Изучение мимики лица и жестов для начинающих: Страница не найдена (ошибка 404)

Шаг 2: Глаза

Когда мы улыбаемся, скулы поднимаются вверх, из-за чего глаза слегка прищуриваются (помните «улыбайся»?). Сделайте это на своем рисунке, сделав нижние веки немного приподнятыми и добавив морщинки во внешнем уголке глаз, чтобы подчеркнуть жест. Верхнее веко обычно закрывает большую часть радужной оболочки, чем нижнее веко.

Шаг 3. Нос и скулы

Иногда от улыбки морщится нос.Подчеркните очертания ноздрей и слегка опустите изгиб перегородки. Для яблока щеки добавьте линии от угла носа к углу рта, но не соединяйте их, если вы не хотите, чтобы ваш персонаж выглядел старше.

Шаг 4: Брови и детали

Завершите рисунок, добавив брови и другие детали, которые вам нравятся.Обратите внимание, что на счастливом лице брови расслаблены, поэтому брови будут иметь естественную форму. Вы можете поэкспериментировать с поднятием бровей или изменением формы глаз или рта, чтобы исследовать тонкие изменения выражения лица вашего персонажа.

Как нарисовать грустное лицо

Точки напряжения, связанные с грустным выражением лица, — это рот и бровь.Самый простой способ нарисовать грустное лицо — нарисовать нисходящую дугу для рта и две диагональные линии, идущие вверх к бровям, но есть несколько других деталей, которые вы можете добавить, чтобы эмоции действительно проявились.

Шаг 1: Рот

На грустном лице уголки рта опущены. Вы можете усилить отчаяние своего персонажа, открыв рот; в противном случае держите губы закрытыми и нарисуйте линии за пределами угла рта, чтобы вызвать напряженное, разочарованное или разочарованное выражение.

Шаг 2: Область бровей и глаз

Глаза и брови — ключевые черты грустного лица. Брови нахмурены, а внутренние уголки бровей уходят внутрь и вверх, вызывая морщины на лбу. Внешние углы верхнего века слегка опускаются («щенячьи глаза»), взгляд может быть стеклянным, слезливым или отвлеченным.

Шаг 3: Дополнительные сведения

Регулируйте глубину эмоций, которые выражает ваш персонаж, и добивайтесь более реалистичного результата, закрашивая определенные области, добавляя линии для морщин или рисуя крошечные круги внутри радужной оболочки глаза, чтобы получить такой заплаканный вид.

Как нарисовать сердитое лицо

Гнев — это возбужденное выражение, особенно в верхней половине лица. Точки напряжения — это рот и бровь, и в зависимости от интенсивности эмоции ноздри могут раздуться, а рот открывается, обнажая зубы. Оттачивая свои навыки рисования сердитого лица, используйте более сильные линии, чтобы подчеркнуть жесты.

Шаг 1: Рот

Вы можете начать с создания почти прямой линии, слегка изогнутой вниз к внешним углам, и позволяя линии между губами уходить немного дальше, чем то место, где кончаются губы, чтобы добавить напряжения. Вы также можете нарисовать арку под ртом для сжатой челюсти.

Шаг 2: Глаза

То, как глаза смотрят на зрителя, очень важно при рисовании гневного выражения.Форма глаз узкая и закрывает верхнюю и нижнюю части радужки. Верхняя крышка тяжелая, а нижняя стягивается, вызывая морщины. Вы можете добавить тени на область вокруг глаз, чтобы усилить эффект.

Шаг 3: брови

Наморченные брови — неотъемлемая черта сердитого выражения лица. Брови опускаются и сходятся вместе, переходя через верхнее веко и помогая затемнить взгляд.Добавление вертикальных морщинок между бровями сразу даст нужный эффект.

Как нарисовать испуганное лицо

Точки напряжения на испуганном лице — это лоб и челюсть, если она открыта. Как и на удивленном лице, брови приподняты, глаза широко открыты, а зрачки расширены. Однако на удивленном лице рот имеет O-образную форму, тогда как при страхе челюсть напряжена, отчего скулы поднимаются вверх, а нижние веки напрягаются.

Шаг 1: Глаза

Если вы хотите научиться рисовать испуганное лицо и остальные эмоции, которые связаны с ним — удивление, беспокойство, шок и ужас, — полезный трюк — добавить больше белого вокруг расширенного зрачка и поиграть с тем, сколько из радужная оболочка прикрыта верхним и нижним веками.

Шаг 2: Брови

Брови приподняты и нахмурены, вызывая появление морщин в центре брови.

Шаг 3: Рот

В состоянии страха рот обычно широко раскрывается. Однако изменение его формы с «о» на более искривленную полностью изменит тип выражения, которого вы достигнете. Не стесняйтесь экспериментировать!

Дайте эмоции своим персонажам: рисование выражений

Разработка системы распознавания эмоций в реальном времени с использованием мимики лица и ЭЭГ на основе методов машинного обучения и глубоких нейронных сетей

Основные моменты

•

Классифицируйте эмоциональные выражения на основе лицевых ориентиров и сигналов ЭЭГ.

•

Система позволяет в реальном времени контролировать состояние пациентов с ограниченными физическими возможностями.

•

Система эффективно работает при неравномерном освещении и различных оттенках кожи.

