標準化面部表情分析：FaceReader的科學與實踐

面部表情是人類情緒的豐富信息源。與依賴人們表達自身感受能力的調(diào)查或訪談不同，面部表情能夠揭示即時、無意識的情緒反應(yīng)。

面部表情分析在消費者行為研究領(lǐng)域極具價值，因為情緒反應(yīng)會顯著影響決策過程。此外，面部表情分析還廣泛應(yīng)用于其他研究領(lǐng)域，包括行為科學、醫(yī)學、心理學、金融學和教育學。

在本文研究中，Elisa Landmann探究了在這些不同研究領(lǐng)域中使用FaceReader的最佳方法，重點關(guān)注實驗設(shè)計、準確的數(shù)據(jù)處理與分析以及其他方法學考量[1]。

情緒理論
在情緒研究領(lǐng)域，兩個重要的情緒理論分別是Ekman的基本情緒理論[2]和Russell的環(huán)形模型[3]。

基本情緒理論認為，存在六種基本情緒：快樂、驚訝、憤怒、恐懼、厭惡和悲傷，我們通過面部肌肉來表達這些情緒。這些情緒也被稱為動作單元（AUs）。

環(huán)形模型則從兩個主要維度來描述情緒：效價和喚醒度。效價指的是情緒的積極或消極程度，而喚醒度則表示情緒所引發(fā)的活動或警覺水平。

FaceReader的工作原理
面部表情分析系統(tǒng)（FaceReader）是一款用于面部表情分析的自動化系統(tǒng)。系統(tǒng)依據(jù)基本情緒理論和環(huán)形模型對面部表情進行測量，為研究者提供大量信息。FaceReader的其他優(yōu)勢包括在不同研究領(lǐng)域均成功通過驗證，且具有極高的準確率。該準確率已通過ADFES數(shù)據(jù)集驗證[4]。

為深入了解FaceReader在采集、分析和分析情緒數(shù)據(jù)方面的實際應(yīng)用，Landmann進行了文獻綜述，該綜述涵蓋了來自不同行為研究領(lǐng)域的研究。

FaceReader的系統(tǒng)性綜述
Landmann將64項來自2013-2023年間發(fā)表的有關(guān)FaceReader的學術(shù)文章納入其綜述研究，并聚焦于FaceReader在四個關(guān)鍵點的應(yīng)用：

• 優(yōu)勢
• 數(shù)據(jù)收集與準備
• 輸出結(jié)果的處理與分析
• 結(jié)果的有效性

FaceReader的優(yōu)勢
FaceReader廣泛應(yīng)用于醫(yī)學、心理學、教育學、金融學和市場營銷等多個學術(shù)研究與商業(yè)領(lǐng)域。由于系統(tǒng)基于算法，面部表情分析不受人類編碼員個人偏見的影響，且分析速度更快。

Western University的Erin Heerey博士表示，F(xiàn)aceReader能在短短14小時內(nèi)完成800小時的人工編碼分析，大大節(jié)省了研究時間，提高了效率。

此外，相較于市場上其他工具，FaceReader的優(yōu)勢還包括：對單個動作單元（AUs）的分類、用戶友好的界面、獲取效價和喚醒度數(shù)據(jù)的能力、實時分析面部表情的功能、追蹤眼動和注視以及全新版本中的新功能！包括從語音中分析情緒、同時檢測多個面孔（多至8人）等。這將幫助研究者更詳細地研究情緒狀態(tài)以及更好地理解情緒狀態(tài)與社交互動或群體動態(tài)之間的關(guān)系。

2.  FaceReader數(shù)據(jù)的收集與準備
為優(yōu)化FaceReader的數(shù)據(jù)收集，研究者需要高質(zhì)量的視頻素材，確保面部表情清晰可見。這意味著需關(guān)注充足的照明和合適的攝像機角度，同時指導(dǎo)被試直視攝像機并避免頭部過度移動。

此外，FaceReader會評估圖像或視頻的質(zhì)量，幫助研究者獲取并選擇準確的數(shù)據(jù)進行分析。

通過遵循標準化的數(shù)據(jù)收集與準備協(xié)議，可以提高面部表情分析的質(zhì)量和有效性。