面部感兴趣区域的自动细分和使用机器学习检测压力
Daniel Jaramillo-Quintanar1, Jean K Gomez-Reyes1, Luis A Morales-Hernandez1
1Laboratory of Artificial Vision and Thermography/Mechatronics, Faculty of Engineering, Autonomous University of Queretaro, Campus San Juan del Rio, San Juan del Rio 76807, Mexico.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
这项研究引入了一种新的机器学习方法,用于使用面部热成像检测人类压力. 该系统准确地分类压力状态,为压力评估提供了一个非侵入性的工具.
科学领域:
- 热图学 热图学 热图学 热图学
- 机器学习 机器学习
- 人体生理学 人体生理学
背景情况:
- 压力显著影响生活质量,需要可靠的检测方法.
- 目前的压力评估工具可能具有侵入性或复杂性.
- 非侵入性,用户友好的压力检测对于广泛应用至关重要.
研究的目的:
- 开发和验证用于自动人类压力分类的机器学习方法.
- 使用面部热成像进行非侵入性压力检测.
- 创建一个强大的工具来识别压力,基线和放松状态.
主要方法:
- 在热图像中自动检测有趣的面部区域 (鼻子,脸,额头,下巴).
- 从这些地区提取温度数据.
- 使用支持矢量机 (SVM) 分类器对应力状态的分类.
- 在25名参与者身上进行测试,他们接受了特里尔社会压力测试和放松.
主要成果:
- 获得了95.4%的分类准确率.
- 记录了4.5%的低错误率.
- 证明了基线,压力和放松状态之间的成功区分.
结论:
- 拟议的方法允许从面部热图片中自动分类压力状态.
- 这种创新工具适合专家和在线应用.
- 该系统为非侵入性压力监测提供了强大而准确的方法.