Аннотация

Распознавание эмоций в реальном времени было активной областью исследований в течение последних нескольких десятилетий. Эта работа направлена ​​на классификацию людей с ограниченными физическими возможностями (глухих, немых и прикованных к постели) и эмоциональных выражений детей с аутизмом на основе лицевых ориентиров и сигналов электроэнцефалографа (ЭЭГ) с использованием классификаторов сверточной нейронной сети (CNN) и долговременной краткосрочной памяти (LSTM). разработка алгоритма распознавания эмоций в реальном времени с использованием виртуальных маркеров с помощью алгоритма оптического потока, который эффективно работает при неравномерном освещении и повороте головы объекта (до 25 °), различном фоне и различных оттенках кожи.Шесть эмоций на лице (счастье, грусть, гнев, страх, отвращение и удивление) собираются с помощью десяти виртуальных маркеров. Пятьдесят пять студентов (35 мужчин и 25 женщин) со средним возрастом 22,9 года добровольно приняли участие в эксперименте по распознаванию эмоций лица. Девятнадцать студентов бакалавриата вызвались собирать сигналы ЭЭГ. Первоначально черты лица Хаара используются для распознавания лиц и глаз. Позже виртуальные маркеры размещаются в определенных местах на лице субъекта на основе системы кодирования лицевых действий с использованием подхода математической модели, а маркеры отслеживаются с использованием алгоритма оптического потока Лукаса-Канде.Расстояние между центром лица объекта и каждой позицией маркера используется как признак для классификации выражения лица. Этот признак расстояния статистически подтвержден с использованием одностороннего дисперсионного анализа с уровнем значимости p <0,01. Кроме того, четырнадцать сигналов, полученных от каналов считывателя сигналов ЭЭГ (EPOC +), используются в качестве признаков для эмоциональной классификации с использованием сигналов ЭЭГ. Наконец, функции проходят перекрестную проверку с использованием пятикратной перекрестной проверки и передаются классификаторам LSTM и CNN.Мы достигли максимального уровня распознавания 99,81%, используя CNN для обнаружения эмоций с помощью ориентиров на лицах. Однако максимальная скорость распознавания, достигаемая с использованием классификатора LSTM, составляет 87,25% для обнаружения эмоций с помощью сигналов ЭЭГ.

Ключевые слова

Распознавание эмоций лица

Виртуальные маркеры

LSTM

Обнаружение эмоций ЭЭГ

Рекомендуемые статьиЦитирующие статьи (0)

© 2020 Авторы. Опубликовано Elsevier Ltd.

Рекомендуемые статьи

Цитирующие статьи

(PDF) Обучение созданию мимики

2009 8-я МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ IEEE ПО РАЗВИТИЮ И ОБУЧЕНИЮ 6

случайные движения

на видеокамере Einstein

Обратная связь

(a) Эйнштейн

проприоцептивная система

случайные движения

на человеке

обратная связь

(б) человеческий I

случайные движения

на человеке

видя лицо

лицо

лицо

человек около

выражение лица

нейронный кодер

Обратная связь

(c) человек II

Рис.7: Предлагаемая структура обучения для демонстрации

выражений лица Эйнштейна (a) и человека (b) (c). Например,

может спонтанно вызывать выражения эмоций

(например, улыбки), которые приводят к запоминающимся проприоцептивным следам.

лепет тела может быть использован для создания обратной модели

лица и последующего произвольного воспроизведения проприоцептивных следов

, которые наблюдались во время чувственных выражений

эмоций.

Наш эксперимент демонстрирует, что сложные выражения лица

могут быть изучены посредством обратной связи типа

, доступной CERT через структуру, показанную на рисунке 7a.

Одна из возможностей состоит в том, что CERT в основном выполнял роль проприоцептивной системы

(рис. 7b). Таким образом, тот факт, что CERT

использует визуальный ввод, является случайным. Обратная связь

, аналогичная обратной связи, произведенной CERT, могла быть получена с использованием проприоцептивных датчиков

, а не визуальных датчиков. Другая возможность

состоит в том, что люди могут фактически кодировать выражения

, наблюдаемые другими, таким образом, чтобы имитировать функцию

CERT (рисунок 7c).Имеются эмпирические доказательства того, что в течение

социальных взаимодействий люди склонны имитировать выражения лиц

своих собеседников [14], что означает, что люди обладают способностью

визуально кодировать выражения лица и отображать их

на свои собственные мышечные движения. . Такое поведение может эффективно служить зеркалом, которое будет предоставлять информацию о

эффектах собственных мышечных движений на внешний вид

выражений лица.Слепые дети

имеют проблемы с маскировкой выражений отрицательных эмоций [15],

указывает на то, что видение других может быть важным для достижения

произвольного контроля над выражением лица.

В настоящее время мы экспериментируем с механизмом активного обучения

, который позволяет роботу активно выбирать движения мышц —

, «лепет на лице», чтобы повысить эффективность обучения.

Вместо того, чтобы совершать случайные движения, мозг может перемещать

лица более эффективными способами, чтобы быстро уменьшить неопределенность модели внутреннего выражения для мышц.Такое активное исследование

может использовать максимизацию информации, аналогичную моделям

исследовательского поведения человека при движении глаз [16].

Обратите внимание, что в то время как текущая система изучала атомарные выражения

эмоций, как определено в FACS, целостные выражения

эмоций, такие как выражения счастья, печали, гнева,

удивления и отвращения, в принципе, являются комбинация отдельных —

единиц действия. В настоящее время мы исследуем,

выражений, изученных таким образом, также исследуются в настоящее время

механизмов обучения целостным выражениям эмоций,

V.БЛАГОДАРНОСТИ

Поддержка этой работы была предоставлена ​​грантами NSF SBE-

0542013 и NSF IIS INT2-Large 0808767. Головы роботов Einstein

были приобретены за счет гранта DURIP. Любые мнения,

ионы, выводы и заключения или рекомендации, выраженные

в этом материале, принадлежат авторам и не обязательно отражают точку зрения

Национального научного фонда.

СПИСОК ЛИТЕРАТУРЫ

[1] L. Olsson, C. Nehaniv, D.Полани, «От неизвестных датчиков и приводов

к действиям, основанным на сенсомоторном восприятии», Connection

Science, vol. 18, нет. 2, pp. 121–144, 2006.

[2] П. Роша, «Самовосприятие и действия в младенчестве», Experimental Brain

Research, vol. 123, нет. 1, pp. 102–109, 1998.

