Un sistema machine vision capace di individuare e riconoscere le microespressioni

Un sistema machine vision capace di individuare e riconoscere le microespressioni

Un sistema basato su machine vision è capace di riconoscere le microespressioni che appaiono sul volto di un individuo quando tenta di nascondere emozioni o racconta bugie

di Andrea Bai pubblicata il , alle 08:31 nel canale Scienza e tecnologia
 

Oltre alle normali espressioni con le quali ciascuno di noi esterna la varietà di emozioni che l'essere umano può provare, vi è tutta una serie di espressioni facciali di cui molte persone sono inconsapevoli: nella seconda parte degli anni '60 gli psicologi Ernest Haggard e Kenneth Isaac scoprirono che quando l'essere umano tenta di nascondere o occultare le proprie emozioni, spesso mostra i propri sentimenti reali in una serie di "microespressioni" che durano poche frazioni di secondo.

Lo studio delle microespressioni è stato condotto fin dai primi anni '70 da Paul Ekman e ha affascinato studiosi e pubblico più ampio. Recentemente, con una forte ispirazione ai lavori di Ekmann, la FOX nel 2009 e fino al 2011 ha prodotto la serie televisiva Lie to Me dove Tim Roth interpreta Cal Lightman, esperto di comunicazione non verbale e capace di leggere le microespressioni che mette queste abilità al servizio della giustiza. Sebbene la maggior parte delle persone non sia in grado di cogliere le microespressioni, vi sono alcuni individui naturalmente dotati che sono capaci di individuarle con accuratezza ed interpretarle per capire se l'interlocutore stia nascondendo qualche sentimento o stia raccontando una bugia.

L'attenzione nei confronti delle microespressioni è cresciuta sensibilmente da parte di alcuni settori. Gli agenti di polizia e gli agenti che operano nell'anti-terrorismo sono spesso formati con le nozioni elaborate da Haggard, Isaac e Ekmann nella speranza di facilitare loro il compito dell'identificazione di potenziali criminali. Questa attività di training è però oggetto di svariate critiche, in quanto pare che molte persone, pur formate, non abbiano le capacità sensoriali e cognitive sufficienti per poter rilevare le microespressioni.

Negli ultimi anni però le tecniche e tecnologie di machine vision si sono evolute ad un ritmo inaspettatamente rapido: oggi le macchine che si affidano ai migliori algoritmi di intelligenza artificiale sono in grado di superare gli esseri umani nelle capacità di riconoscimento di oggetti e nel riconoscimento facciale, e hanno iniziato a mostrare un comportamento affine anche nel riconoscimento delle espressioni e del loro significato emotivo. Tutto ciò solleva prospettive interessanti nel campo del riconoscimento delle microespressioni. Il ricercatore Xiaobai Li dell'University of Oulu in Finlandia ed i colleghi hanno provato a realizzare un sistema di machine vision che possa riconoscere le microespressioni, riscontrando con i primi test effettuati una capacità superiore a quella dell'essere umano.

Il rapido sviluppo delle intelligenze artificiali verificatosi negli anni recenti è da imputare, in parte, anche all'ideazione di migliori metodi di calcolo. Questo genere di macchine sono però inutili se non possono essere "allenate" con database vasti ed accurati: il primo compito di Li e dei colleghi è stato proprio quello della creazione di un database di spezzoni video che mostrano microespressioni in condizioni realistiche. Si tratta di un compito più complesso di quanto si possa supporre. Le microespressioni, come detto, tendono a verificarsi quando gli individui nascondono i loro sentimenti in condizioni "limite". Si tratta di uno scenario non semplice da riprodurre: molti dei lavori precedenti si sono infatti basati su espressioni in posa, ma vari psicologi hanno evidenziato le limitazioni di questo metodo, non da ultimo il fatto che le microespressioni sono piuttosto differenti e molto meno marcate rispetto alle controparti in posa.

