2/1開始執行acume processing程式的研究，在Processing Example有很多內建原始碼可以使用，不過大多的程式碼只是表格，表列以及拖拉式選單居多，在研究開發過程網站已提供許多相關訊息參考。
Acume應用介紹:
Acume是一個應用程式，作為臉部動作編輯系統，在同一時間，將大量人群做臉部動作分析，分析內容為臉部肌肉點的顯著性(強度)、意出現次數，可以清楚看出臉部多處動作的發生，目前官網有分享案列，也開放工具的展演，可以給研究人員快速查詢整個程式語法，或大量的AU數據。
在官網案例研究，從客觀評估臉部表情FACS，在文中用於標誌行動單位(AU)，不同時間可識別不同臉部動作編譯的功能，可以大量量化資料，比較出不同的集群臉部，
舉例:跨年當天在台中市府中心擁有10萬多人，將同一時間11:59~12:00辨識10萬多人，在一分鐘內，隨著時間流動辨識出10萬多人的臉部變化，辨識者的臉部變化，進而發現有無情緒(影片一)。
影片一
Acume介面介紹(圖一
圖一
Acume分為三大區塊，Spectrogram Panel、 Examples Panel、Analysis Panel。Spectrogram Panel 是在左下的圖表，表格內的AU為數據二進位0與1，使用者可以將大量的數據統整匯入，參與者的動作單位可以手動將CSV檔做改變，在AUSpec區塊下方有兩個案鈕，可將時間軸放大作比較。(圖二)
圖二
Examples Panel中間區塊，設計者可自行改變所想分析的臉部動作，在數據資料要以CSV格式匯入，
EXCEL.CSV檔內容 :
The First column should contain the numerical code of the participant for which that sample corresponds，
The second column should contain the numerical code of the context for which that sample corresponds.
The thirds column should contain the number of the time sample (e.g. frame number, second etc.).
The remaining columns of the matrix should contain the corresponding action unit data.
資料存取後須以絕對位子輸入Acume應用程式。
Action Unit Labels 在文字檔內 從第一列開始輸入數字，然後空一格，再放入Labels資料夾。
舉例: 01 Inner Brow Raiser 02 Outer Brow Raiser 03 ....。
Images 將分析圖片，命名為AU1.jpg 放入Images 資料夾。
Video 將影片檔命名為c1.MOV檔，放入Stimuli 資料夾。
使用者可以在AUSpec區塊點擊，如有動作單位是影像有相關，右方區塊會直接播放影像檔(但是目前沒有執行出來)。
Analysis Panel區塊分上下面板:
上方直方圖陳述選定的參與者包括全部，從AUSpec的數據圖提供數據分析，每一小平方格為二進位語法，長度越長代表強度越強、頻率越多。(如圖三)
下面圖訊息也是從AUSpec二進位語法立即辨識出現次數頻繁，顏色越亮代表強度越強、頻率越多，在程式演算使用K-means分群法，在網格計算絕對差值之間的相似度，分析面板上有選項按鈕，可以單一查看每個分群模式圖表。(如圖四)
圖三
圖四
結論:
在研究過程中，要將Acume應用到情緒分析的話，目前臉部動作編輯還不能使用在即時影像處理如WEBCAM，不過在文獻探討中，可發現參與者越多分析大量的數據，可以找出臉部動作單位的差異性，進而研究出此動作單位會出現在哪個情緒，可做後續研究，在執行過程有幾個地方沒有執行出來，我會留意Affective Computing官網是否有後續應用程式，在日後會再另PO新文更正，在這次研究過程，也了解到資料分析報告須從大到小，有什麼資料應用在哪裡，並找出相關理論基礎，更要有挖糞精神。
資料來源:
http://affect.media.mit.edu/acume/ Affective Computing網站
http://processing.org/ Processing官網
http://www.sojamo.de/libraries/controlP5/ ControlP5 GUI Library
http://www.youtube.com/watch?v=lGs8OMtQ_qo youtube影片分享
沒有留言:
張貼留言