[3] Д. Мессинджер, М. Махур, С. Кадавид, С. Чоу и Дж. Кон, «Интерактивное эмоциональное развитие в начале

», на 7-й Международной конференции IEEE. —

по развитию и обучению, 2008.2008. С. 232–237.

[4] М. Бартлетт, Г. Литтлворт, М. Франк, К. Лайнскек, И. Фазель и

Дж. Мовеллан, «Автоматическое распознавание лицевых действий в спонтанных

выражениях», Журнал мультимедиа, том . 1, вып. 6, pp. 22–35, 2006.

[5] А. Н. Мельцов и М. К. Мур, «Объяснение имитации лица: теоретическая модель

», Раннее развитие и воспитание, вып. 6, pp. 179–

192, 1997.

[6] П. Экман и В. Фризен, «Система кодирования лицевых движений (FACS):

Метод измерения лицевых движений», Пало-Альто, Калифорния. :

Консультации, 1978.

[7] Ю. Тиан, Т. Канаде и Дж. Кон, «Распознавание единиц действия для анализа выражений лица

», IEEE TRANSACTIONS ON PATTERN ANALYSIS

AND MACHINE INTELLIGENCE, стр. 97–115, 2001.

[8] Лаборатория МП, «РУБИОС», http://mplab.ucsd.edu/?page id = 392,

2009.

[9] П. Экман, В. Фризен и Дж. Хагер, « Система кодирования действий лица

(FACS): Руководство и руководство для исследователя »Человеческое лицо, Солт-Лейк-

-Сити, Юта, 2002.

[10] П. Экман, «Аргументы и свидетельства об универсалиях в выражениях эмоций на лице

», Справочник по социальной психофизиологии, вып. 58,

pp. 342–353, 1989.

[11] Д. Мацумото и Б. Уиллингем, «Спонтанные выражения лица

эмоций врожденно и не врожденно слепых людей», Журнал

Личности и социальной психологии, т. 96, нет. 1. С. 1–10, 2009.

[12] М.-Р. C., HD и FM, «Поднятие бровей и акцент высоты голоса:

случай приподнимания бровей у детей и акцент высоты голоса: случай

детей, слепых от рождения», в International Symposium on Discourse

и Prosody as сложный интерфейс, Universit

´

e de Provence,

2005 г.

[13] У. Ринн, «Нейрофизиология выражения лица: обзор

неврологических и психологических механизмов создания

выражений лица», Психологический бюллетень, том. 95, pp. 52–77, 1984.

[14] У. Димберг и М. Тунберг, «Быстрые лицевые реакции на эмоциональные выражения лица

», Scandinavian Journal of Psychology, vol. 39, нет. 1, pp.

39–45, 1998.

[15] Д. Галац, Б. Сини, С. Шмидт и К. Тинти, «Спонтанные выражения лица

у слепых и зрячих детей в возрасте от 8 до 11 лет. , ”

Журнал нарушений зрения и слепоты, вып.97, нет. 7, pp. 418–28,

2003.

[16] Н. Бутко и Дж. Мовеллан, «I-POMDP: Infomax Model of Eye

Movement», на 7-й Международной конференции IEEE по развитию и

Обучение, 2008., 2008, с. 139–144.

Границы | Модель распознавания эмоций в выражении лица, объединяющая философию и теорию машинного обучения

Введение

Как древняя китайская знаменитость, мудрость Цзэн Гофанно предполагает умение распознавать эмоции на лице.В его книге «Бин Цзянь» обобщены восемь методов идентификации людей, особенно того, как выбрать правильный, что означает «смотреть глазами и носом на зло и праведность, устами на правду и ложь; темперамент к успеху и славе, дух богатства и удачи; пальцы и когти — за идеи, подколенные сухожилия — за неудачу; если вы хотите узнать его исполнение, вы можете сосредоточиться на том, что он сказал ». Говорят, что личность, ум, добро и зло человека можно показать по его лицу.То есть целые кости не такие аккуратные, как кожа, чистая кожа не так красива, как черты лица. Глаза могут отражать добро и зло человека, в отличие от людей, которые ведут себя неприлично, у человека с чистым и непредвзятым умом светлые глаза. Таким образом, глаза — важная часть распознавания эмоций лица. Поскольку изображение лица (Dubuisson et al., 2002; Sariyanidi et al., 2014; Sun et al., 2018) является интуитивным отражением психического состояния человека, оно содержит богатую эмоциональную информацию (D’Aniello et al., 2018; Майдыч и др., 2018; Suslow et al., 2020), и может интуитивно отражать истинные мысли человека. В повседневном человеческом общении мы не только передаем информацию с помощью языка и текста, но мы также используем некоторые движения и выражения лиц, чтобы завершить общение между людьми, и исследования показывают, что выражения и движения часто более эффективны, чем слова. Доставьте ключевые сообщения. Эмоции выражения лица — это распространенная форма невербального общения, которая может эффективно передавать личные эмоции и намерения.Мы можем наблюдать за мимикой других людей глазами, а мозг анализирует данные, чтобы определить их психическое состояние, завершая выражение эмоций и передачу эмоций между людьми. Выражение лица может вызывать языковые эмоции, а выражения лица могут ясно отображать истинные эмоции человека, что более точно, чем язык, в процессе общения людей.

В социальных ситуациях люди естественным образом выражают свои личные эмоции. Точное понимание эмоций друг друга поможет укрепить взаимопонимание и доверие.Выражение и понимание эмоций — важный навык для человека. В основном мы передаем личные эмоции тремя способами: языком, голосом и мимикой. Ученые обнаружили, что мимика — самый важный способ выражения информации о человеческих эмоциях (Cai and Wei, 2020; Zhang et al., 2021). Информация о выражении лица составляет около 55 процентов информации, передаваемой экспериментаторами, голосовая информация — 38 процентов, а языковая информация — лишь 7% от всей информации.Понятно, что по сравнению с языком и звуком информация о выражении лица более важна для эмоционального восприятия. Естественно, исследователи сосредотачиваются на мимике, чтобы лучше понять внутреннюю эмоциональную деятельность человека.

