{"id":3670,"date":"2023-05-25T06:24:48","date_gmt":"2023-05-25T06:24:48","guid":{"rendered":"http:\/\/architeles.eu\/ethics\/?p=3670"},"modified":"2023-05-25T06:24:48","modified_gmt":"2023-05-25T06:24:48","slug":"affective-computing-i-widzenie-komputerowe-wykorzystanie-technologii-si-do-automatycznego-odczytywania-emocji-z-mikroekspresji-twarzy-technologie-mozliwosci-ograniczenia-zastosowanie","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2023\/05\/25\/affective-computing-i-widzenie-komputerowe-wykorzystanie-technologii-si-do-automatycznego-odczytywania-emocji-z-mikroekspresji-twarzy-technologie-mozliwosci-ograniczenia-zastosowanie\/","title":{"rendered":"Affective computing i widzenie komputerowe. Wykorzystanie technologii SI do automatycznego odczytywania emocji z mikroekspresji twarzy. Technologie, mo\u017cliwo\u015bci, ograniczenia, zastosowanie."},"content":{"rendered":"

W ostatnich latach, Affective computing i widzenie komputerowe sta\u0142y si\u0119 obszarem intensywnych bada\u0144 i rozwoju. Dzi\u0119ki zastosowaniu zaawansowanych algorytm\u00f3w uczenia maszynowego, technologie te umo\u017cliwiaj\u0105 komputerom rozpoznawanie, analiz\u0119 i interpretacj\u0119 emocji wyra\u017canych przez ludzi. Jednym z najciekawszych aspekt\u00f3w jest automatyczne odczytywanie mikroekspresji twarzy, czyli bardzo subtelnych i kr\u00f3tkotrwa\u0142ych ruch\u00f3w mi\u0119\u015bni, kt\u00f3re mog\u0105 dostarczy\u0107 istotnych informacji.\u00a0W tym artykule przeanalizujemy r\u00f3\u017cne aspekty Affective computing i widzenia komputerowego, skupiaj\u0105c si\u0119 na technologiach, mo\u017cliwo\u015bciach, ograniczeniach i zastosowaniach. Przedstawimy najnowsze badania i trendy w tej dziedzinie oraz zastanowimy si\u0119 nad potencjalnymi implikacjami i przysz\u0142o\u015bci\u0105 rozwoju tej fascynuj\u0105cej dziedziny technologicznej.<\/strong><\/p>\n

<\/p>\n

Wprowadzenie do Affective Computing i widzenia komputerowego<\/h2>\n

Affective Computing i widzenie komputerowe to obszary badawcze, kt\u00f3re \u0142\u0105cz\u0105 sztuczn\u0105 inteligencj\u0119 i analiz\u0119 obrazu w celu rozpoznawania i interpretacji emocji ludzkich. Affective Computing odnosi si\u0119 do rozwoju technologii i system\u00f3w, kt\u00f3re s\u0105 w stanie rozpoznawa\u0107, analizowa\u0107 i odpowiednio reagowa\u0107 na emocje wyra\u017cane przez ludzi. Z kolei widzenie komputerowe skupia si\u0119 na rozwijaniu algorytm\u00f3w i technik, kt\u00f3re umo\u017cliwiaj\u0105 komputerom analiz\u0119 i interpretacj\u0119 obraz\u00f3w, w tym twarzy ludzkich.<\/p>\n

Wykorzystuj\u0105c technologie sztucznej inteligencji, takie jak uczenie maszynowe i g\u0142\u0119bokie sieci neuronowe, Affective Computing i widzenie komputerowe maj\u0105 na celu zwi\u0119kszenie naszego zrozumienia emocji oraz doskonalenie interakcji mi\u0119dzy lud\u017ami a komputerami. Poprzez automatyczne odczytywanie mikroekspresji twarzy, czyli subtelnych ruch\u00f3w mi\u0119\u015bni twarzy, mo\u017cliwe staje si\u0119 identyfikowanie i analizowanie stan\u00f3w emocjonalnych, takich jak rado\u015b\u0107, smutek, zaskoczenie czy gniew.<\/p>\n

