一、系統(tǒng)介紹
1.1 對表達的情緒反應進行分類和記錄
情緒的指標之一是我們的臉。當我們大笑或哭泣時，我們正在展示我們的情緒，讓其他人瞥見我們的思想，因為他們根據(jù)關鍵面部特征的變化"閱讀"我們的臉?；谟嬎銠C的面部表情分析非常令人印象深刻地模仿了我們的人類編碼技能，因為它捕獲了對任何類型的情感參與內(nèi)容的原始，未經(jīng)過濾的情感反應。這些表達的情緒狀態(tài)是使用全自動計算機算法實時檢測的，這些算法通過網(wǎng)絡攝像頭記錄面部表情。
Affectiva模塊能夠利用Affectiva的面部表情分析實時網(wǎng)絡攝像頭饋送或視頻記錄。可以實時查看數(shù)據(jù)，然后進行分析和導出，幫助理解面部表情反應。
iMotions面部表情分析模塊無縫集成了自動化面部編碼引擎：Affectiva的AFFDEX和Realeyes。使用網(wǎng)絡攝像頭，您可以直接在iMotions軟件中實時同步表達的面部情緒與刺激。如果您錄制了面部視頻，則只需將視頻導入iMotions軟件即可進行面部表情分析后期處理。通過內(nèi)置的分析和可視化工具獲得見解，或?qū)С鰯?shù)據(jù)以進行其他分析。
1.2 面部情緒分類
該模塊提供20種面部表情測量（動作單位），7種核心情緒（快樂/幸福，困惑/憤怒，恐懼，厭惡，蔑視，悲傷和驚訝），面部特征和行為指標，如頭部方向和注意力。這些輸出度量值提供概率值來表示表達預期情緒的可能性。還提供了參與度和效價的匯總分數(shù)，讓您大致了解總體表達的響應。
時間軸注釋和LiveMarkers還可以在iMotions中執(zhí)行行為編碼。結(jié)合生物傳感器數(shù)據(jù)和自我報告，面部表情分析和行為編碼提供了比其他方式更深刻的見解。
二、模塊主要特點
2.1 理解情緒
通過分析面部表情，可以快速、量化地洞察所表達的面部情緒。幾十年來，面部表情分析一直是人工進行的——現(xiàn)在可以立即進行，幫助你理解刺激引發(fā)的面部情緒，就像它們產(chǎn)生的速度一樣快。
2.2 導入后分析
視頻記錄可以在后期導入到iMotions中，用于分析面部表情，而無需進行實時分析。以你喜歡的方式記錄，或者使用先前的記錄，來理解所表達的情感。
2.3 無縫集成
集成和同步來自20多家獨立供應商的50多種不同傳感器，涵蓋10多種模態(tài)。通過實驗室流層添加更多傳感器。實時轉(zhuǎn)發(fā)數(shù)據(jù)并導入外部傳感器/軟件數(shù)據(jù)，并通過API將其循環(huán)回平臺。
2.4 自然非侵入式
面部表情分析僅需要用于記錄面部的網(wǎng)絡攝像機，并且因此可以在廣泛的環(huán)境中執(zhí)行。記錄自然面部表情數(shù)據(jù)不需要侵入性測量。
2.5 快速、無偏差的結(jié)果
Affectiva的面部表情分析提供了對情感表達的無偏差測量。實時理解對刺激的情緒表達，并快速得出結(jié)論。
2.6 大范圍數(shù)據(jù)
Affectiva提供效價和復雜面部情緒水平的數(shù)據(jù)，一直到單個面部標志，這些數(shù)據(jù)可以在iMotions中進行檢查，也可以導出以供進一步分析。這意味著您可以根據(jù)需要對參與者的面部表情進行細致的理解。
三、分析識別指標
3.1 數(shù)據(jù)內(nèi)容
以進一步了解下面的圖表顯示了Affectiva能夠從面部表情中收集的數(shù)據(jù)。使用面部標志獲取精細數(shù)據(jù)，或通過
Affectiva的計算評估表達的情緒。訪問其他數(shù)據(jù)以確定響應刺激的行為。
3.2 分析指標計算模型
Affectiva的算法根據(jù)特定面部動作的來計算面部表情的可能性。下面的圖表顯示了哪些面部表情會增加或減
少情緒表達被檢測到的可能性。
四、應用案例