В последние годы, когда компьютеры становятся все более мощными вычислительными мощностями и продолжают появляться огромные наборы данных, алгоритмы машинного обучения (Domínguez-Jiménez et al., 2020; Zhang et al., 2020; Cai et al., 2021a) интенсивно развиваются. .По сравнению с традиционными методами алгоритм машинного обучения объединяет два процесса: извлечения признаков (Koduru et al., 2020) и классификации (Oberländer and Klinger, 2018), сокращает рабочий процесс и может автоматически извлекать внутренние особенности из выборочных данных. , имеет мощные возможности извлечения признаков и относится к компьютерному зрению (CV) (Schmøkel and Bossetta, 2021; Cai et al., 2021b). Выступление на различных соревнованиях очень хорошее. Среди них сверточная нейронная сеть (CNN) (Santamaria-Granados et al., 2018; Госал и др., 2019; Gao et al., 2021) является одним из наиболее распространенных алгоритмов машинного обучения, и эффект классификации изображений отличный, а уровень точности распознавания базы данных ImageNet не обновлялся. Поэтому многие исследователи начали использовать нейронные сети (Chu et al., 2021; Tong et al., 2021) для решения проблемы распознавания мимики. Однако изображения выражения лица, собранные в реальной жизни, очень неконтролируемы, и эта неконтролируемость увеличивает выражение лица.Как разработать структуру CNN для эффективного и точного распознавания выражений лица, все еще требует постоянного изучения.

Основываясь на вышеупомянутых наблюдениях, я обнаружил, что в этой статье основное внимание уделяется тому, как CNN может эффективно и точно распознавать выражения лица. Поэтому я предлагаю двухканальный алгоритм распознавания эмоций. Первый путь предложенного алгоритма использует в качестве входных данных функцию Габора области ROI. Чтобы в полной мере использовать подробные характеристики активной области выражения лица, сначала сегментируйте активную область выражения лица из исходного изображения лица, используйте преобразование Габора для извлечения особенностей этой области и сосредоточьтесь на подробном описании окрестности.Второй путь предлагает эффективную сеть внимания канала, основанную на глубокой разделяемой свертке, для достижения улучшения линейной структуры узких мест, уменьшения сложности сети и предотвращения переобучения, а также повышения точности распознавания эмоций.

Основные статьи этого документа следующие:

(1) В этой статье предлагается новый двухканальный алгоритм распознавания выражений, основанный на теории машинного обучения и философском мышлении. Он добился конкурентоспособных результатов по набору данных FER2013 и имеет положительное значение в содействии признанию и занятости людей.

(2) Стремясь решить проблему, заключающуюся в том, что черты, извлеченные с помощью CNN, игнорируют тонкие изменения в активных областях выражений лица, первый проход предложенного алгоритма принимает в качестве входных данных особенности Габора области ROI. Чтобы в полной мере использовать подробные характеристики активных областей выражения лица, начальное изображение исходного лица сегментируется на активную область выражения лица, используется преобразование Габора для извлечения особенностей этой области и подробное описание придомовая территория ориентирована.

(3) Эффективный модуль внимания разработан, чтобы объединить глубину карты признаков с пространственной информацией, сосредоточиться на извлечении важных признаков и использовать функцию совместных потерь, чтобы сеть имела лучший эффект распознавания признаков, уменьшая различие одних и тех же выражений лица внутри класса, увеличьте расстояние между признаками между разными выражениями лица и обеспечьте точность классификации.

Остальная часть статьи организована следующим образом.В разделе «Сопутствующие работы» мы представляем соответствующие работы, в разделе «Методология» мы описываем алгоритм в этой статье, а в разделе «Эксперименты и результаты» мы приводим эксперименты и экспериментальные результаты. В разделе «Заключение» представлены выводы исследования данной статьи.

Сопутствующие работы

Распознавание эмоций по выражению лица

Процесс человеческого общения неразрывно связан с колебанием различных эмоций. Когда люди испытывают базовые эмоции, их лица будут отображать различные модели выражения, каждый со своим собственным набором характеристик и шкалой распределения.Распознавание мимики — важная часть взаимодействия человека с компьютером, которая позволяет компьютерам понимать выражения лиц на основе человеческого мышления. В соответствии с обработкой процесса распознавания лица процесс распознавания можно разделить на три важных модуля обнаружения лиц, выделения признаков и классификации, обнаружение лиц в качестве ключевой технологии распознавания лиц (Adjabi et al., 2020; Zhang et al., 2021) с его быстрое развитие имеет базовую зрелость, которая может эффективно извлекать из исходного изображения лица отличные характеристики, а характеристики правильной классификации становятся ключевым фактором, влияющим на результат распознавания.Например, Гао и Ма (2020) получили атрибуты выражения лица из изображений лиц, чтобы предсказать эмоциональные состояния в соответствии с изменениями выражения лица.

Распознавание эмоций на основе речи

Язык — еще один способ выражения эмоций. Речевые сигналы, выражаемые людьми в различных эмоциональных состояниях, имеют разные характеристики и правила, такие как скорость, высота звука, продолжительность и т. Д. Метод распознавания эмоций, основанный на речи, заключается в том, чтобы идентифицировать и оценивать эмоциональную информацию говорящего в это время путем изучения и анализ физических характеристик речи говорящего в различных эмоциональных состояниях.Тон-Тх и Цао (2019) применили речевые сигналы для распознавания эмоций и достигли хороших результатов в базе данных голосовых эмоций. Однако, с одной стороны, индивидуальные различия приведут к большим различиям в речевых сигналах, что потребует создания большой фонетической базы данных, что приведет к некоторым трудностям распознавания. С другой стороны, шумная среда будет влиять на качество звука речи, тем самым влияя на распознавание эмоций, поэтому получение речевого сигнала имеет высокие требования к окружающей среде.

