FaceReader新升級以及您需要了解的7條指南

更新時間：2025-05-09

點(diǎn)擊次數(shù)：1189

面部表情分析系統(tǒng)（FaceReader）新版本全新推出，功能比以往更強(qiáng)大！一起來看看吧。

此外，我們搜集了來自不同用戶在使用FaceReader時，從基本操作到關(guān)于方法和驗(yàn)證的不同問題，并給出了對應(yīng)的回答。

如果您也有同樣的疑問，請繼續(xù)閱讀，本文將幫您更好地理解FaceReader如何助力您的研究。

全新 FaceReader 10：功能比以往更強(qiáng)大

FaceReader 的最新版本使研究更輕松、更高效。重新設(shè)計的直觀界面簡化了實(shí)驗(yàn)設(shè)置，增強(qiáng)的處理能力比以往更快地提供結(jié)果。

此外，新版本增加了情感語音分析、多人分析、消費(fèi)行為分析模塊，并增加了更多同步測量數(shù)據(jù)，如眼動、呼吸頻率。

（一）檢測聲音中的情緒：更好的情緒數(shù)據(jù)

FaceReader 新版本增加的全新模塊！基于英文語音數(shù)據(jù)模型，可分析聲音特征、情緒 (快樂、悲傷、憤怒和中性)及音量和語速。

該功能幫助您更詳細(xì)地研究情緒狀態(tài)，比如結(jié)合面部表情您可以看到聲調(diào)是否與表情相匹配，情緒在壓力或心理健康狀況下有何不同，甚至可以改善 AI 情緒檢測。這將為您的研究提供更強(qiáng)大、更可靠的數(shù)據(jù)。

（二）實(shí)現(xiàn)多人面部表情分析

為了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，新版 FaceReader 實(shí)現(xiàn)了多人面部表情分析，支持在一個視頻中分析最多 8 個人的面部表情，并且可以靈活選擇或剔除分析對象。

這將擴(kuò)大您的研究范圍與靈活度，有助于您研究個體行為如何相互影響，或者情緒在群體互動中如何變化。

（三）網(wǎng)絡(luò)攝像頭眼動追蹤

FaceReader 新版本中，您可以使用 USB 網(wǎng)絡(luò)攝像頭追蹤眼動。這有助于您了解哪些內(nèi)容吸引了用戶的注意力，哪些內(nèi)容被忽略了，而無需專門的硬件，更好地了解視覺注意力和參與度，幫助您優(yōu)化產(chǎn)品、設(shè)計或說明。

（四）測量生命體征：無需額外設(shè)備

FaceReader支持直接從面部測量心率、心率變異性(HRV)，作為評價喚醒度的額外指標(biāo)。無需額外設(shè)備，不會給被試帶來不適。新版本在此基礎(chǔ)上增加了呼吸頻率(bpm)的測量，逐漸完善更全面的生命體征數(shù)據(jù)測量。

測量生理數(shù)據(jù)能增強(qiáng)您的結(jié)果可靠性，讓您可以立即觀測到被試的疲勞、緊張或興奮狀態(tài)，并探究其與面部表情相關(guān)關(guān)系。

（五）消費(fèi)行為洞察

此模塊可進(jìn)行消費(fèi)行為統(tǒng)計，包括攝入量計數(shù)和咀嚼動作計數(shù)。通過分析人們的飲食消費(fèi)行為來研究他們與食品的互動方式。

您可以觀察啜飲、咬或咀嚼，同時關(guān)注被試的情緒反應(yīng)。這有助于您了解消費(fèi)行為與特定情緒或環(huán)境觸發(fā)因素之間的關(guān)系。

關(guān)于FaceReader的7條指南

（一）FaceReader如何計算和分類面部表情？

FaceReader算法遵循三步流程。首先，它在圖像中檢測面部。然后，它基于FaceReader中的468個面部特征點(diǎn)構(gòu)建一個面部模型。最后，它使用一個經(jīng)過訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)（基于100000張圖像）來分類情感表達(dá)和面部狀態(tài)。

默認(rèn)分類的表情包括六種基本面部表情：快樂、悲傷、憤怒、恐懼、驚訝和厭惡，以及輕蔑和中性狀態(tài)。附加模塊允許您測量動作單元、心率或心率變異性，也可以測量咀嚼或攝入等飲食消費(fèi)行為。

您可以隨時間監(jiān)測這些表情，且每個表情和動作單元的強(qiáng)度能在時間軸或折線圖中可視化。

（二）動作單元模塊是如何驗(yàn)證的，其準(zhǔn)確性如何？

我們使用阿姆斯特丹動態(tài)面部表情集（ADFES）驗(yàn)證了FaceReader中的動作單元（AU, Action Unit）模塊，該數(shù)據(jù)集包含22個人展示9種情感表達(dá)。這些表情由經(jīng)過認(rèn)證的FACS編碼員手動編碼，然后將FaceReader的輸出與這些人工評分進(jìn)行比較。

