首頁?行業  »   正文

AI根據人們走路的姿態和方式判定情緒

AI根據人們走路的姿態和方式判定情緒

走路的姿態可能會說明你在特定時刻的感受,例如,當你感到壓抑或沮喪時,你更有可能耷拉著肩膀。

北卡羅萊納大學和馬里蘭大學的研究人員最近開發了一種機器學習方法,可以從一個人的步態中識別感知情緒,效價(例如,消極或積極),以及步態喚醒(平靜或精力充沛)。研究人員聲稱這種方法是同類中的第一種,在初步實驗中達到了80.07%的準確率。

情緒在我們的生活中發揮著重要作用,定義了我們的經驗,塑造了我們如何看待世界并與其他人互動,由于感知情緒在日常生活中的重要性,自動情緒識別是許多領域的關鍵問題,如游戲和娛樂,安全和執法,購物,人機交互。

研究人員選擇了四種情緒:快樂,悲傷,憤怒和中性,因為它們傾向于持續一段時間并且在行走活動中很豐富。

團隊從多個步行視頻語料庫中提取步態,使用3D姿勢估計技術識別情感特征和提取的姿勢。最后,利用長期短期記憶(LSTM)模型從姿勢序列中獲取特征,并將它們與隨機森林分類器(輸出幾個單獨決策樹的平均預測)相結合,將例子分類到上述四種情緒類別。

AI根據人們走路的姿態和方式判定情緒

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區域。頭部傾斜角度用來區分快樂和悲傷的情緒,而更緊湊的姿勢和身體擴張分別識別積極和消極的情緒。至于喚醒,科學家們注意到它往往與增加的運動相對應,該模型考慮了速度、加速度的大小,以及手、腳和頭部關節的運動抖動。

人工智能系統處理了來自Emotion Walk的樣本,這是一個新的數據集,包含從在大學校園內,室內和室外走動的24名受試者的視頻中提取的1384個步態。來自亞馬遜機械土耳其人的大約700名參與者標記了情緒,研究人員使用這些標簽來確定效價和喚醒水平。

在測試中,該團隊報告說該情緒檢測方法比最先進的算法提高了13.85%,比不考慮情感特征的“vanilla”LSTM提高了24.60%。這并不是說它是萬無一失的,它的準確性在很大程度上取決于3D人體姿勢估計和步態提取的精確度。盡管有這些限制,該團隊仍然相信他們的方法將為涉及其他活動和其他情緒識別算法的研究提供堅實的基礎。

團隊表示,“這也是第一個通過利用最先進的3D人體姿態估計,為步行視頻中的情緒識別提供實時管道的方法,未來的工作我們希望收集更多數據集并解決限制。”

歡迎關注ATYUN官方公眾號,商務合作及內容投稿請聯系郵箱:[email protected]

發表評論