我有多紧张? 计算机视觉如何成功,而人类如何从动态面部行为中解释状态焦虑而失败
Mithras Kuipers1, Mitchel Kappen1,2, Marnix Naber1
1Experimental Psychology, Helmholtz Institute, Faculty of Social and Behavioral Sciences, Utrecht University, Utrecht, The Netherlands.
Cognition & emotion
|July 3, 2023
概括
通过面部线索检测紧张是人类的挑战. 我们的计算机视觉模型准确地识别了与焦虑相关的面部变化,有助于评估复杂的情绪状态.
科学领域:
- 心理学 心理学 心理学
- 计算机视觉 计算机视觉
- 人与计算机的交互
背景情况:
- 了解他人的情绪状态对于人类互动至关重要.
- 面部暗示提供了对情绪和心理状态的洞察力,例如紧张 (状态焦虑).
- 通过观察紧张情绪来评估熟悉和对环境的满意度.
研究的目的:
- 使用计算机视觉开发行为紧张模型.
- 在面试环境中识别时间变化的表情线索,表明紧张.
- 调查人类观察者在检测神经紧张的准确性.
主要方法:
- 利用计算机视觉开发行为紧张模型.
- 分析了与焦虑状态相关的时间变化的面部暗示.
- 将自动化模型的性能与人类观察者的性能进行比较.
主要成果:
- 反映焦虑的面部变化导致视觉暴露增加和化学传感暴露减少.
- 经验丰富的人类观察员在准确检测紧张程度方面表现出困难.
- 开发的模型显示了识别与神经紧张相关的微妙面部线索的潜力.
结论:
- 人类确定神经紧张等复杂情绪状态的能力是有限的.
- 一个自动化模型可以帮助实现对情绪状态的更公平的评估.
- 这项研究强调了计算机视觉在理解微妙的人类情绪方面的实用性.
