211service.com
L'algoritmo di visione artificiale impara a riconoscere le espressioni facciali nascoste
La maggior parte delle persone è brava a riconoscere le emozioni ordinarie sui volti delle altre persone. Ma ci sono un altro insieme di espressioni facciali di cui la maggior parte delle persone è quasi del tutto inconsapevole. Alla fine degli anni '60, gli psicologi scoprirono che quando gli esseri umani cercano di nascondere le proprie emozioni, spesso mostrano i loro veri sentimenti in microespressioni che appaiono e scompaiono in un batter d'occhio.
Da allora queste fugaci espressioni facciali hanno affascinato gli psicologi e il pubblico in generale. Si scopre che mentre la maggior parte delle persone è del tutto ignara delle microespressioni, un piccolo sottoinsieme di individui può individuarle con precisione e usarle per dire quando le persone nascondono i loro veri sentimenti o quando mentono apertamente.
È cresciuta un'industria significativa che si concentra sulla formazione delle persone a riconoscere meglio le microespressioni. Le forze dell'ordine e gli agenti antiterroristici sono spesso addestrati in questo modo nella speranza che possa aiutarli a individuare le persone che non fanno niente di buono. Se questa formazione funzioni è oggetto di molti dibattiti: è possibile che la maggior parte delle persone non abbia le capacità sensoriali e cognitive per cogliere le microespressioni, indipendentemente dalla formazione che ricevono.
Ma c'è un altro modo per individuare le microespressioni. Negli ultimi anni, la visione artificiale è migliorata a un ritmo così rapido da sorprendere anche gli esperti del settore. Oggi, le macchine dotate dei migliori algoritmi di intelligenza artificiale possono regolarmente superare gli esseri umani nel riconoscimento degli oggetti e nel riconoscimento facciale e hanno iniziato a eguagliarli nel riconoscere le espressioni e la carica emotiva che portano.
Ciò solleva una prospettiva interessante. Le macchine potrebbero presto diventare più brave nel riconoscere le microespressioni rispetto agli umani? Oggi riceviamo una risposta grazie al lavoro di Xiaobai Li presso l'Università di Oulu in Finlandia e ad alcuni amici. Questi ragazzi hanno costruito e testato il primo sistema di visione artificiale in grado di individuare e riconoscere le microespressioni e dicono che è già meglio degli umani in questo compito.
I rapidi sviluppi dell'intelligenza artificiale negli ultimi anni sono avvenuti in parte grazie al miglioramento dei metodi di calcolo. Ma queste macchine sono inutili senza database vasti e accurati per addestrarle.
Quindi il primo compito per Li e compagni è stato quello di creare un database di video che mostrassero microespressioni in condizioni realistiche. Questo è più facile a dirsi che a farsi. Le microespressioni tendono a verificarsi quando gli individui nascondono i propri sentimenti in condizioni di posta in gioco relativamente alta.
Non è facile da riprodurre. In effetti, molto lavoro precedente si è concentrato sulle espressioni poste, ma vari psicologi hanno sottolineato i limiti di questo metodo, non ultimo il fatto che le microespressioni sembrano significativamente diverse dalle espressioni poste.
Li e compagni hanno affrontato questo problema chiedendo a un gruppo di 20 persone di guardare una serie di video progettati per suscitare forti emozioni tra di loro. A queste persone è stato dato un forte incentivo a evitare di mostrare emozioni durante il compito: è stato detto loro che avrebbero dovuto compilare un lungo e noioso questionario in cui spiegavano le emozioni che mostravano.
Di conseguenza, 16 dei 20 individui hanno prodotto 164 microespressioni tra di loro, che il team ha registrato su una telecamera ad alta velocità a 100 fotogrammi al secondo. Il team ha collegato le emozioni in mostra al contenuto emotivo dei video, fornendo loro un database standard con cui addestrare il loro algoritmo di apprendimento automatico.
Il compito di riconoscere le microespressioni si divide in due parti. Il primo è individuare il cambiamento fugace nei tratti del viso che caratterizza una microespressione. Il secondo è identificare l'emozione che questo mostra.
Il team ha affrontato il primo problema utilizzando un singolo fotogramma che mostrava il viso del soggetto come standard e confrontando tutti i fotogrammi successivi con esso per determinare come cambiava l'espressione. Qualsiasi cambiamento oltre una certa soglia è stato definito come una microespressione e queste immagini sono state messe da parte per ulteriori analisi.
Riconoscere le espressioni è generalmente più difficile perché le microespressioni tendono ad essere meno pronunciate delle espressioni ordinarie. Una delle principali sfide per il riconoscimento della microespressione è che i livelli di intensità dei movimenti facciali sono troppo bassi per essere distinguibili, affermano Li e co.
Il team ha risolto questo problema utilizzando un algoritmo che ingrandisce le espressioni. Funziona identificando le parti del viso in movimento quando un'espressione cambia e distorcendo il viso per spostarle ulteriormente.
Questo processo deve essere applicato con attenzione. Ad esempio, Li e colleghi affermano di non poterlo utilizzare per individuare le microespressioni perché l'algoritmo ingrandisce tutti i movimenti, come girare la testa, non solo le espressioni. Quindi viene applicato solo ai fotogrammi identificati dal processo di spotting sopra descritto.
Infine, l'algoritmo classifica l'emozione in mostra come positiva, negativa o sorpresa, un processo che apprende dal database di allenamento.
Una domanda interessante è quanto bene questo approccio funzioni rispetto alle prestazioni umane. Per scoprirlo, il team ha chiesto a 15 persone di identificare l'espressione visualizzata nei video contenenti solo le microespressioni (quindi non avevano bisogno di selezionare le microespressioni da sequenze più lunghe). Altre 15 persone hanno guardato l'intero video e hanno dovuto individuare ogni microespressione e identificarla.
I risultati costituiscono una lettura interessante. La macchina di Li e co ha abbinato la capacità umana di individuare e riconoscere le microespressioni e ha superato significativamente gli esseri umani nel solo compito di riconoscimento.
Il nostro metodo è il primo sistema che sia mai stato testato su un set di dati di microespressioni spontanee difficili, contenente microespressioni naturali, afferma il team. Supera gli esseri umani nel riconoscimento della microespressione di un margine significativo e si comporta in modo comparabile agli esseri umani nel compito combinato di rilevamento e riconoscimento della microespressione.
Non è male per il primo tentativo e chiaramente queste macchine miglioreranno rapidamente.
Non è difficile trovare applicazioni. Li e compagni scelgono il rilevamento della menzogna, le forze dell'ordine e la psicoterapia, ma è facile immaginare che questo venga utilizzato nei colloqui di lavoro e nelle valutazioni e persino nei dispositivi di tipo Google Glass nella vita di tutti i giorni.
Presto non ci sarà nessun posto dove nascondersi.
Rif: arxiv.org/abs/1511.00423 : Lettura di emozioni nascoste: Individuazione e riconoscimento della microespressione spontanea