使用多任务级联卷积神经网络从人类面部表情情绪分析的可靠性

科学领域:

• 机器人和人工智能 机器人和人工智能
• 人与计算机的交互
• 情感计算是一种情感计算.

背景情况:

• 对护理环境中的生命支持机器人来说,同情的沟通至关重要.
• 机器人需要精确的情绪识别从面部表情来实现这一点.
• 多任务级联卷积神经网络 (MTCNN) 正在探索面部情绪分析.

研究的目的:

• 评估基于MTCNN的面部情绪分析与人类主观评估之间的一致性.
• 确定MTCNN在人机交互中识别情绪的潜力.
• 评估MTCNN在识别特定情绪,特别是幸福情绪方面的准确性.

主要方法:

• 40名大学生与PALRO机器人进行了10分钟的互动.
• 十三段视频被MTCNN分析,以寻找快乐的面部表情或组合的情绪.
• 20名大学生和20名医疗专业人员从面部表情中确定了7种情绪;Fleiss的kappa系数被计算出来.

主要成果:

• 对于七种情绪的总体同意范围从0.21到0.28 (轻微到公平的同意).
• 对"快乐"情绪 (kappa 0.52-0.57) 观察到的最高一致性 (中等).
• 在女学生中",惊喜"显示了适度的同意 (kappa 0.48).

结论:

• 在识别"快乐"情绪时,MTCNN显示了与人类分析的适度一致.
• 这些发现表明,MTCNN可能有效地识别人机交互中的幸福感.
• 需要进一步的研究来提高MTCNN对更广泛情绪的准确性.