Wdra\u017canie technologii Affective Computing i widzenia komputerowego wi\u0105\u017ce si\u0119 z szerokim zakresem zastosowa\u0144, takich jak personalizacja interfejs\u00f3w u\u017cytkownika, lepsza analiza zachowa\u0144 konsument\u00f3w, diagnozowanie zaburze\u0144 emocjonalnych czy udoskonalanie system\u00f3w komunikacji cz\u0142owiek-komputer. Jednak istniej\u0105 r\u00f3wnie\u017c wyzwania, takie jak zr\u00f3\u017cnicowanie kulturowe w wyra\u017caniu emocji, ograniczenia dok\u0142adno\u015bci interpretacji czy kwestie prywatno\u015bci.<\/p>\n

Co to s\u0105 mikroekspresje?<\/h2>\n

W pierwszej kolejno\u015bci nale\u017cy zada\u0107 sobie pytanie, co to w og\u00f3le s\u0105 mikroekspreje? A wi\u0119c, mikroekspresje to ulotna i mimowolna mimika twarzy, kt\u00f3ra pojawia si\u0119 w sytuacjach wysokiego ryzyka, gdy ludzie pr\u00f3buj\u0105 ukry\u0107 lub zamaskowa\u0107 swoje prawdziwe uczucia. Mikroekspresje s\u0105 wa\u017cne, poniewa\u017c mog\u0105 dostarczy\u0107 cennych informacji na temat stanu emocjonalnego, intencji i postaw danej osoby. Mog\u0105 ujawni\u0107 emocje, kt\u00f3re dana osoba mo\u017ce pr\u00f3bowa\u0107 ukry\u0107, takie jak strach, z\u0142o\u015b\u0107 lub wstr\u0119t. Informacje te mog\u0105 by\u0107 przydatne w r\u00f3\u017cnych dziedzinach, takich jak psychologia, gdzie mikroekspresje mog\u0105 pom\u00f3c terapeutom lepiej zrozumie\u0107 stany emocjonalne pacjent\u00f3w i odpowiednio dostosowa\u0107 leczenie. W bezpiecze\u0144stwie i egzekwowaniu prawa analiza mikroekspresji mo\u017ce pom\u00f3c w wykryciu oszustwa lub podejrzanego zachowania. Ponadto post\u0119py w automatycznej analizie mikroekspresji mog\u0105 potencjalnie przynie\u015b\u0107 korzy\u015bci w obszarach takich jak interakcja cz\u0142owiek-komputer i wirtualna rzeczywisto\u015b\u0107, umo\u017cliwiaj\u0105c tworzenie bardziej realistycznych i responsywnych awatar\u00f3w. Jednak\u017ce mikroekspresje s\u0105 zbyt kr\u00f3tkie i subtelne, aby mog\u0142y je dostrzec ludzkie oczy, dlatego do automatycznej analizy potrzebne s\u0105 metody widzenia komputerowego i uczenia maszynowego.<\/p>\n

 <\/p>\n

Automatyczne odczytywanie emocji z mikroekspresji twarzy: Technologie i narz\u0119dzia<\/h2>\n

Aby m\u00f3c automatycznie wykrywa\u0107 emocje musimy skupi\u0107 si\u0119 na kilku podstawowych krokach. W pierwszej kolejno\u015bci nale\u017cy skupi\u0107 si\u0119 na wykryciu twarzy. Do tego celu wideo lub obraz jest analizowany, aby znale\u017a\u0107 pozycje twarzy. Najbardziej popularnym rozwi\u0105zaniem aby to osi\u0105gn\u0105\u0107 jest zastosowanie algorytmu klasyfikatora kaskadowego Viola-Jonesa. Przyk\u0142adowo ta technologia jest obecna w aparatach iPhone’\u00f3w lub smartfon\u00f3w z systemem Android. Wynikiem jest ramka, kt\u00f3ra otacza wykryt\u0105 twarz.<\/p>\n