Распознавание эмоций на основе физиологических сигналов

Основа распознавания эмоций, основанная на физиологических сигналах, заключается в том, что люди будут вызывать разные реакции на разные стимулы. Например, физиологические сигналы, такие как электричество мозга, электрокардиограмма, пульс и электрический ответ кожи, могут отражать эмоции. Моменнежад (2018) использовал сигналы ЭЭГ для распознавания эмоций, извлекая особенности из временной и частотной области сигналов ЭЭГ. Хотя изменения физиологических сигналов не контролируются людьми, они могут наиболее объективно отражать эмоциональные состояния человека.

Распознавание эмоций по жестам

Люди будут непроизвольно претерпевать некоторые изменения позы в различных состояниях и настроениях окружающей среды и оценивать человеческие эмоции на основе физической информации, такой как время и частота этих изменений позы, в соответствии с распознаванием эмоций на основе жестов. Аджили и др. (2019) использовали анализ движений человека для определения движения, а затем оценили и оценили эмоции, выражаемые позой движения человека. Однако однократное использование человеческих жестов для распознавания эмоций имеет определенные ограничения, потому что многие жесты не имеют эмоционального значения или одни и те же жесты имеют разные эмоциональные значения в разных фоновых средах, поэтому человеческие жесты обычно отличаются от других.Модальности (такие как выражения, речь и т. Д.) Комбинируются для распознавания эмоций.

Выражения — это наиболее интуитивно понятный способ передачи эмоций среди нескольких способов выражения информации об эмоциях человека, такой как выражения лица, голоса, физиологические сигналы и жесты, а информацию о выражениях относительно легко получить в большинстве сред, поэтому я использую их. Эмоциональные состояния человека изучаются с использованием выражений лица в качестве объектов.

Методология

Философское определение эмоций

Психология определяет эмоции как: «Особая форма отражения людей на объективной реальности — это опыт человеческого отношения к тому, соответствуют ли объективные вещи человеческим потребностям.Из этого определения можно понять, что эмоция — это субъективный опыт, субъективное отношение или субъективное отражение, которое относится к категории субъективного сознания, а не к категории объективного существования. Диалектический материализм считает, что любое субъективное сознание является отражением объективного существования человека. Эмоция — это особое субъективное сознание и должно соответствовать особому объективному существованию. Ключ к проблеме заключается в том, можно ли найти такое особенное объективное существование.Нетрудно обнаружить, что «соответствуют ли объективные вещи человека потребностям людей» на самом деле является типичной проблемой оценочного суждения, «удовлетворение потребностей людей» — это ценностная характеристика вещей, объективное существование, «отношение» и «опыт». то, как люди распознают или отражают ценностные характеристики вещей. Таким образом, психологическое определение эмоции может быть выражено следующим образом: «Эмоция — это субъективное отражение людей в ценностных характеристиках вещей». Объективное существование, соответствующее эмоции, должно быть ценностной характеристикой вещей.Отсюда я могу получить философское определение эмоции: эмоция — это субъективное отражение людей ценностных отношений объективных вещей.

Двухканальная модель распознавания эмоций

В этом разделе подробно описывается предлагаемая двухканальная модель распознавания эмоций, основанная на разделении области ROI и функции Габора первого пути, а также эффективная сеть внимания канала второго пути.

Подразделение области рентабельности

Пусть _{P el} и _{P er} обозначают положение левого и правого глаза, _{P n} обозначают ключевые точки кончика носа, _{P ml} и _{P mr} обозначают ключевые точки левого и правого углов рта, _{X 1} и _{X 2} обозначают координаты по горизонтали левой и правой границ лица, а _{Y 1} и _{Y 2} обозначают вертикальные положения верхнего и нижнего краев, соответственно, координаты.Предполагая, что положение области бровей рассчитывается в качестве примера, необходимо рассчитать только высоту и ширину области. Уравнение для расчета высоты области бровей выглядит следующим образом:

Heye = {| Pel: y-Pn: y | 2+ | Y2-Per: y |, pel: y≤Per: y | Y2-Pel: y | + | Per: y-Pn: y | 2, Pel: у≥Пер: у (1)

Я использую _{W eye} , чтобы обозначить ширину области бровей. Чтобы выделенная область человеческого глаза включала не только глаз, но и часть информации вокруг угла глаза, при вычислении _{W eye} непосредственно берется расстояние между левым и правым краями. .Уравнение расчета выглядит следующим образом:

Weye = | X2-X1 | (2)

Точно так же расчет положения рта на изображении лица выполняется следующим образом, используя _{H рот} и _{W рот} для представления высоты и ширины области соответственно.

Hmouth = {| Pn: y-Pml: y | 2+ | Pmr: y-Y1 |, pml: y≤Pmr: y | Pml: y-Y1 | + | Pn: y-Pmr: y | 2, Pml: у≥Pmr: у (3)

Wmouth = | X2-X1 | (4)

Наконец, прямоугольные области отсечения брови, глаз и рта на изображении лица определяются с использованием вышеуказанного метода расчета.Взаимодействие неключевых частей лица теоретически может быть уменьшено, а стоимость вычислений может быть уменьшена путем вырезания этих областей с большими изменениями выражения лица.

