点击图片查看原图面部表情分析系统（FaceReader）是一款专业工具软件，用来自动分析面部表情（愉快、悲伤、害怕、厌恶、惊讶、愤怒、自然和轻蔑）。新版本增加深度神经网络（Deep neural network）算法，能够在复杂环境下分析面部表情。除此之外，FaceReader还提供视线方向，头部朝向，个人特征，如性别和年龄。同时可测量“感兴趣”，“无聊”和“困惑”三种情感态度。
二、产品特点
● 系统支持中英文操作界面；
● 系统自带N-LINX通讯协议；
● 系统拥有通用表情分析模型、亚洲人表情分析模型、老年人表情分析模型，儿童表情分析模型；
● 系统能够对不同人之间表情常态差异进行校正，对每个人建立不同的基线；
● 系统可以分类嘴部和眼睛开合状态，以及眉毛的位置变化；
● 系统能够跟踪头部朝向并测定注视方向；
● 系统提供多种数据可视化图表，如饼图、曲线图，柱状图等；
● 系统包含视频质量状态零界线条；
● 系统可以忍受面部朝向小于30度的面部转动；
● 系统可以进行视频录制；
● 系统自带t检验功能；
● 具有API开发接口，面部表情分析结果可以被其他程序实时访问，可使其它程序对被试者的情绪进行反馈；
● 系统可以导出原始数据和统计分析数据，导出格式为*.xls 或 *.txt 文件；
● 系统可以自动识别被试的年龄，性别，是否穿戴眼镜，是否有胡须等变量信息；
● 系统刺激呈现功能，以图片、视频等为刺激源，进行刺激呈现；
● 系统具备事件标记功能，可以作为后期数据筛选条件；
● 系统可自定义添加自变量，如数值型、称名变量；
● 系统具备数值组统计分析功能；
● 系统具备时序组统计分析功能；
● 系统能够将对每个面部微表情行为动作的动作程度进行测量，生成0-100的数值，数值越大，动作幅度越大；
● 系统可以根据表情动作，得出被试情感态度，例如感兴趣、无趣和困惑；
● 系统仅通过视频信息，运用非接触式光电容积描记法预估的测试参与者的当前心率；
|
基本功能 |
系统通过视频和图像识别技术来实现表情和情绪分析功能； |
|
自动分析 |
系统能够拓展为自动分析20个行为动作，例如‘面颊提起’‘鼻子起皱’‘挤出酒窝’‘绷紧嘴唇’系统支持视频文件批处理分析功能； |
|
自动识别和分类七种基本表情 |
系统面部表情模块可以全自动识别和分类七种基本表情：高兴(happy),悲伤(sad), 生气(angry), 惊讶(surprised), 害怕(scared),厌恶(disgusted),轻蔑（contempt）, 另外还可以区分没有表情(neutralstate)的状态； |
|
系统接受三种来源方式 |
分析视频文件，格式为MPEG1, MPEG2,XviD, DivX4, DivX5, DivX6, DV-AVI and uncompressedAVI；网络摄像头实时分析；分析图片文件，格式为*.jpg, *.bmp, *.gif, *.png, or *.tga； |
|
可实时得到读者在阅读过程中的以下指标： |
1、表情变化（八种情绪）；2、微表情变化（20个动作单元）；3、面部特征（如嘴巴张开闭合）；4、情感态度（感兴趣、困惑、无趣等）；5、情绪效价（正向或负向）和情绪唤醒度；6、心率变异性。根据以上指标的变化，判断读者对于阅读内容的喜好度或理解程度等。此外，微表情的变化往往反映出被试者内心的潜在想法，反映出其本人的心理真实想法。结合录制的音视频和分析结果，可以判断出不同语言信息对人心理的影响； |
|
主动外观模型 |
系统采用主动外观模型（Active Appearance Model）基础，利用面部肌肉不低于500个的位置特征点来计算和分类面部表情； |
|
深度学习模型 |
系统自带深度学习模型（Deep Face Model），利用深度神经网络（Deep neural network）算法，能够在复杂环境下分析面部表情，即哪怕部分面部是被隐藏的，例如被试穿戴口罩也可以有效的测出表情信息； |
四、应用
● 心理学；
● 用户体验研究；
● 人因科学研究；
● 教育研究；
● 医疗研究；
● 消费者行为研究；
官方公众号
官方小程序