压力识别通过可解释的人工智能和机器学习来识别相关的面部动作单元
Giorgos Giannakakis1, Anastasios Roussos2, Christina Andreou3
1Institute of Computer Science, Foundation for Research and Technology Hellas (FORTH), N. Plastira 100, Heraklion, 70013, Crete, Greece; Department of Electronic Engineering, Hellenic Mediterranean University, Chania, 73133, Greece; Institute of Agri-food and Life Sciences, University Research and Innovation Center, Hellenic Mediterranean University, Heraklion, 71003, Greece.
面部动作单元 (AU) 可以自动检测急性压力. 特定的AU组合准确地区分压力与中性状态,在识别压力水平方面达到93%以上的准确性.
科学领域:
- 心理生理学 心理生理学
- 机器学习 机器学习
- 计算机视觉 计算机视觉
背景情况:
- 面部暗示和表情提供了对压力水平的洞察力.
- 面部动作单位 (AU) 模型面部肌肉运动用于压力评估.
- 这项研究探讨了使用AUs的自动急性应激识别.
研究的目的:
- 研究基于面部动作单位 (AU) 的自动急性应激识别.
- 使用传统的机器学习和深度学习技术来检测压力.
- 确定相关的AU组合,用于压力条件的分类.
主要方法:
- 开发了一个新数据集,有58名参与者和11个压力/非压力任务.
- 采用计算特征选择,用于强大的AU子集识别.
- 集成的AU与机器学习和深度学习,使用层级相关性传播进行分析.
主要成果:
- 与中立国家相比,急性压力显著增加了AU的存在和强度.
- 确定并对特定压力类型的最相关的AU组合进行了排名.
- 在应力和中性条件下,平均分类准确度超过93%.
结论:
- 特定的AU组合是急性压力条件的关键指标.
- 这些AU组合可以提高中性和应力状态之间的分离性.
- 面部动作单元提供了一种可靠的方法,用于自动识别压力.
更多相关视频
05:51Exploring the Use of Isolated Expressions and Film Clips to Evaluate Emotion Recognition by People with Traumatic Brain Injury
Published on: May 15, 2016
07:12Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
Published on: August 26, 2016
相关概念视频
Association Areas of the Cortex
Prefrontal Association Area: This area is located in the frontal lobe and is involved in planning, decision-making, and moderating social behavior. It connects with primary motor areas,...
Facial Feedback Hypothesis