Фильтр Габора

По сравнению с другими вейвлетами, преобразование Габора имеет уникальный биологический фон. Фильтр Габора похож на представление частоты и направления зрительной системы человека с точки зрения частоты и направления и может извлекать локальную информацию о различных частотах, пространственных положениях и направлениях изображения.Особым преимуществом фильтров Габора является их инвариантность к масштабированию, вращению и перемещению. Причина, по которой вейвлет Габо может использоваться для распознавания выражения лица, заключается в том, что при изменении выражения лица ключевые части лица, такие как глаза, рот и брови, претерпевают большие изменения из-за изменений в мышцах. Эти части отражаются на изображении в виде изменений шкалы серого. Серьезно, реальная и мнимая части вейвлета в это время будут колебаться, поэтому амплитудный отклик фильтра Габора в этих частях будет очень очевиден, поэтому он очень подходит для извлечения локальных особенностей выражений.В области обработки изображений для обработки изображений обычно используется двумерная фильтрация Габора. Ядерная функция двумерного вейвлета Габора может быть записана как:

ψuv (z) = || kuv || 2σ2 × e || kuv || 2 || z || 22σ2 × (eikuvz-eσ22) (5)

, где _u и _v представляют направление и частоту ядра вейвлета Габора, _{z = ( x, y )} представляет положение определенного пикселя в изображении, _σ представляет полосу пропускания фильтра, а _{| k uv | ² / σ ²} используется для компенсации ослабления энергетического спектра, определяемого частотой.

Признак Габора изображения выражения лица может быть получен путем свертки изображения выражения лица и ядра вейвлета Габора. Предполагая, что значение серого для точки (x, y) в изображении выражения лица установлено на k, уравнение вычисления для функции Габора выглядит следующим образом:

Guv (x, y) = I (x, y) ∗ ψuv (x, y)

, где _{G uv ( x, y )} представляет функцию Габора извлеченного изображения, _{ψ uv ( x, y )} представляет функцию ядра двумерного Вейвлет Габора, а * представляет операцию свертки.

Функция Fusion

Чтобы в полной мере использовать особенности ключевых областей выражения лица и восполнить отсутствие глобального представления в локальных особенностях, извлеченных Габором, функции, извлеченные CNN, и локальные особенности области ROI, извлеченные Габором, являются характеристиками. -плавлен. Проще говоря, объединение функций — это объединение нескольких различных функций, извлеченных разными алгоритмами, в новую функцию с более сильными характеристиками с помощью определенного метода объединения.Процесс объединения функций показан на рисунке 1.

Рисунок 1. Принципиальная схема объединения функций.

Существует три способа объединения признаков: суммирование, произведение и объединение. Среди трех методов слияния функций метод сращивания и слияния прост в расчетах и ​​менее затратен с точки зрения вычислений. Поэтому в этой статье для сравнения функций Gabor и CNN используются сращивание и слияние. Выполняется слияние функций, и локальные особенности области ROI, извлеченные Габором, и функции, извлеченные CNN, сливаются в полностью связанном слое CNN.Предположим, что два вектора признаков с одинаковым размером определены как _{X = ( x 1 , x 2 , ⋯, x n )} и Y = 1, тогда уравнение расчета для сшивки:

Z = (x1, x2, ⋯, xn, y1, y2, ⋯, yn) (7)

Модель внимания канала

Чтобы извлечь больше основных черт выражения из карты черт лица, я представляю сверхлегкий модуль внимания ECA-Net (Wang et al., 2020), чтобы повысить внимание к улучшенной линейной структуре узких мест и придать больший вес основным функциям, что заставляет сеть уделять больше внимания основным функциям выражений. Эта структура содержит только один параметр k, но улучшение производительности, которое она приносит, очень очевидно. Основная функция этого модуля — генерировать веса для каждого канала и изучать корреляцию между функциями, точно так же, как люди всегда выборочно игнорируют некритическую информацию, а вместо этого сосредотачиваются на информации, которая полезна для нас.Этот модуль предназначен для того, чтобы позволить сетевой модели игнорировать некоторые неосновные функции, усилить акцент на основных функциях, а модуль добавляет лишь очень небольшое количество дополнительных параметров.

Как показано на рисунке 2, распределение объектов в пространственном измерении сжимается и извлекается из двумерной матрицы до одного значения, и это значение получает информацию об объектах в этом пространстве. Затем через полностью связанный слой, чтобы завершить уменьшение размеров канала, а затем через второй полностью связанный слой, чтобы завершить размерность канала, чтобы получить соответствующие зависимости между различными каналами, сгенерировать веса для каждого канала функции и всесторонне получить один каналов функции.Для корреляции между каналами важные характеристики каналов выражений лица генерируются с большими весами, и наоборот, генерируются меньшие веса, то есть вводится механизм внимания. Он генерирует веса каналов посредством локальной одномерной свертки в больших измерениях и получает корреляционную зависимость между каждым каналом. Избегается побочный эффект уменьшения размера канала на прямое соответствие между каналами и весами, и получение соответствующих межканальных корреляционных зависимостей является более эффективным и точным для установления механизма внимания канала.Оба последних модуля внимания умножают веса сгенерированных каналов на исходную карту входных функций и объединяют функции, взвешенные по вниманию, с исходными функциями, чтобы завершить взвешивание внимания к характеристикам в пространстве каналов.

Рисунок 2. Схематическая диаграмма модели канала внимания.

Общая структура

На рисунке 3 показана общая кадровая диаграмма этого алгоритма. Во-первых, модуль извлечения признаков состоит из двух разных ветвей CNN: первая ветвь CNN принимает в качестве входных данных функцию Габора.Чтобы в полной мере использовать особенности областей с очевидными изменениями выражения лица и богатой информацией о лице, необходимо предварительно обработать исходное изображение лица и обрезать область ROI, связанную с эмоциями, а затем использовать изменения вейвлета Габора для извлеките функцию ROI. Поскольку извлеченные объекты по-прежнему имеют высокую размерность, перед объединением объектов требуется обработка отображения объектов Габора. Эта CNN состоит из двух слоев свертки, что уменьшает размер функций Габора и облегчает последующее объединение функций.Во втором пути предлагается эффективная сеть внимания канала, основанная на глубокой разделимой свертке, чтобы улучшить линейную структуру узких мест, снизить сложность сети и предотвратить переобучение. При разработке эффективного модуля внимания глубина карты признаков сочетается с пространственной информацией, уделяя больше внимания извлечению важных функций и повышая точность распознавания эмоций. Наконец, модуль классификации функций классифицирует объединенные функции через слой Softmax.