Kolejnym wa\u017cnym elementem jest detekcja cech. W wykrytej twarzy identyfikowane s\u0105 cechy takie jak oczy, k\u0105ciki oczu, brwi, k\u0105ciki ust, koniuszek nosa itp. Nast\u0119pnie model twarzy wewn\u0105trz ramki jest dostosowywany pod wzgl\u0119dem pozycji, wielko\u015bci i skali, aby pasowa\u0142 do rzeczywistej twarzy badanego. Mo\u017cna to sobie wyobrazi\u0107 jak niewidoczn\u0105 wirtualn\u0105 siatk\u0119, kt\u00f3ra jest nak\u0142adana na twarz badanego: kiedy twarz badanego si\u0119 porusza lub zmienia wyraz twarzy, model twarzy natychmiast si\u0119 dostosowuje i pod\u0105\u017ca za tymi zmianami. Jak wskazuje nazwa, model twarzy jest uproszczon\u0105 wersj\u0105 rzeczywistej twarzy badanego. Posiada znacznie mniej szczeg\u00f3\u0142\u00f3w (tzw. cech) w por\u00f3wnaniu do rzeczywistej twarzy, ale zawiera dok\u0142adnie te cechy twarzy, kt\u00f3re s\u0105 potrzebne do wykonania zadania. Przyk\u0142adowymi cechami s\u0105 pojedyncze punkty charakterystyczne (k\u0105ciki brwi, k\u0105ciki ust, koniuszek nosa) oraz grupy cech (ca\u0142e usta, ca\u0142a \u0142uk brwi itp.), odzwierciedlaj\u0105ce ca\u0142o\u015b\u0107 obszaru twarzy.<\/p>\n

Finalnym momentem wykrywania emocji jest klasyfikacja cech. W momencie kiedy dost\u0119pny jest uproszczony model twarzy, informacje dotycz\u0105ce pozycji i orientacji wszystkich kluczowych cech s\u0105 przekazywane jako dane wej\u015bciowe do algorytm\u00f3w klasyfikacji, kt\u00f3re przekszta\u0142caj\u0105 te cechy na kody jednostek akcji, stany emocjonalne i inne metryki afektywne.<\/p>\n

\"\"<\/p>\n

 <\/p>\n

Przyk\u0142adowymi rozwi\u0105zaniami komerycyjnymi do wykrywania mikroekspresji s\u0105:<\/p>\n

    \n
  1. Emotient FACET\n
      \n
    • pozwala na wykrywanie emocji przy r\u00f3\u017cnych orientacjach g\u0142owy (np. odchylenie do ty\u0142u, przechylenie)<\/li>\n
    • korzysta z 6 punkt\u00f3w orientacyjnych twarzy(ang. landmarks)<\/li>\n
    • wykrywa 7 podstawowych emocji<\/li>\n
    • rozpoznaje p\u0142e\u0107 respondenta oraz to czy nosi okulary<\/li>\n<\/ul>\n<\/li>\n
    • Affectiva AFFDEX\n
        \n
      • pozwala na wykrywanie emocji przy r\u00f3\u017cnych orientacjach g\u0142owy (np. odchylenie do ty\u0142u, przechylenie)<\/li>\n
      • korzysta z 34 punkt\u00f3w orientacyjnych twarzy<\/li>\n
      • wykrywa 7 podstawowych emocji oraz to czy respondent utrzymuje uwag\u0119<\/li>\n<\/ul>\n<\/li>\n
      • Noldus FaceReader\n
          \n
        • pozwala na wykrywanie emocji przy r\u00f3\u017cnych orientacjach g\u0142owy (np. odchylenie do ty\u0142u, przechylenie)<\/li>\n
        • 7 podstawowych emocji oraz pogarda i pobudzenie<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n

