面部表情识别的影响因素:表情强度和呈现方式

面部表情识别的影响因素:表情强度和呈现方式

论文摘要

面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现情绪状态。目前,关于面部表情身份识别等方面的研究较多,但涉及到表情强度和材料呈现方式这两方面研究比较少。为此,本实验以这两方面的问题为目标,对不同强度和不同材料呈现方式在表情识别中的作用,进行了实验研究。本研究共分为三个实验。实验一考察了大学生对Ekman所提出的高兴、悲伤、惊讶、恐惧、愤怒和厌恶六种基本表情的识别能力。在实验二中,以恐惧、惊讶、愤怒和厌恶四种表情为因素一,以这四种表情的25%、50%、75%、和100%四种强度为因素二,设计了两因素被试内实验。实验三以四种表情为因素一,动态视频和静态图片两种呈现方式为因素二,进行了两因素被试内设计。根据以上三项实验,本研究得出以下结论:(1)大学生对六种基本表情的识别成绩存在显著性差异,高兴和悲伤最准确最迅速的被识别出,而惊讶、愤怒、厌恶和恐惧四种表情识别成绩较差。(2)六种基本表情的识别先后顺序与先前研究不同,本实验中,大学生对六种基本表情识别顺序依次为:高兴、悲伤、恐惧、惊讶、愤怒和厌恶。(3)实验结果表明,同一种表情在不同强度水平下的识别成绩不同,强度越大,识别成绩越好,而100%这种极度夸张的表情更容易被识别。(4)无论在何种强度水平下,恐惧表情识别准确率和速度几乎均高于其他三种表情,这种差异可能是由于人们对恐惧表情比较敏感所致。(5)实验结果分析表明,在动态视频呈现方式下,愤怒、厌恶、恐惧和惊讶四种表情的识别成绩优于在静态图片呈现方式下的成绩。(6)动态表情能够提高面部表情的识别速度和准确率。

论文目录

  • 内容提要
  • 第一部分 研究背景和问题提出
  • 1 面部表情有关研究概述
  • 1.1 面部表情的意义
  • 1.2 面部表情的生理基础
  • 1.3 面部表情识别的相关研究
  • 2 面部表情识别的研究方法
  • 2.1 事件相关电位
  • 2.2 功能核磁共振
  • 3 面部表情识别的国内外研究现状
  • 3.1 国内面部表情识别的相关研究
  • 3.2 国外面部表情识别的相关研究
  • 4 问题的提出
  • 第二部分 实验研究
  • 1 实验一 六种基本面部表情的识别差异研究
  • 1.1 研究方法
  • 1.2 实验结果
  • 1.3 讨论
  • 2 实验二 面部表情强度对面部表情识别成绩的影响
  • 2.1 研究方法
  • 2.2 实验结果
  • 2.3 讨论
  • 3 实验三 不同呈现方式对面部表情识别能力的影响
  • 3.1 研究方法
  • 3.2 实验结果
  • 3.3 讨论
  • 第三部分 综合讨论
  • 1 表情强度对四种面部表情识别能力的影响
  • 2 呈现方式对四种面部表情识别能力的影响
  • 3 研究中存在的问题及发展趋势
  • 注释
  • 参考文献
  • 附录
  • 攻读学位期间发表论文目录
  • 后记
  • 中文摘要
  • Abstract
  • 相关论文文献

    • [1].关于微表情识别与应用的深入研究[J]. 现代盐化工 2020(02)
    • [2].自我和谐与共情、情绪表情识别能力研究[J]. 现代交际 2020(06)
    • [3].拥挤感启动对威胁性表情识别知觉敏感性的影响[J]. 心理科学 2020(02)
    • [4].冲突情绪在学前教育阶段发展趋势研究:面部表情识别与情绪观点采择的作用[J]. 通化师范学院学报 2020(03)
    • [5].可解释时空卷积网络的微表情识别应用[J]. 辽宁大学学报(自然科学版) 2020(02)
    • [6].基于空时注意力网络的面部表情识别[J]. 西北大学学报(自然科学版) 2020(03)
    • [7].基于不均衡数据与迁移学习的面部微表情识别[J]. 合肥工业大学学报(自然科学版) 2020(07)
    • [8].一种基于条件生成对抗网络的面部表情识别技术[J]. 计算机应用与软件 2020(08)
    • [9].微表情识别综述[J]. 计算机时代 2020(09)
    • [10].基于深度学习的移动端表情识别系统设计[J]. 科学技术与工程 2020(25)
    • [11].基于多视角深度网络增强森林的表情识别[J]. 计算机辅助设计与图形学学报 2018(12)
    • [12].基于多任务深度卷积神经网络的人脸/面瘫表情识别方法[J]. 西北大学学报(自然科学版) 2019(02)
    • [13].表情识别技术的教育应用[J]. 教育现代化 2019(75)
    • [14].微表情识别综述[J]. 科技视界 2019(32)
    • [15].面部反馈在微表情识别过程中的作用[J]. 心理科学 2016(06)
    • [16].浅谈面部反馈在微表情识别中的作用[J]. 办公室业务 2017(05)
    • [17].基于自回归模型的动态表情识别[J]. 计算机辅助设计与图形学学报 2017(06)
    • [18].场认知风格对微表情识别的影响[J]. 鲁东大学学报(哲学社会科学版) 2016(05)
    • [19].表情识别技术发展研究[J]. 数码世界 2019(09)
    • [20].创设学习的自动化反馈[J]. 中国信息技术教育 2017(11)
    • [21].大班幼儿面部表情识别与同伴接纳的关系研究[J]. 教师博览(科研版) 2016(12)
    • [22].学生表情识别研究综述[J]. 中国教育信息化 2020(21)
    • [23].端到端的低质人脸图像表情识别[J]. 小型微型计算机系统 2020(03)
    • [24].语言康复训练对听力障碍儿童面部表情识别的影响[J]. 贵阳学院学报(社会科学版) 2020(02)
    • [25].基于面部生理特征和深度学习的表情识别方法[J]. 重庆理工大学学报(自然科学) 2020(06)
    • [26].三维面部表情识别技术研究[J]. 中国高新科技 2020(14)
    • [27].基于生成对抗网络的遮挡表情识别[J]. 计算机应用研究 2019(10)
    • [28].基于深度神经网络的微表情识别[J]. 电子技术与软件工程 2017(03)
    • [29].基于兴趣区域深度神经网络的静态面部表情识别[J]. 电子学报 2017(05)
    • [30].语言对表情识别影响的研究进展[J]. 社会心理科学 2014(10)

    标签:;  ;  ;  ;  

    面部表情识别的影响因素:表情强度和呈现方式
    下载Doc文档

    猜你喜欢