情緒再也藏不??？AI從走路姿勢就能分辨！

每個(gè)人的走路方式都各有不同，而且它還會(huì )泄露有關(guān)你的更多秘密，比如你每時(shí)每刻的情緒。舉例來(lái)說(shuō)，當你感到壓抑或沮喪時(shí)，你更有可能耷拉著(zhù)肩膀，而不是昂首闊步地走路。

美國查佩爾希爾大學(xué)和馬里蘭大學(xué)的研究人員利用這種身體語(yǔ)言，最近研究了一種機器學(xué)習方法，這種方法可以從某人的步態(tài)中識別出他當前的情緒，包括情緒向性(消極或積極)和喚起水平(平靜或充滿(mǎn)活力)。研究人員稱(chēng)，這種方法在初步實(shí)驗中的準確率達到80.07%。

研究人員寫(xiě)道：“情緒在我們的生活中扮演著(zhù)重要的角色，定義著(zhù)我們的經(jīng)歷，塑造著(zhù)我們看待世界和與他人互動(dòng)的方式。由于感知情感在日常生活中的重要性，自動(dòng)情感識別在許多領(lǐng)域都是一個(gè)關(guān)鍵問(wèn)題，比如游戲和娛樂(lè )、安全和執法、購物以及人機交互等?！?/p>

研究人員選擇了四種情緒——快樂(lè )、悲傷、憤怒和中性，以此作為測試步態(tài)分析算法的例證。然后，他們從多個(gè)步行視頻語(yǔ)料庫中提取步態(tài)來(lái)識別情感特征，并使用三維姿態(tài)估計技術(shù)提取姿態(tài)。

最后，他們利用長(cháng)短時(shí)記憶(LSTM)模型——能夠學(xué)習長(cháng)期依賴(lài)關(guān)系，從姿態(tài)序列中獲得特征，并將其與隨機森林分類(lèi)器(該分類(lèi)器輸出多個(gè)獨立決策樹(shù)的平均預測)相結合，將其所分析步態(tài)歸入上述四種情緒類(lèi)別中。

這個(gè)AI系統根據人們走路的方式對他們的情緒進(jìn)行分類(lèi)

這些特征包括肩膀姿勢、連續步數之間的距離以及手和脖子之間的抖動(dòng)頻率。頭部?jì)A斜角度被用來(lái)區分快樂(lè )和悲傷的情緒，而更緊湊的姿勢和“身體擴張”分別代表著(zhù)消極和積極的情緒。

至于喚起水平，科學(xué)家們注意到它往往與增加的動(dòng)作相對應，該模型考慮了速度、加速度的大小，以及手、腳和頭部關(guān)節的“運動(dòng)抖動(dòng)”。

AI系統處理了來(lái)自“情感漫步”(Emotion Walk，簡(jiǎn)稱(chēng)EWalk)的樣本。EWalk是包含1384個(gè)步態(tài)的新數據集，這些步態(tài)是從24名受試者在大學(xué)校園(包括室內和室外)散步的視頻中提取的。大約有700名來(lái)自亞馬遜土耳其機械公司的參與者給情緒貼上標簽，研究人員用這些標簽來(lái)確定情緒的向性和興奮程度。

在測試中，研究小組報告說(shuō)，他們的情感檢測方法準確性比最先進(jìn)的算法提高了13.85%，比不考慮情感特征的“普通”LSTM提高了24.60%。這并不是說(shuō)它是完美的，畢竟其精度度在很大程度上取決于三維人體姿態(tài)估計和步態(tài)提取的精度。但盡管有這些限制，研究小組相信他們的方法將為涉及額外活動(dòng)和其他情感識別算法的研究提供堅實(shí)的基礎。

研究人員表示：“我們的方法也是第一個(gè)利用最先進(jìn)3D人體姿態(tài)估計技術(shù)，為行走視頻中的情緒識別提供實(shí)時(shí)通道的方法。作為未來(lái)工作的一部分，我們希望收集更多的數據集，并改進(jìn)當前系統中存在的限制?！?/p>