Рисунок 3. Принципиальная схема общей структуры предлагаемого алгоритма.

Эксперименты и результаты

Экспериментальная установка

Исследование в этой статье проводится на платформе ПК, а эксперимент проводится в операционной системе ubuntu18.04. Эксперимент основан на фреймворке глубокого обучения Pytorch, а язык программирования использует Python 3.6.5. Аппаратная платформа: процессор Intel Core i7-9700k, память 16 ГБ, графический процессор GTX1080TI, видеопамять 11 ГБ.Чтобы гарантировать справедливость эксперимента в улучшенной сети и сети сравнения, параметры обучения, используемые в эксперименте, точно такие же. Во всех модельных стратегиях обучения используется стратегия уменьшения скорости обучения. Начальная скорость обучения составляет 0,01, а коэффициент затухания — 0,0001, размер пакета составляет 128. После завершения обучения модели все изображения в наборе обучающих данных называются эпохой, и в эксперименте задается 150 эпох. Чтобы быстрее оптимизировать сеть, я использую алгоритм оптимизации Адама.

Набор экспериментальных данных

Набор данных, используемый в этой статье, — FER-2013. Из-за небольшого количества данных в исходном наборе данных по выражению лица этого недостаточно для глубокого обучения на основе данных, поэтому увеличение данных — очень важная операция. На этапе обучения сети, чтобы предотвратить переоснащение сети, я сначала выполняю серию случайных преобразований, включая переворачивание, поворот, вырезание и т. Д., А затем преобразую размер изображения данных в размер 104 × 104, а затем произвольно разрезать изображение размером 96 × 96, затем случайным образом повернуть изображение между 0 и 15 ° и выполнить операцию горизонтального зеркального отображения, а затем отправить его в сеть для обучения.На этапе тестирования сети мы вырезаем четыре угла и центр изображения, чтобы получить пять изображений 96 × 96, а затем выполняем операцию горизонтального зеркального отражения, соответственно, что эквивалентно 10-кратному увеличению данных. Я ввожу усиленное изображение в сеть для его распознавания и усредняю ​​результаты, и, наконец, выходная классификация с наивысшим баллом является соответствующим выражением. Этот метод может расширить размер набора данных, сделать модель обученной сети более обобщенной и надежной, а также повысить точность распознавания.

Метод оценки

Общий коэффициент точности используется в качестве показателя оценки этого исследования, и его формула расчета выглядит следующим образом:

Acc = TP + TNTP + TN + FP + FN (8)

, где TP представляет положительные образцы, предсказанные моделью как положительные, TN представляет отрицательные образцы, предсказанные моделью как отрицательные, FP представляет отрицательные образцы, предсказанные моделью как положительные, а FN представляет положительные образцы, предсказанные моделью как отрицательные. .

Результаты экспериментов

Чтобы проверить надежность всего алгоритма в этой статье, в этой статье были проведены сравнительные эксперименты на наборе данных FER-2013 с текущей расширенной сетью распознавания выражений, чтобы оценить производительность алгоритма в этой статье. Результаты экспериментов представлены в таблице 1.

Таблица 1. Сравнение результатов экспериментов разными методами.

Таблица 1 представляет собой сравнение показателей распознавания различными методами.В этой статье используется упрощенная сетевая структура. По сравнению с MobileNetV3 и Inception, которые также являются легковесными сетями, точность набора данных FER-2013 повышается за счет меньшего количества параметров модели. Увеличился на 3,3 и 4,7%. По сравнению с текущими основными методами набора данных FER-2013, DNNRL (Kim et al., 2016) предложила объединить несколько CNN и использовать взвешенные совместные методы принятия решений, а ICL (Liu and Zhou, 2020) предложила кластеризацию для получения центральное расстояние классов экспрессии и непрерывное добавление метода обучения сложной выборки и метода комбинирования билинейного объединения и механизма внимания, предложенного ABP (Liu et al., 2019), метод, описанный в этой статье, показал превосходные характеристики и обеспечил более высокий уровень распознавания — 74,00%.

Чтобы избежать неправильной оценки производительности модели, когда в качестве показателя оценки используется только общая скорость распознавания, мы проводим подробные эксперименты с результатами распознавания каждого типа выражения с помощью матрицы неточностей. Матрица неточностей также называется матрицей ошибок. Каждая строка представляет метку прогноза выражения, а каждый столбец представляет фактическую метку выражения.Используя матрицу путаницы, можно четко наблюдать за распознаванием каждого типа данных, а исходя из точности распознавания каждого типа выражения, мы можем анализировать производительность сетевой модели более подробно.

Таблица 2 представляет собой матрицу неточностей модели высокоэффективного канала внимания, предложенной в этой статье для результатов распознавания тестового набора FER-2013. Данные, выделенные жирным шрифтом на диагональной линии в таблице, представляют точность распознавания каждого правильно классифицированного типа выражения, а остальные данные представляют собой ошибки выражения.Доля классификации, последняя строка — это средняя точность распознавания всех правильно классифицированных выражений. Например, точность распознавания нейтрального выражения в правом нижнем углу диагонали матрицы неточностей составляет 0,77, что означает, что 76% выборок выражений в наборе данных выражений предсказаны правильно. Видно, что точность распознавания счастливых и удивленных выражений высока, с показателями точности 0,91 и 0,83 соответственно, в то время как точность распознавания выражений отвращения и гнева низка, с показателями точности всего 0.64 и 0,66. Наблюдая за образцами, обнаруживается, что действительно существует много общего между морфологией лица страха и удивления, гнева и отвращения, а количество образцов намного меньше, чем количество счастливых и удивленных, что приводит к недостаточному обучению модели. его функций, поэтому скорость распознавания низкая. Наконец, средняя скорость распознавания модели в тестовой выборке FER-2013 составила 0,74.

Таблица 2. Матрица ошибок распознавания по набору данных FER-2013.

