Fortschritte in der Gesichtsausdruckserkennung

Emotionen zu erkennen ist super wichtig, wenn wir mit anderen interagieren. Es hilft uns zu verstehen und darauf zu reagieren, was die Leute um uns herum fühlen. Eine der Hauptweisen, wie wir Emotionen sehen, sind Gesichtsausdrücke, die uns wichtige Hinweise geben, wie jemand sich fühlt. Aber Emotionen zu erkennen ist nicht immer einfach. Es gibt viele Vorurteile, die beeinflussen können, wie wir diese Emotionen interpretieren. Diese Vorurteile können sowohl Menschen in Therapie als auch andere betreffen.

Einige Studien haben unterschiedliche Ergebnisse bei diesen Vorurteilen gezeigt. Zum Beispiel fand eine Studie heraus, dass gesunde Leute keine Vorurteile beim Interpretieren neutraler Gesichter als glücklich oder traurig zeigten. Im Gegensatz dazu deutete eine andere Studie an, dass gesunde Teilnehmer eher neutrale Gesichter als glücklich sahen, während depressive Menschen diese als neutral wahrnahmen. Es ist unklar, ob diese Unterschiede an echten Variationen in der Wahrnehmung von Emotionen liegen oder ob sie auf unterschiedlichen Studienmethoden basieren. Diese Unsicherheit zeigt, dass wir klare und konsistente Forschungsmethoden brauchen.

#Gesichtsmorph-Techniken

Eine gängige Methode, um Emotionen zu studieren, ist Face Morphing. Dabei werden Bilder von Gesichtern genommen und eine emotionale Ausdrucksweise allmählich in eine andere verwandelt. Durch das Mischen von Merkmalen aus Gesichtsausdrücken wie Glück und Angst mit einem neutralen Ausdruck können Forscher eine Reihe von Gesichtern erstellen, die verschiedene emotionale Zustände zeigen.

Allerdings können traditionelle Face Morphing-Methoden Probleme verursachen. Oft sehen die entstandenen Bilder unrealistisch oder unnatürlich aus, was die Interpretation der angezeigten Emotionen stören kann. Verschiedene Teile eines Gesichts sind wichtig, um unterschiedliche Emotionen zu vermitteln, was bedeutet, dass der Fokus auf etwas auch von kulturellen und individuellen Unterschieden beeinflusst sein kann.

Um diese Probleme anzugehen, ist es wichtig, die Gesichtsbilder richtig zu maskieren. Das bedeutet, dass nur das Gesicht vom Hintergrund ausgeschnitten wird, damit nur die Gesichtszüge zu sehen sind. Die üblichen Techniken, wie einfache ovale oder rechteckige Masken, können die Gesichter verzerren und wichtige emotionale Details gehen verloren. Leider gibt es keine öffentlich verfügbaren Bildersets, die diese Probleme vermeiden.

#Erstellung eines neuen Stimulussets

Um diese Lücke zu füllen, haben wir ein neues Set von Bildern erstellt und getestet, das fortschrittliches Face Morphing verwendet, das einen neutralen Ausdruck als Grundlage nimmt und hochwertige Masken anwendet, um den Realismus zu verbessern. Wir basierten unsere Bilder auf einer Sammlung, die eine Vielzahl von Gesichtsausdrücken wie Glück, Wut und Neutralität zeigt.

In unserem Ansatz haben wir sorgfältig Masken für jedes Bild mit fortschrittlicher Software erstellt, die neuronale Netzwerke nutzt. Diese Masken stellen sicher, dass nur der Gesichtsbereich gezeigt wird, um Ablenkungen oder Verzerrungen durch Haare oder Ohren zu vermeiden. Wir wählten auch Bilder aus, die sanfte Übergänge ohne übertriebene Ausdrücke erlauben.

Schliesslich produzierten wir ein Set von 198 verschiedenen Gesichtsbildern. Jedes Bild repräsentiert verschiedene emotionale Zustände zwischen Wut und Glück, mit einigen Bildern, die Zwischenemotionen zeigen.