          Wyzwania zwi\u0105zane z wykrywaniem mikroekspresji <\/strong><\/h2>\n

          Wykrywanie mikroekspresji mo\u017ce by\u0107 trudne ze wzgl\u0119du na ich kr\u00f3tki czas trwania i subtelny charakter, co utrudnia ich percepcj\u0119 go\u0142ym okiem. Nawet przeszkoleni specjali\u015bci mog\u0105 mie\u0107 trudno\u015bci z dok\u0142adnym wykryciem i interpretacj\u0105 mikroekspresji. Dodatkowo, mikroekspresje mog\u0105 by\u0107 wp\u0142ywane przez r\u00f3\u017cne czynniki, takie jak r\u00f3\u017cnice kulturowe, indywidualne r\u00f3\u017cnice w anatomii twarzy oraz czynniki zwi\u0105zane z kontekstem. Mo\u017ce to utrudnia\u0107 rozwini\u0119cie uniwersalnego systemu wykrywania i interpretacji mikroekspresji. W obecnej chwili automatyczne wykrywanie mikroekspresji za pomoc\u0105 algorytm\u00f3w wizji komputerowej i uczenia maszynowego to wci\u0105\u017c rozwijaj\u0105ca si\u0119 dziedzina z wieloma otwartymi wyzwaniami, kt\u00f3re wymagaj\u0105 rozwi\u0105zania. Jednym z g\u0142\u00f3wnych wyzwa\u0144 jest niewystarczaj\u0105ca ilo\u015b\u0107 danych treningowych. Jest spowodowana ze wzgl\u0119du na rzadko\u015b\u0107 wyst\u0119powania mikroekspresji i trudno\u015bci w ich nagrywaniu. Warto r\u00f3wnie\u017c zauwa\u017cy\u0107, \u017ce istniej\u0105 wyzwania \u015brodowiskowe zwi\u0105zane z automatycznym wykrywaniem mikroekspresji. Nale\u017cy uwzgl\u0119dni\u0107 takie czynniki, jak o\u015bwietlenie, t\u0142o, ruch kamery i jako\u015b\u0107 obrazu, aby osi\u0105gn\u0105\u0107 skuteczne i niezawodne wykrywanie mikroekspresji. Mimo tych wyzwa\u0144, rozw\u00f3j technologii w zakresie wykrywania mikroekspresji ma du\u017cy potencja\u0142. Poprawa dok\u0142adno\u015bci algorytm\u00f3w oraz uwzgl\u0119dnienie wielomodalnych wskaz\u00f3wek, kt\u00f3re mog\u0105 wp\u0142ywa\u0107 na wyrazy twarzy, s\u0105 kluczowe dla dalszego post\u0119pu w tej dziedzinie<\/p>\n

          Mo\u017cliwe wykorzystanie algorytmu w problemach \u017cycia codziennego<\/h2>\n

          Analiza mikroekspresji mo\u017ce by\u0107 wykorzystana w psychologii do badania szerokiego zakresu reakcji emocjonalnych, w tym negatywnych emocji, takich jak strach, gniew i smutek, jak r\u00f3wnie\u017c pozytywnych, takich jak rado\u015b\u0107 i zaskoczenie. Mo\u017ce to pom\u00f3c badaczom w lepszym zrozumieniu, w jaki spos\u00f3b r\u00f3\u017cne bod\u017ace lub sytuacje wp\u0142ywaj\u0105 na reakcje emocjonalne u os\u00f3b z zaburzeniami psychicznymi, takimi jak depresja czy l\u0119k. Dodatkowo, analiza mikroekspresji mo\u017ce by\u0107 wykorzystana do badania wp\u0142ywu r\u00f3\u017cnych terapii lub interwencji na reakcje emocjonalne u tych os\u00f3b.<\/p>\n

          W obszarze bezpiecze\u0144stwa analiza mikroekspresji mo\u017ce by\u0107 wykorzystana do wykrywania k\u0142amstw poprzez identyfikacj\u0119 subtelnych zmian w wyrazie twarzy, kt\u00f3re mog\u0105 wskazywa\u0107 na oszustwo. Ma to potencjalne zastosowanie w s\u0142u\u017cbach \u015bcigania i kontroli granicznej w celu identyfikacji os\u00f3b, kt\u00f3re mog\u0105 stanowi\u0107 zagro\u017cenie. Dodatkowo, analiza mikroekspresji mo\u017ce by\u0107 wykorzystana do identyfikacji podejrzanych zachowa\u0144 u jednostek, poprzez analiz\u0119 ich wyraz\u00f3w twarzy w czasie rzeczywistym.<\/p>\n

          W interakcji cz\u0142owiek-komputer analiza mikroekspresji mo\u017ce by\u0107 wykorzystana do tworzenia bardziej intuicyjnych i responsywnych interfejs\u00f3w, kt\u00f3re mog\u0105 dostosowywa\u0107 si\u0119 do emocjonalnego stanu u\u017cytkownik\u00f3w. Przyk\u0142adem m\u00f3g\u0142by by\u0107, system komputerowy kt\u00f3ry m\u00f3g\u0142by wykry\u0107, kiedy u\u017cytkownik do\u015bwiadcza frustracji lub dezorientacji i zapewni\u0107 dodatkowe wsparcie lub wskaz\u00f3wki, aby pom\u00f3c mu bardziej efektywnie wykona\u0107 zadanie.<\/p>\n

