Machine-Vision-Algorithmus lernt, versteckte Gesichtsausdrücke zu erkennen

Die meisten Menschen sind gut darin, die gewöhnlichen Emotionen auf den Gesichtern anderer Menschen zu erkennen. Aber es gibt noch eine andere Gruppe von Gesichtsausdrücken, die den meisten Menschen fast gar nicht bewusst sind. In den späten 1960er Jahren entdeckten Psychologen, dass Menschen, wenn sie versuchen, ihre Emotionen zu verbergen, ihre wahren Gefühle oft in Mikroausdrücken zeigen, die im Handumdrehen erscheinen und verschwinden.





Diese flüchtigen Gesichtsausdrücke faszinieren seit jeher Psychologen und die breite Öffentlichkeit. Es stellt sich heraus, dass, während die meisten Menschen Mikroausdrücke überhaupt nicht wahrnehmen, eine winzige Untergruppe von Personen sie genau erkennen und sie verwenden kann, um zu erkennen, wann Menschen ihre wahren Gefühle verbergen oder wenn sie geradezu lügen.

Es ist eine bedeutende Industrie entstanden, die sich darauf konzentriert, Menschen darin zu schulen, Mikroausdrücke besser zu erkennen. Strafverfolgungsbeamte und Anti-Terror-Agenten werden oft auf diese Weise geschult, in der Hoffnung, dass es ihnen helfen kann, Personen zu erkennen, die nichts Gutes im Schilde führen. Ob dieses Training funktioniert, ist Gegenstand vieler Debatten – es kann sein, dass die meisten Menschen nicht über die sensorischen und kognitiven Fähigkeiten verfügen, um Mikroausdrücke zu erfassen, unabhängig davon, welches Training sie erhalten.

Aber es gibt einen anderen Weg, um Mikroausdrücke zu erkennen. In den letzten Jahren hat sich die maschinelle Bildverarbeitung so schnell verbessert, dass sie sogar Experten auf diesem Gebiet überrascht hat. Heutzutage können Maschinen, die mit den besten Algorithmen für künstliche Intelligenz ausgestattet sind, Menschen bei der Objekt- und Gesichtserkennung routinemäßig übertreffen und haben begonnen, ihnen bei der Erkennung von Ausdrücken und der emotionalen Aufladung, die sie tragen, gleichzukommen.



Das eröffnet eine interessante Perspektive. Können Maschinen Mikroausdrücke bald besser erkennen als Menschen? Heute bekommen wir dank der Arbeit von Xiaobai Li von der Universität Oulu in Finnland und einigen Freunden eine Antwort. Diese Jungs haben das erste Bildverarbeitungssystem gebaut und getestet, das in der Lage ist, Mikroausdrücke zu erkennen und zu erkennen, und sie sagen, dass es bei dieser Aufgabe bereits besser ist als Menschen.

Die rasante Entwicklung der künstlichen Intelligenz in den letzten Jahren ist zum Teil auf verbesserte Rechenmethoden zurückzuführen. Aber diese Maschinen sind nutzlos ohne umfangreiche und genaue Datenbanken, um sie zu trainieren.

Die erste Aufgabe für Li und Co bestand also darin, eine Datenbank mit Videos zu erstellen, die Mikroexpressionen unter realistischen Bedingungen zeigen. Das ist leichter gesagt als getan. Mikroausdrücke treten in der Regel auf, wenn Personen ihre Gefühle unter Bedingungen mit relativ hohen Einsätzen verbergen.



Das ist nicht einfach zu reproduzieren. In der Tat haben sich viele frühere Arbeiten auf gestellte Ausdrücke konzentriert, aber verschiedene Psychologen haben auf die Grenzen dieser Methode hingewiesen, nicht zuletzt darauf, dass Mikroausdrücke deutlich anders aussehen als gestellte Ausdrücke.

Li und Co gingen dieses Problem an, indem sie eine Gruppe von 20 Personen baten, sich eine Reihe von Videos anzusehen, die starke Emotionen bei ihnen hervorrufen sollten. Diesen Personen wurde ein starker Anreiz gegeben, während der Aufgabe keine Emotionen zu zeigen: Ihnen wurde gesagt, dass sie einen langen, langweiligen Fragebogen ausfüllen müssten, in dem sie erklären würden, welche Emotionen sie zeigten.

