機器學習方法提升情緒偵測準確度

面部情緒辨識在醫療保健、教育、行銷、交通和娛樂等領域都有著廣泛的應用潛力。它可以用於遠端監測患者，特別是在資源緊繃的醫院或緊急應變場景中，或是針對因各種原因而難以良好溝通的患者。此外，它還能實現個人化學習，讓電腦化訓練系統能更恰當地回應使用者。同樣地，這樣的系統也能提升客戶服務品質，甚至可用於打造沉浸式的娛樂體驗。

能夠從人們面部表情識別情緒的電腦系統正在研發中，但仍面臨諸多挑戰。早期的系統僅依賴單一方法，例如將人的臉部進行對映，並與標註表情的資料庫進行比對。一些基於這種簡化方法的途徑比其他方法更準確，但尚未有一種方法能捕捉到人們面部所表達的所有細微情緒。

發表在《國際生物識別學期刊》上的一項研究介紹了一種基於機器學習的新方法，有望解決這個問題，並使情緒偵測器在更廣泛的應用場景中可行。

這項新研究解決的最大問題是，它能夠從現實世界的情境中提取複雜情緒，在這些情境中，環境因素、不完整的資料或複雜的情緒可能會影響結果的準確性。然而，這種新方法將面部表情識別與人的語音和語調，甚至是他們所寫的內容相結合，從而得出更準確的結果。

中國安徽阜陽師範大學的研究人員謝健和朱丹在實驗中，利用他們的方法達到了98.6%的識別準確度。與早期系統相比，該系統在識別快樂或中性情緒狀態方面尤為擅長。然而，該系統在識別厭惡和驚訝情緒方面的表現則稍遜一籌。