الآن الذكاء الاصطناعي قادر على التعرف على العواطف من خلال مواقف الجسم

Share:

الآن الذكاء الاصطناعي قادر على التعرف على العواطف من خلال مواقف الجسم

الطريقة التي يسير بها الناس تقول الكثير عن مزاجهم. قام الباحثون في جامعة تشابل هيل وجامعة ميريلاند بأخذها إلى أبعد من ذلك قليلاً وطوروا طريقة للتعلم الآلي قادرة على التعرف على مشاعر الشخص من خلال أسلوبه في المشي أو وضعه في المشي.

وفقًا للباحثين ، فإن الدراسة واحدة من نوعها وتمكنت من الحصول على نتائج صحيحة بنسبة 80.07٪ في التجارب الأولية.

قال مشاركو التقرير أن العواطف تلعب دورًا مهمًا في حياتنا اليومية. ليس من الممكن دائمًا تحديد مشاعر خصوصية الشخص في الألعاب والترفيه وتطبيق القانون والتفاعل بين الإنسان والحاسوب والتسوق والتفاعل بين الإنسان والآلة.

أربعة مشاعر (سعيدة وحزينة وغاضبة ومحايدة) هي أمزجة أكثر شيوعًا وأسهل تحديدًا من أسلوب المشي ، لذلك ركز الباحثون على هذه الأمور بالتحديد.

تم تجميع المواقف والأساليب المختلفة للمشي من مقاطع الفيديو ، ثم تم استخدام تقنية 3D pose تقدير لاستخراج يطرح وتميز الميزات الفعالة.

تم استخراج الملامح من سلاسل متسلسلة من خلال نموذج الذاكرة الطويلة المدى (LSTM). ثم انضمت إلى مصنف الغابات الذي يعطي التنبؤ المتوسط ​​من خلال تحليل عدد من أشجار القرار ، لوضع أمثلة للمشاعر الأربعة.

وضع الكتف ، تعتبر المسافة بين الخطوات المستمرة والمسافة بين اليدين والرقبة. تم تحليل المشاعر الحزينة والسعيدة بزاوية ميل الرأس وللتمييز بين المشاعر السلبية والإيجابية ، لوحظ توسع الجسم وغيره من المواقف العامة للجسم.

ينتاب العلماء الإثارة بزيادة الحركات ويتم استخدام نفس الأسلوب في أساليب التعلم الآلي. تم تحليل حجم السرعة والتسارع واليد والقدمين وحركات الرأس بواسطة النموذج. يتكون برنامج Emotional Walk و EWalk من 1384 موقعًا تم تسجيلها داخل الحرم الجامعي وخارجه من خلال 24 مقطع فيديو.

تم تصنيف المشاركين الـ 700 في Amazon Mechanical Turk على العواطف ، ثم تم استخدام هذه الملصقات لتحليل مستوى الإثارة.

فيما يتعلق بالخوارزمية الحديثة ، قال فريق الباحثين إنه قد لوحظ تحسن بنسبة 13.85 ٪ في اكتشاف المشاعر ، بينما تحسن 24.6 ٪ في LSTMs الفانيليا ، والتي لا تعكس الميزات لتكون فعالة.

هذا لا يعني أنه سيعطي نتائج بنسبة 100 ٪ ، لأنه يعتمد بشكل كبير على تحليل الوضع وإدراك المواقف. يعتقد الفريق أن هذه الدراسة سترفع الأبحاث المستقبلية حول خوارزميات التعرف على المشاعر.

"هناك بعض القيود على النهج الذي نتبعه. تعتمد دقة الخوارزمية الخاصة بنا على دقة تقدير الوضع البشري ثلاثي الأبعاد وخوارزميات استخراج المشية. لذلك ، قد لا يكون تنبؤ العواطف دقيقًا إذا كانت الأشكال البشرية ثلاثية الأبعاد أو المشاغل البشرية الموضحة ضوضاء. يتطلب الحساب وظائف مشتركة من الجسم بالكامل ، لكن بيانات الجسم بالكامل قد لا تكون متاحة في حالة حدوث انسداد في الفيديو ، ونحن نفترض أن حركة المشي طبيعية ولا تتضمن أي ملحقات (مثل حقيبة السفر والهواتف المحمولة وما إلى ذلك. .). كجزء من العمل في المستقبل ، نود أن نجمع المزيد من مجموعات البيانات ومعالجة هذه المشكلات ، وسنحاول أيضًا توسيع منهجيتنا للنظر في المزيد من الأنشطة مثل الجري والإيماءات ، إلخ. أخيرًا ، نود أن نجمع بين طريقة عملنا مع خوارزميات التعرف على المشاعر الأخرى التي تستخدم تعبيرات الإنسان وتعبيرات الوجه. "

ليست هناك تعليقات