评估用于计算机推断婴儿面部影响的开源解决方案
Martin Lund Trinhammer1,2, Ida Egmose3, Marianne Thode Krogh3
1Audio-Visual Computing, Section of Data Science, IT University of Copenhagen, Copenhagen S, Denmark.
Developmental science
|February 24, 2026
概括
这项研究介绍了PyAFAR,这是一个用于分析婴儿面部表情的开源工具. 它准确地分类婴儿影响,匹配商业软件的性能,并帮助发展研究.
科学领域:
- 发展心理学 发展心理学
- 计算机视觉 计算机视觉
- 情感计算是一种情感计算.
背景情况:
- 婴儿的面部表情对于理解福祉和社会发展至关重要.
- 手动编码婴儿影响是耗时的;需要计算方法.
- 现有的婴儿影响分析工具有限,只有商业选择可用.
研究的目的:
- 为了评估开源婴儿本地行动单元 (AU) 检测库的有效性,PyAFAR (基于Python的自动面部动作识别).
- 使用PyAFAR衍生的AU和机器学习模型对婴儿面部影响进行分类 (负面,中性,积极).
- 为弥补婴儿影响分析的开源计算工具的缺口.
主要方法:
- 利用PyAFAR从71名四个月大的婴儿的面部表情中检测动作单位 (AU).
- 手动注释婴儿面部表情,使用婴儿面部表情 (IFA) 编码方案.
- 采用XGBoost和贝叶斯过,用于基于AU特征的多类和二进制影响分类.
主要成果:
- 使用XGBoost的PyAFAR衍生AU获得了0.78 (正比中性) 和0.76 (正比负) 的AUC得分.
- 性能与商业Baby FaceReader 9相当,考虑到研究变化.
- 证明了监督学习对婴儿面部影响分析的潜力.
结论:
- 开源的PyAFAR图书馆显示出对计算婴儿影响分析的重大前景.
- PyAFAR为研究人员和临床医生提供了一个可行的,开源的替代商业软件.
- 未来的PyAFAR开发可以通过为婴儿特定的表达方式添加额外的AU来提高准确性.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.6K
05:10Author Spotlight: An Automated Method for Assessing Visual Acuity in Infants and Toddlers Using an Eye-Tracking System
Published on: March 17, 2023
3.8K