Li e i colleghi hanno aggirato l'ostacolo chiedendo ad un gruppo di 20 individui di visionare una serie di video pensati appositamente per indurre una forte reazione emotiva. A queste persone è stato, parallelamente, dato un forte incentivo per evitare di mostrare qualsiasi emozione durante la visione dei video, in caso contrario avrebbero dovuto riempire un lungo e noioso questionario spiegando qualsiasi emozione mostrata. 16 dei 20 individui hanno prodotto un totale complessivo di 164 microespressioni, registrate tramite una fotocamera a 100 frame al secondo. I ricercatori hanno quindi collegato le emozioni mostrate dalle microespressioni con il contenuto emotivo dei vari video, creando così un database accurato e, soprattutto, realistico con il quale allenare l'algoritmo di machine learning.

Il riconoscimento delle microespressioni è invece un compito che consiste di due fasi. La prima è l'estrapolazione del cambiamento nella conformazione del volto che caratterizza una microespressione, mentre la seconda fase è l'identificazione dell'emozione che essa mostra. La prima fase è affrontata usando un singolo frame che mostra il volto del soggetto con espressione neutra, e comparando tutte le altre inquadrature per determinare in quale modo l'espressione sia cambiata. Ogni cambiamento riscontrato oltre una certa soglia è definito come microespressione: ciascuna di queste immagini sono state isolate per la seconda parte dell'analisi.

L'interpretazione delle microespressioni è però più difficile perché, come accennato poco sopra, esse tendono ad essere meno pronunciate delle espressioni ordinarie e volontarie. "La sfida principale è rappresentata dal livello di intensità dei movimenti facciali, che sono troppo contenuti per essere distinguibili" ha dichiarato Li. Questo è stato risolto impiegando un algoritmo capace di "amplificare" le microespressioni, in particolar modo enfatizzando quelle parti del volto in movimento che cambiano l'espressione.

Questo processo deve essere applicato con molta attenzione e non può essere usato esso stesso per individuare le microespressioni: l'algoritmo di amplificazione enfatizza infatti tutti i movimenti, come ad esempio anche lo spostamento del capo. E' questo il motivo per cui l'algoritmo viene usato solamente e selettivamente sulle inquadrature ricavate dal processo di individuazione descritto sopra. A questo punto le microespressioni amplificate vengono classificate automaticamente come positive, negative o di sorpresa, tramite un processo formato grazie al database di allenamento.

Per valutare l'efficacia del sistema i ricercatori hanno chiesto a 15 persone di identificare e interpretare le microespressioni estrapolate dai video (senza, quindi, doverle individuare all'interno di sequenze più estese) e ad altre 15 persone di individuare e poi interpretare le microespressioni all'interno degli spezzoni video integrali. Nel primo caso il sistema ha mostrato un'accuratezza superiore a quanto mostrato dall'essere umano, mentre nel secondo caso i risultati sono confrontabili. Si tratta di un risultato significativo, soprattutto pensando che si tratta della prima sperimentazione del sistema.

Le applicazioni possibili di un sistema come questo sono varie, oltre all'ovvio impiego tra le forze dell'ordine per rilevare false testimonianze o in ambito medico come supporto ad attività di psicoterapia non è da escludere anche l'uso nel contesto di colloqui di lavoro o anche all'interno di dispositivi e tecnologie utilizzabili nella vita di tutti i giorni.

1 Commenti
Gli autori dei commenti, e non la redazione, sono responsabili dei contenuti da loro inseriti - info
Zenida19 Novembre 2015, 22:59 #1
Tecnologia interessante, ma qui siamo solo all'inizio. In un analisi simile c'è da valutare molti altri fattori, come:

- I suoni (intesi sia come microespressioni ma anche come tono di voce, ecc.)
- Microespressioni falsificate (far finta di essere sorpresi, felici, ecc. quando in realtà si prova altro)
- Gesti con altre parti del corpo (non è solo il viso a tradire, ma anche le mani, le spalle, ecc.)

E molti altri fattori...
Certo partire già dal viso è un buon punto di inizio, ma è solo la punta dell'iceberg

Devi effettuare il login per poter commentare
Se non sei ancora registrato, puoi farlo attraverso questo form.
Se sei già registrato e loggato nel sito, puoi inserire il tuo commento.
Si tenga presente quanto letto nel regolamento, nel rispetto del "quieto vivere".

La discussione è consultabile anche qui, sul forum.
 
^