Als Ergebnis produzierten 16 der 20 Personen zusammen 164 Mikroexpressionen, die das Team mit einer Hochgeschwindigkeitskamera mit 100 Bildern pro Sekunde aufzeichnete. Das Team verknüpfte die gezeigten Emotionen mit dem emotionalen Inhalt der Videos und gab ihnen eine Goldstandard-Datenbank, mit der sie ihren maschinellen Lernalgorithmus trainieren konnten.



Die Aufgabe, Mikroausdrücke zu erkennen, gliedert sich in zwei Teile. Die erste besteht darin, die flüchtige Veränderung der Gesichtszüge herauszufiltern, die einen Mikroausdruck charakterisieren. Die zweite besteht darin, die Emotionen zu identifizieren, die dies zeigt.

Das Team ging das erste Problem an, indem es einen einzelnen Frame verwendete, der das Gesicht des Probanden als Standard zeigte, und alle nachfolgenden Frames damit verglich, um festzustellen, wie sich der Ausdruck veränderte. Jede Veränderung über einen bestimmten Schwellenwert hinaus wurde als Mikroausdruck definiert, und diese Bilder wurden für weitere Analysen beiseite gelegt.

Das Erkennen von Ausdrücken ist im Allgemeinen schwieriger, da Mikroausdrücke tendenziell weniger ausgeprägt sind als gewöhnliche Ausdrücke. Eine große Herausforderung für die Erkennung von Mikroausdrücken besteht darin, dass die Intensität der Gesichtsbewegungen zu niedrig ist, um unterscheidbar zu sein, sagen Li und Co.



Das Team löste dies mit einem Algorithmus, der Ausdrücke vergrößert. Dies funktioniert, indem die Teile des Gesichts in Bewegung identifiziert werden, wenn sich ein Ausdruck ändert, und das Gesicht verzerrt wird, um sie weiter zu bewegen.

Dieser Prozess muss sorgfältig angewendet werden. Zum Beispiel sagen Li und Co, dass sie es nicht zum Erkennen von Mikroausdrücken verwenden können, da der Algorithmus alle Bewegungen, wie z. B. das Drehen des Kopfes, vergrößert, nicht nur die Ausdrücke. Es wird also nur auf die Frames angewendet, die durch den oben beschriebenen Spotting-Prozess identifiziert wurden.

Schließlich klassifiziert der Algorithmus die gezeigte Emotion als positiv, negativ oder überraschend, ein Prozess, den er aus der Trainingsdatenbank lernt.

Eine interessante Frage ist, wie gut dieser Ansatz im Vergleich zur menschlichen Leistung funktioniert. Um dies herauszufinden, bat das Team 15 Personen, den Ausdruck zu identifizieren, der in Videos angezeigt wird, die nur die Mikroausdrücke enthalten (so dass sie die Mikroausdrücke nicht aus längeren Sequenzen heraussuchen mussten). Weitere 15 Personen sahen sich die gesamten Videos an und mussten jeden Mikroausdruck erkennen und identifizieren.

Die Ergebnisse sorgen für eine interessante Lektüre. Die Maschine von Li und Co. entsprach der menschlichen Fähigkeit, Mikroausdrücke zu erkennen und zu erkennen, und übertraf Menschen allein bei der Erkennungsaufgabe deutlich.

Unsere Methode ist das erste System, das jemals an einem Datensatz mit harten spontanen Mikroexpressionen getestet wurde, der natürliche Mikroexpressionen enthält, sagt das Team. Es übertrifft Menschen bei der Erkennung von Mikroexpressionen um ein Vielfaches und ist bei der kombinierten Erkennungs- und Erkennungsaufgabe von Mikroexpressionen vergleichbar mit Menschen.

Das ist für den ersten Versuch nicht schlecht, und diese Maschinen werden sich eindeutig schnell verbessern.

Es ist nicht schwer, Bewerbungen zu erstellen. Li und Co heben Lügenerkennung, Strafverfolgung und Psychotherapie hervor, aber es ist leicht vorstellbar, dass dies in Vorstellungsgesprächen und Beurteilungen und sogar in Google Glass-ähnlichen Geräten im Alltag verwendet wird.

Bald wird es kein Versteck mehr geben.

Ref: arxiv.org/abs/1511.00423 : Verborgene Emotionen lesen: Spontanes Erkennen und Erkennen von Mikroexpressionen

verbergen