研究人员使用一种软件进行了试验，该软件能够检测人眼隐藏的复杂情绪细节。

该软件使用“人工网络”来映射面部的关键特征，可以同时评估多种不同面部表情的强度。

布里斯托大学 和曼彻斯特城市大学的 团队与布里斯托 90 年代儿童研究参与者合作，研究计算方法如何更好地捕捉日常家庭生活中真实的人类情感。这包括使用在家拍摄的视频，这些视频是婴儿在与父母互动时佩戴的头戴摄像头拍摄的。

发表在《前沿》杂志上的研究结果表明，科学家可以使用机器学习技术，根据计算机的决定准确预测人类对父母面部表情的判断。

主要作者、布里斯托大学电气、电子和机械工程学院 EPSRC 数字健康与护理 CDT 博士生 Romana Burgess 解释道：“人类会经历复杂的情绪 - 算法告诉我们，某人可能会感到 5% 的悲伤例如，或者 10% 快乐。

“当视频质量高并且代表最佳条件时，使用计算方法从视频数据中检测面部表情可以非常准确 - 例如，当视频在光线良好的房间中录制时，当参与者面对面坐在相机，以及当眼镜或长发不挡住脸部时。

“我们对他们在混乱的现实家庭环境中的表现很感兴趣。

“该软件在现实条件下拍摄的视频中检测到了大约 25% 的人脸，这反映出在此类动态交互中评估人脸的难度。”

该团队使用了90 年代儿童健康研究的数据，也称为雅芳父母和儿童纵向研究 (ALSPAC)。当孩子六个月大时，父母被邀请去布里斯托大学的诊所就诊。

在诊所，作为ERC MHINT 头戴摄像头研究的一部分，为父母提供了两个可穿戴头戴摄像头，可以带回家并在与婴儿互动时使用。父母和婴儿在喂食和玩耍互动时都戴着头戴式摄像头。

然后，他们使用“自动面部编码”软件通过计算分析视频中父母的面部表情，并让人类编码员分析同一视频中的面部表情。

该团队量化了软件检测视频中面部的频率，并评估了人类和软件在面部表情上达成一致的频率。

最后，他们使用机器学习根据计算机决策来预测人类的判断。

罗马纳说：“在父母的家庭环境中部署自动面部分析可能会改变我们检测情绪或心理健康障碍(例如产后抑郁症)早期迹象的方式。

“例如，我们可能会期望患有抑郁症的父母表现出更多悲伤的表情和更少快乐的面部表情。

ERC 项目的合著者兼首席研究员、曼彻斯特城市大学的 Rebecca Pearson 教授解释说：“通过父母面部表情的细微差别，可以更好地理解这些情况，从而提供以前难以想象的早期干预机会。例如，大多数父母会试图“掩盖”自己的痛苦，并在周围的人面前表现得“很好”。软件可以识别更微妙的组合，包括悲伤和喜悦混合的表情或快速变化的表情。”

现在，该团队计划探索在家庭环境中使用自动面部编码作为了解情绪和心理健康障碍以及互动的工具。这将有助于开创健康监测的新时代，将创新科学直接带入家庭。

Romana 总结道：“我们的研究使用可穿戴头戴式摄像头来捕捉日常亲子互动中真实的、即兴的情绪。再加上尖端计算技术的使用，这意味着我们可以揭示以前人眼无法获得的隐藏细节，改变我们理解父母在与婴儿互动时真实情绪的方式。”

作为 ERC 项目的延伸，目前正在收集青少年的头戴摄像头数据，并计划使用相同的方法来了解青少年在家中的复杂情绪，请参阅利物浦大学人口健康研究所的 Teencam 试点研究。

90 年代儿童首席研究员 Nic Timpson 教授评论道：“布里斯托尔的家庭几十年来一直参与重要的健康研究，在这里，他们正在利用这种现实生活中的头戴摄像头镜头开创研究心理健康的新方法。”

标 签：