          Analiza mikroekspresji mo\u017ce by\u0107 r\u00f3wnie\u017c wykorzystana w badaniach rynkowych w celu lepszego zrozumienia preferencji konsument\u00f3w i reakcji na produkty lub reklamy. Poprzez analiz\u0119 wyraz\u00f3w twarzy podczas testowania produktu lub ogl\u0105dania reklam, badacze mog\u0105 uzyska\u0107 wgl\u0105d w to, kt\u00f3re cechy lub komunikaty s\u0105 najbardziej atrakcyjne dla konsument\u00f3w. Te informacje mog\u0105 by\u0107 nast\u0119pnie wykorzystane do opracowania bardziej skutecznych strategii marketingowych lub projekt\u00f3w produkt\u00f3w.<\/p>\n

          Podsumowanie<\/h2>\n

          Affective Computing i widzenie komputerowe to obszary badawcze, kt\u00f3re \u0142\u0105cz\u0105 sztuczn\u0105 inteligencj\u0119 i analiz\u0119 obrazu w celu rozpoznawania i interpretacji emocji ludzkich. Poprzez automatyczne odczytywanie mikroekspresji twarzy, mo\u017cliwe staje si\u0119 identyfikowanie i analizowanie stan\u00f3w emocjonalnych. Affective Computing i widzenie komputerowe maj\u0105 szeroki potencja\u0142 w personalizacji interfejs\u00f3w u\u017cytkownika, analizie zachowa\u0144 konsument\u00f3w, diagnozowaniu zaburze\u0144 emocjonalnych i udoskonalaniu system\u00f3w komunikacji cz\u0142owiek-komputer jednak\u017ce ze wzgl\u0119du na problemy w wykrywaniu mikroekspresji spowodowane ich kr\u00f3tkim czasem trwania i subtelnym charakterem jest to zadanie niezwykle problematyczne. Aby tego typu rozwi\u0105zania wesz\u0142y do \u017cycia codziennego nadal potrzebne s\u0105 nak\u0142ady finansowe na prowadzenie bada\u0144.<\/p>\n

           <\/p>\n

          \u0179r\u00f3d\u0142a<\/h2>\n
            \n
          1. https:\/\/www.frontiersin.org\/articles\/10.3389\/fpsyg.2020.00920\/full<\/li>\n
          2. https:\/\/imotions.com\/products\/imotions-lab\/modules\/fea-facial-expression-analysis\/?utm_source=google&utm_medium=cpc#thank-lp-facialexpressionanalysis<\/li>\n
          3. https:\/\/www.ncbi.nlm.nih.gov\/pmc\/articles\/PMC6692451\/<\/li>\n
          4. https:\/\/www.researchgate.net\/publication\/283562230_When_Technologies_Manipulate_Our_Emotions<\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

            W ostatnich latach, Affective computing i widzenie komputerowe sta\u0142y si\u0119 obszarem intensywnych bada\u0144 i rozwoju. Dzi\u0119ki zastosowaniu zaawansowanych algorytm\u00f3w uczenia maszynowego, technologie te umo\u017cliwiaj\u0105 komputerom rozpoznawanie, analiz\u0119 i interpretacj\u0119 emocji wyra\u017canych przez ludzi. Jednym z najciekawszych aspekt\u00f3w jest automatyczne odczytywanie mikroekspresji twarzy, czyli bardzo subtelnych i kr\u00f3tkotrwa\u0142ych ruch\u00f3w mi\u0119\u015bni, kt\u00f3re mog\u0105 dostarczy\u0107 istotnych informacji.\u00a0W tym […]<\/p>\n","protected":false},"author":116,"featured_media":3672,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[225],"tags":[101,292,291,13,290],"class_list":["post-3670","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-agh-2022-23","tag-affective-computing","tag-mikroekspresje-twarzy","tag-odczytywanie-emocji","tag-spoleczenstwo","tag-widzenie-komputerowe"],"jetpack_featured_media_url":"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2023\/05\/Facial-Recognition.webp","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/3670","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/users\/116"}],"replies":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/comments?post=3670"}],"version-history":[{"count":9,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/3670\/revisions"}],"predecessor-version":[{"id":3732,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/3670\/revisions\/3732"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media\/3672"}],"wp:attachment":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media?parent=3670"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/categories?post=3670"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/tags?post=3670"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}