快乐,悲伤,愤怒和中性,因为它们倾向于持续一段时间并且在行走活动中很丰富。
团队从多个步行视频语料库中提取步态,使用3D姿势估计技术识别情感特征和提取的姿势。最后,利用长期短期记忆(LSTM)模型从姿势序列中获取特征,并将它们与随机森林分类器(输出几个单独决策树的平均预测)相结合,将例子分类到上述四种情绪类别。
这些特征包括肩膀姿势、连续步数之间的距离以及手和脖子之间的区域。头部倾斜角度用来区分快乐和悲伤的情绪,而更紧凑的姿势和身体扩张分别识别积极和消极的情绪。至于唤醒,科学家们注意到它往往与增加的运动相对应,该模型考虑了速度、加速度的大小,以及手、脚和头部关节的运动抖动。
人工智能系统处理了来自Emotion Walk的样本,这是一个新的数据集,包含从在大学校园内,室内和室外走动的24名受试者的视频中提取的1384个步态。来自亚马逊机械土耳其人的大约700名参与者标记了情绪,研究人员使用这些标签来确定效价和唤醒水平。
在测试中,该团队报告说该情绪检测方法比最先进的算法提高了13.85%,比不考虑情感特征的“vanilla”LSTM提高了24.60%。这并不是说它是万无一失的,它的准确性在很大程度上取决于3D人体姿势估计和步态提取的精确度。尽管有这些限制,该团队仍然相信他们的方法将为涉及其他活动和其他情绪识别算法的研究提供坚实的基础。
团队表示,“这也是第一个通过利用最先进的3D人体姿态估计,为步行视频中的情绪识别提供实时管道的方法,未来的工作我们希望收集更多数据集并解决限制。”