面部表情分析系统（FaceReader）新版本全新推出，功能比以往更强大！一起来看看吧。

此外，我们搜集了来自不同用户在使用FaceReader时，从基本操作到关于方法和验证的不同问题，并给出了对应的回答。

如果您也有同样的疑问，请继续阅读，本文将帮您更好地理解FaceReader如何助力您的研究。

全新 FaceReader 10：功能比以往更强大
FaceReader 的最新版本使研究更轻松、更高效。重新设计的直观界面简化了实验设置，增强的处理能力比以往更快地提供结果。

此外，新版本增加了情感语音分析、多人分析、消费行为分析模块，并增加了更多同步测量数据，如眼动、呼吸频率。

（一）检测声音中的情绪：更好的情绪数据
FaceReader 新版本增加的全新模块！基于英文语音数据模型，可分析声音特征、情绪 (快乐、悲伤、愤怒和中性)及音量和语速。

该功能帮助您更详细地研究情绪状态，比如结合面部表情您可以看到声调是否与表情相匹配，情绪在压力或心理健康状况下有何不同，甚至可以改善 AI 情绪检测。这将为您的研究提供更强大、更可靠的数据。
 

（二）实现多人面部表情分析
为了更好地理解情绪状态与社交互动或群体动态之间的关系，新版 FaceReader 实现了多人面部表情分析，支持在一个视频中分析最多 8 个人的面部表情，并且可以灵活选择或剔除分析对象。
这将扩大您的研究范围与灵活度，有助于您研究个体行为如何相互影响，或者情绪在群体互动中如何变化。

（三）网络摄像头眼动追踪
FaceReader 新版本中，您可以使用 USB 网络摄像头追踪眼动。这有助于您了解哪些内容吸引了用户的注意力，哪些内容被忽略了，而无需专门的硬件，更好地了解视觉注意力和参与度，帮助您优化产品、设计或说明。

（四）测量生命体征：无需额外设备
FaceReader支持直接从面部测量心率、心率变异性(HRV)，作为评价唤醒度的额外指标。无需额外设备，不会给被试带来不适。新版本在此基础上增加了呼吸频率(bpm)的测量，逐渐完善更全面的生命体征数据测量。
测量生理数据能增强您的结果可靠性，让您可以立即观测到被试的疲劳、紧张或兴奋状态，并探究其与面部表情相关关系。
 
（五）消费行为洞察
此模块可进行消费行为统计，包括摄入量计数和咀嚼动作计数。通过分析人们的饮食消费行为来研究他们与食品的互动方式。
您可以观察啜饮、咬或咀嚼，同时关注被试的情绪反应。这有助于您了解消费行为与特定情绪或环境触发因素之间的关系。

关于FaceReader的7条指南
（一）FaceReader如何计算和分类面部表情？
FaceReader算法遵循三步流程。首先，它在图像中检测面部。然后，它基于FaceReader中的468个面部特征点构建一个面部模型。最后，它使用一个经过训练的人工神经网络（基于100000张图像）来分类情感表达和面部状态。
  默认分类的表情包括六种基本面部表情：快乐、悲伤、愤怒、恐惧、惊讶和厌恶，以及轻蔑和中性状态。附加模块允许您测量动作单元、心率或心率变异性，也可以测量咀嚼或摄入等饮食消费行为。

您可以随时间监测这些表情，且每个表情和动作单元的强度能在时间轴或折线图中可视化。
（二）动作单元模块是如何验证的，其准确性如何？
我们使用阿姆斯特丹动态面部表情集（ADFES）验证了FaceReader中的动作单元（AU, Action Unit）模块，该数据集包含22个人展示9种情感表达。这些表情由经过认证的FACS编码员手动编码，然后将FaceReader的输出与这些人工评分进行比较。

两位FACS编码员之间的一致性为0.83，而FaceReader与人工标注之间的一致性为0.81。这种高度的一致性表明了其强大的有效性，尤其是考虑到面部编码的复杂性。

（三）如何进行最佳的摄像头和照明设置？
 摄像头放置和照明是确保高质量数据的关键因素。当面部完全可见、光线均匀且面向摄像头时，FaceReader的效果最佳。

通常，将网络摄像头放置在屏幕正上方是最佳选择。这样可以提供正面视图而不会过于突兀。将摄像头放置得太低（如在桌面水平）可能导致错误分析。例如，抬高的眉毛位置可能看起来像惊讶。
 
照明同样重要。您需要从前方进行漫射照明，以避免强烈的阴影。自然光效果很好，或者您可以使用台灯或带有柔光滤镜的摄影灯。避免逆光，因为那会使面部变暗。您还应该避免刺眼的顶灯，因为它会在眼睛或鼻子下方产生阴影，干扰您的分析。

（四）FaceReader中的主要表情是什么？
FaceReader中的主要表情是指在给定时刻强度最高的表情。例如，如果被试在微笑，但同时也稍微扬起眉毛（快乐和惊讶的混合），如果快乐的强度最高，那么主要表情可能仍然被定义为快乐。

即使某个表情不是主要的，FaceReader也会逐帧记录所有表情的强度。这意味着您仍然可以通过从表情折线图中导出数据来分析不太明显的反应或微表情。

（五）如何比较刺激之间或被试间的反应？
 您可以在项目分析模块中进行组内和组间比较。例如，如果被试观看了两个不同的视频，您可以使用 <比较> 功能来可视化这些刺激下的平均反应，如平均快乐度或效价。需要注意的是，为了对FaceReader的结果进行有意义的解释，您始终需要考虑记录某些面部表情的上下文情景。  

您也可以通过手动选择被试来进行比较。例如，您可能想分析被试A和B对同一视频的反应。FaceReader提供t检验来帮助识别这些差异。

（六）如何更快捷地批量处理大量视频？
如果您需要处理大型数据，在FaceReader中批量处理预录视频可以节省大量时间。您可以使用 <项目向导> 自动加载多个视频，无需手动添加每个被试并分配视频，仅需选择一个文件夹，FaceReader会以被试为单位创建项目组。
 

  一旦所有内容都加载完毕，<批量分析> 功能将逐个处理每个视频。为了节省时间，您还可以调整采样率，分析每三帧而不是每帧。对于以30帧/秒制的视频来说，这意味着每秒分析10帧，这仍然远高于可靠结果所需的5帧/秒的最低要求，但速度要快得多。

需要注意的是，FaceReader不会自动保存。因此，在批量运行后，请确保保存项目以避免丢失数据。确认项目名称旁边是否有星号（*），这表示您进行了尚未保存的更改。

（七）可以在FaceReader中创建自己的自定义表情吗？
可以！在FaceReader中，您可以基于动作单元、头部移动或其他面部状态定义自定义表情。
您可以使用逻辑运算符和阈值来构建表情，还可以模拟不同动作单元强度的影响，以测试您的自定义表情如何工作。这对您检测默认自定义表情库中未包含的情绪状态（如尴尬、无聊或疼痛）来说非常有帮助。
  需要注意的是，创建有意义的自定义表情需要预研究。首先观察被试在情境中预期会出现的情绪或状态。然后，尝试从与您的观察相匹配的动作单元和视觉特征中构建表情。

FaceReader：您研究的强大工具
无论您是在进行简单的研究测试还是构建自定义模型来检测微妙的面部表情，FaceReader都有很多功能可供您使用。

当然，获得良好的结果取决于正确的方法，比如清晰的照明、周密的实验设计以及对FaceReader测量内容的深刻理解。

如果对FaceReader或新版本有任何问题
请随时联系我们
您的研究值得拥有最好的！

关注诺达思公众号，联系我们获取更多产品信息及学术文章！