#Experimentaufbau

Um unser neues Set von Gesichtsbildern zu testen, baten wir eine Gruppe junger Teilnehmer, die Emotionen auf jedem Gesicht zu bewerten. Sie verwendeten eine Skala von wütend bis glücklich, um ihre Gedanken zu den wahrgenommenen Emotionen auszudrücken. Dies fand in einem ruhigen Raum statt, in dem ein Bildschirm die Bilder anzeigte.

Die Teilnehmer wurden angewiesen, sich jedes Bild ein paar Sekunden lang anzusehen und dann die Emotion zu bewerten, die sie sahen. Sie hatten vier Sekunden Zeit, um ihre Bewertung abzugeben, bevor sie zum nächsten Bild übergingen. Jeder Teilnehmer sah insgesamt 396 Bilder, mit Pausen, um ihnen zu helfen, fokussiert zu bleiben.

Nach einer Weile baten wir eine kleinere Gruppe derselben Teilnehmer, wiederzukommen und die Bilder erneut zu bewerten. Das wurde gemacht, um zu sehen, ob ihre Interpretationen über die Zeit konsistent bleiben würden.

#Datenanalyse

Nach dem Sammeln der Bewertungen von den Teilnehmern schauten wir uns die Beziehung zwischen ihren Bewertungen der Bilder und den emotionalen Zuständen an, die durch das Morphing dargestellt wurden. Wir verwendeten statistische Tests, um zu berechnen, wie stark die Verbindung zwischen ihren Bewertungen und den beabsichtigten Emotionen war.

Zusätzlich analysierten wir die Bewertungen aus dem Retest, um festzustellen, ob die Antworten der Teilnehmer über die beiden verschiedenen Testsitzungen hinweg konsistent waren. Wir modellierten die Daten, um die Zuverlässigkeit der Antworten und wie sie sich je nach Geschlecht der Gesichter und der Teilnehmer unterscheiden könnten, zu bestimmen.

#Ergebnisse

Die Analyse der Bewertungen zeigte eine starke Verbindung zwischen den Bewertungen der Teilnehmer und den beabsichtigten emotionalen Ausdrücken in den Bildern. Das bedeutet, dass unsere Morphing-Technik gut funktioniert hat, um Gesichter zu schaffen, die die Leute konsistent in Bezug auf Emotionen interpretierten. Die hohe Zuverlässigkeit der Antworten während des Retests deutet darauf hin, dass die Interpretationen der emotionalen Zustände der Teilnehmer über die Zeit stabil blieben.

Genauer gesagt fanden wir heraus, dass die Bewertungen der Teilnehmer leicht variieren, je nachdem, ob sie männliche oder weibliche Gesichter bewerteten. Dennoch waren die Gesamtergebnisse solide, was darauf hindeutet, dass unser Bilderset effektiv genutzt werden kann, um zu studieren, wie Emotionen wahrgenommen werden.

#Fazit

Zusammenfassend haben wir ein neues Set von Bildern entwickelt, das eine Reihe von Emotionen von Wut bis Glück genau darstellt. Dieses Set, genannt STEMorph, verwendet fortgeschrittene Techniken, um sicherzustellen, dass die Gesichter realistisch aussehen, was eine bessere Interpretation von emotionalen Ausdrücken ermöglicht.

Die starke Korrelation zwischen den Bewertungen der Teilnehmer und den beabsichtigten Emotionen zeigt, dass unsere Methode einen natürlichen Übergang zwischen emotionalen Zuständen geschaffen hat. Das hohe Mass an Zuverlässigkeit in den Antworten zeigt minimale Veränderungen darin, wie die Teilnehmer die Emotionen über die Zeit wahrnahmen, was die Nützlichkeit dieses Werkzeugs für die Forschung unterstreicht.

Durch die öffentliche Verfügbarkeit dieses Sets tragen wir zum Bereich der Emotionserkennungsforschung bei. So können andere Forscher untersuchen, wie wir Emotionen unter verschiedenen Bedingungen und in verschiedenen Gruppen wahrnehmen. Zukünftige Studien könnten auch andere emotionale Übergänge betrachten und unser Verständnis darüber erweitern, wie Emotionen durch Gesichtsausdrücke vermittelt werden.