简介:利用ERP技术对16名被试在不同注意负荷下对动态表情识别的脑时程特点进行了考察,结果发现:N170成分不受注意负荷和表情效价影响;低注意负荷条件下动态表情加工早期负性表情诱发的EPN成分(earlyposteriornegativity)显著大于中性、正性表情,后期高级分析阶段正、负性表情均诱发明显的LPP成分(latepositivepotentials),且负性较正性表情诱发更大的LPP成分;而在高注意负荷条件下并未发现表情识别诱发明显的EPN或LPP成分。这些结果说明,动态表情识别明显受到注意资源调节,只有在注意资源不断增加时表情加工才会出现注意偏向效应,尤以负性表情的加工优势最为凸显且持久,正性表情相对微弱和短暂。
简介:该研究采用531名中国汉族健康大学生为被试,综合考察了5-HTTLPR(5-羟色胺转运体基因连锁多态区)基因型、性别和家庭社会经济地位之间交互作用与面孔表情识别的关系。研究结果发现,性别和家庭社会经济地位在面孔表情识别上有显著的主效应。总体来说,家庭社会经济地位较高和女性的被试具有较好的面孔表情识别能力。5-HTTLPR基因型、性别、家庭社会经济地位,它们在面孔表情识别上的三因素交互作用也显著。该三因素交互作用主要是源于,在高家庭社会经济地位背景下,女性携带有5-HTTLPR长片段等位基因比短片段纯合子表现出稍差的面孔表情识别能力。该结果体现了基因与环境多因素交互作用对面孔表情识别能力的重要性。
简介:摘要目的探讨卡通面孔与真实面孔在表情知觉加工方式上的事件相关电位(event-related potential,ERP)差异。方法选取大学生30名,采用面孔识别范式,自变量为面孔类型(真实、卡通)、情绪类型(正性、中性、负性),因变量为反应时和ERP数据的波幅和潜伏期。采用SPSS 22.0软件进行重复测量方差分析。结果大学生卡通表情反应时[(455.58±55.18)ms]均短于真实面孔[(471.49±63.02)ms]。N170波幅、潜伏期在面孔类型、表情类型间差异无统计学意义(均P<0.05)。顶中正电位(vertex positive potential,VPP)潜伏期正性真实面孔[(159.89±13.93)ms]短于正性卡通面孔[(165.68±14.35)ms](PVPP<0.05),易受到知觉负荷的影响,而负性情绪不受其影响。晚期正电位(late positive potential,LPP)在晚期加工阶段正性情绪真实面孔波幅[(10.4±1.22)μV]高于卡通面孔[(4.26±0.53)μV];负性情绪卡通面孔波幅[(3.84±0.36)μV]高于真实面孔[(1.9±0.24)μV](PLPP<0.05)。结论不同面孔类型在早期阶段N170无差异,晚期加工阶段,真实面孔对正性情绪识别具有整体优势效应,而负性情绪卡通面孔局部特征加工更具优越性。
简介:摘要:本文题目为基于tensorflow的人脸表情识别算法的研究,通常科学家把面部表情识别主要将表情划分为七个种类,整个人脸表情识别研究将会划分为四个过程:数据预处理、卷积神经网络的搭建、模型的训练与人脸表情的识别界面的设计,第一部分包括对数据集的预处理和利用卷积网络搭建的神经网络与训练模型,第二部分为加载模型进行人脸表情识别测试,其中创新点就是使用pyqt5进行GUI界面设计封装,增加系统的界面简洁性与用户体验感。其中最大的难点就是搭建卷积神经网络与训练的过程花费的时间。
简介:摘要:随着大数据时代的到来,人工智能、深度学习研究领域逐渐成为热门。本研究从参数对模型准确率的影响角度来改进模型,数据集采用的是CK+公共人脸数据集,将数据集除去蔑视后,每张照片取最后三张峰值图最终整理得到愤怒、厌恶、恐惧、快乐、悲伤、惊讶六类共计927张48×48格式图片。以该数据集为样本在VGG16模型的基础上综合finetune和bottleneck两种优化策略,探究包括训练集测试集的比例、模型输入的尺寸、锐化翻转等不同的变换方式、Dropout参数对模型准确率的影响,最终模型准确率从开始的89.07%提高到了93.60%,能够完成人脸基础表情的识别任务。
简介:本研究记录了16名被试在完成有整体结构变化和局部特征变化的面孔/房屋图片的一致性判断时的脑内时程变化,以期对面孔识别的特异灶本质进行探讨。结果显示,N170波幅和潜伏期的刺激类型主效应显著;面孔/房屋所诱发的N170成分在波幅和潜伏期上均不存在加工方式上的显著差异。晚期成分(300~700ms)上也得到类似的结果。这表明:面孔与房屋(非面孔)的加工在早期和晚期成分上都有差异性,体现出面孔的加工在早期视觉刺激的加工和晚期识别的加工上都具有特异性;晚期识别加工的脑电结果不支持“面孔识别是整体的,结构的,而非面孔客体的识别是局部的,基于特征的”加工观点。
简介:学习情绪是学习者模型的重要内容,如何识别学习者的学习情绪是下一代智能教辅系统的关键技术。困惑是最常见的学习情绪之一,及时识别并解决困惑有助于提高学习效果,然而困惑情绪内隐性较强,识别难度较大。本研究设计了一组基于在线测评的困惑诱导实验,提出了一种基于面部表情的学习困惑自动识别算法。研究人员通过设定不同难度的测试题诱导被试产生困惑情绪,同时利用摄像设备实时捕捉学习者的面部表情,提取面部重要特征点,进而利用机器学习算法进行困惑识别。在实验中,本研究使用逻辑回归、支持向量机、K近邻、决策树、随机森林和深度学习等机器学习算法建立学习困惑自动检测模型,并与被试自我报告确定的困惑标签进行对比。实验结果表明,多数分类算法能有效检测学生的学习困惑,随机森林模型的预测性能最佳,平均准确率为71.18%。本研究所提出的方法可为下一代智能教辅系统的学习者情绪建模提供技术支撑。
简介:摘 要 采用视觉搜索范式考察戴口罩对情绪面孔识别的影响,同时探究戴口罩后对负性情绪的注意偏向是否仍然存在。结果发现:戴口罩对搜索高兴表情反应时的影响显著大于对搜索愤怒表情的影响,戴口罩条件下存在一定的负性情绪注意偏向;戴口罩显著降低了高兴情绪的搜索正确率,但并未对愤怒表情的搜索正确率产生显著影响。这说明戴口罩会显著影响我们对于他人面孔情绪的解码,尤其是对于高兴情绪的知觉;即使在戴口罩的情境下,仍存在负性情绪注意偏向。