兩位FACS編碼員之間的一致性為0.83，而FaceReader與人工標(biāo)注之間的一致性為0.81。這種高度的一致性表明了其強(qiáng)大的有效性，尤其是考慮到面部編碼的復(fù)雜性。

（三）如何進(jìn)行最佳的攝像頭和照明設(shè)置？

攝像頭放置和照明是確保高質(zhì)量數(shù)據(jù)的關(guān)鍵因素。當(dāng)面部可見、光線均勻且面向攝像頭時，F(xiàn)aceReader的效果比較好。

通常，將網(wǎng)絡(luò)攝像頭放置在屏幕正上方是好的選擇。這樣可以提供正面視圖而不會過于突兀。將攝像頭放置得太低（如在桌面水平）可能導(dǎo)致錯誤分析。例如，抬高的眉毛位置可能看起來像驚訝。

照明同樣重要。您需要從前方進(jìn)行漫射照明，以避免強(qiáng)烈的陰影。自然光效果很好，或者您可以使用臺燈或帶有柔光濾鏡的攝影燈。避免逆光，因?yàn)槟菚姑娌孔儼怠Ｄ€應(yīng)該避免刺眼的頂燈，因?yàn)樗鼤谘劬虮亲酉路疆a(chǎn)生陰影，干擾您的分析。

（四）FaceReader中的主要表情是什么？

FaceReader中的主要表情是指在給定時刻強(qiáng)度最高的表情。例如，如果被試在微笑，但同時也稍微揚(yáng)起眉毛（快樂和驚訝的混合），如果快樂的強(qiáng)度最高，那么主要表情可能仍然被定義為快樂。

即使某個表情不是主要的，FaceReader也會逐幀記錄所有表情的強(qiáng)度。這意味著您仍然可以通過從表情折線圖中導(dǎo)出數(shù)據(jù)來分析不太明顯的反應(yīng)或微表情。

（五）如何比較刺激之間或被試間的反應(yīng)？

您可以在項(xiàng)目分析模塊中進(jìn)行組內(nèi)和組間比較。例如，如果被試觀看了兩個不同的視頻，您可以使用 <比較> 功能來可視化這些刺激下的平均反應(yīng)，如平均快樂度或效價。需要注意的是，為了對FaceReader的結(jié)果進(jìn)行有意義的解釋，您始終需要考慮記錄某些面部表情的上下文情景。

您也可以通過手動選擇被試來進(jìn)行比較。例如，您可能想分析被試A和B對同一視頻的反應(yīng)。FaceReader提供t檢驗(yàn)來幫助識別這些差異。

（六）如何更快捷地批量處理大量視頻？

如果您需要處理大型數(shù)據(jù)，在FaceReader中批量處理預(yù)錄視頻可以節(jié)省大量時間。您可以使用 <項(xiàng)目向?qū)?gt; 自動加載多個視頻，無需手動添加每個被試并分配視頻，僅需選擇一個文件夾，F(xiàn)aceReader會以被試為單位創(chuàng)建項(xiàng)目組。

一旦所有內(nèi)容都加載完畢，<批量分析> 功能將逐個處理每個視頻。為了節(jié)省時間，您還可以調(diào)整采樣率，分析每三幀而不是每幀。對于以30幀/秒制的視頻來說，這意味著每秒分析10幀，這仍然遠(yuǎn)高于可靠結(jié)果所需的5幀/秒的低要求，但速度要快得多。

需要注意的是，F(xiàn)aceReader不會自動保存。因此，在批量運(yùn)行后，請確保保存項(xiàng)目以避免丟失數(shù)據(jù)。確認(rèn)項(xiàng)目名稱旁邊是否有星號（*），這表示您進(jìn)行了尚未保存的更改。

（七）可以在FaceReader中創(chuàng)建自己的自定義表情嗎？

可以！在FaceReader中，您可以基于動作單元、頭部移動或其他面部狀態(tài)定義自定義表情。

您可以使用邏輯運(yùn)算符和閾值來構(gòu)建表情，還可以模擬不同動作單元強(qiáng)度的影響，以測試您的自定義表情如何工作。這對您檢測默認(rèn)自定義表情庫中未包含的情緒狀態(tài)（如尷尬、無聊或疼痛）來說非常有幫助。

需要注意的是，創(chuàng)建有意義的自定義表情需要預(yù)研究。首先觀察被試在情境中預(yù)期會出現(xiàn)的情緒或狀態(tài)。然后，嘗試從與您的觀察相匹配的動作單元和視覺特征中構(gòu)建表情。

FaceReader：您研究的強(qiáng)大工具

無論您是在進(jìn)行簡單的研究測試還是構(gòu)建自定義模型來檢測微妙的面部表情，FaceReader都有很多功能可供您使用。

當(dāng)然，獲得良好的結(jié)果取決于正確的方法，比如清晰的照明、周密的實(shí)驗(yàn)設(shè)計以及對FaceReader測量內(nèi)容的深刻理解。

如果對FaceReader或新版本有任何問題

請隨時聯(lián)系我們

關(guān)注諾達(dá)思公眾號，聯(lián)系我們獲取更多產(chǎn)品信息及學(xué)術(shù)文章！