Эксперимент по абляции для слияния элементов

Чтобы проверить влияние стратегии объединения признаков на производительность предложенного алгоритма, в этом разделе настраивается эксперимент по удалению, где add представляет стратегию добавления признаков, mul представляет стратегию умножения признаков, а C представляет стратегию объединения признаков. . Результаты эксперимента по абляции представлены в таблице 3.

Таблица 3. Результаты экспериментов по абляции со слиянием элементов.

Из таблицы 3 видно, что стратегия конкатенации функций достигла лучших результатов. Кроме того, стратегия добавления признаков лучше, чем стратегия умножения признаков. Следовательно, это доказывает, что предложенный алгоритм эффективен при принятии стратегии конкатенации признаков.

Эксперимент по абляции для внимания, модель

Чтобы проверить влияние механизма внимания канала на производительность предложенного алгоритма, в этом разделе настроен эксперимент по абляции.CA обозначает механизм внимания канала, а SA обозначает механизм пространственного внимания. Результаты эксперимента по абляции показаны в Таблице 4.

Таблица 4. Результаты экспериментов по абляции с вниманием.

Из таблицы 4 видно, что механизм внимания канала достиг более высокой производительности, что доказывает превосходство CA в распознавании эмоций лица.

Заключение

В этой статье я предлагаю новый алгоритм двухканального распознавания выражений, основанный на теории машинного обучения и эмоциональной философии.Поскольку функции, извлеченные с помощью CNN, игнорируют тонкие изменения в активных областях выражения лица, первый путь предлагаемого алгоритма принимает в качестве входных данных функцию Габора области ROI. Активная область выражения лица сначала сегментируется из исходного изображения лица, и особенности этой области извлекаются с помощью преобразования Габора, уделяя больше внимания подробному описанию локальной области, чтобы в полной мере использовать функцию детализации активного область выражения лица. Чтобы улучшить линейную структуру узких мест, снизить сложность сети и избежать переобучения, во втором пути предлагается сеть внимания к каналам, основанная на глубокой разделимой свертке.Глубина карты признаков сочетается с пространственной информацией за счет разработки эффективного модуля внимания, уделяющего больше внимания извлечению важных характеристик и повышению точности распознавания эмоций. По наборам данных FER2013 были достигнуты конкурентоспособные показатели. Кроме того, это исследование послужит руководством для содействия отбору людей, а также подтвердит, что философия найма людей Цзэн Гофаня эффективна.

В будущей работе мы исследуем возможность распознавания лиц в реальном времени и будем использовать технологию Интернета вещей для сбора лиц в реальном времени для распознавания эмоций.

Заявление о доступности данных

В данном исследовании были проанализированы общедоступные наборы данных. Эти данные можно найти здесь: https://www.kaggle.com/c/challenges-in-presentation-learning-facial-expression-recognition-challenge/data/.

Авторские взносы

ZS отвечал за разработку структуры всей рукописи, от выбора темы до решения и экспериментальной проверки.

Конфликт интересов

Автор заявляет, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Примечание издателя

Все претензии, выраженные в этой статье, принадлежат исключительно авторам и не обязательно отражают претензии их дочерних организаций или издателей, редакторов и рецензентов. Любой продукт, который может быть оценен в этой статье, или заявление, которое может быть сделано его производителем, не подлежат гарантии или одобрению со стороны издателя.

Список литературы

Аджаби И., Уахаби А., Бензауи А. и Талеб-Ахмед А. (2020). Прошлое, настоящее и будущее распознавания лиц: обзор. Электроника 9: 1188. DOI: 10.3390 / electronics

88

CrossRef Полный текст | Google Scholar

Аджили И., Маллем М. и Дидье Дж. Ю. (2019). Распознавание движений и эмоций человека на основе качеств LMA. Vis. Comput. 35, 1411–1426. DOI: 10.1007 / s00371-018-01619-w

CrossRef Полный текст | Google Scholar

Цай, В., Сун, Ю., и Вэй, З. (2021a). Мультимодальные данные управляют стратегией объединения пространственных характеристик и группировки для прогнозирования спроса на товары электронной коммерции. Моб. Инф. Syst. 2021: 5568208. DOI: 10,1155 / 2021/5568208

CrossRef Полный текст | Google Scholar

Цай, В., и Вэй, З. (2020). PiiGAN: генеративные состязательные сети для создания плюралистических изображений. IEEE Access 8, 48451–48463. DOI: 10.1109 / ACCESS.2020.2979348

CrossRef Полный текст | Google Scholar

Цай, В., Вэй, З., Сун, Ю., Ли, М., и Ян, X. (2021b). Сети остаточных капсул с пороговой сверткой для сегментации рядов плантаций пшеницы на изображениях БПЛА. Мультимед. Инструменты Прил. 1–17. DOI: 10.1007 / s11042-021-11203-5

CrossRef Полный текст | Google Scholar

Чу, З., Ху, М., и Чен, X. (2021). Роботизированное обнаружение захвата с использованием нового двухэтапного подхода. ASP Trans. Internet Things 1, 19–29. DOI: 10.52810 / TIOT.2021.100031

CrossRef Полный текст | Google Scholar

Д’Аниелло, Б., Семин, Г. Р., Альтерисио, А., Ария, М., и Скандурра, А. (2018). Межвидовая передача эмоциональной информации посредством хемосигналов: от человека к собаке ( Canis lupus, unknownis). Anim. Cogn. 21, 67–78. DOI: 10.1007 / s10071-017-1139-x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Домингес-Хименес, Дж. А., Кампо-Ландинес, К. К., Мартинес-Сантос, Дж. К., Делахос, Э. Дж., И Контрерас-Ортис, С. Х. (2020). Модель машинного обучения для распознавания эмоций по физиологическим сигналам. Biomed. Сигнальный процесс. Контроль 55: 101646. DOI: 10.1016 / j.bspc.2019.101646

CrossRef Полный текст | Google Scholar

Дубюиссон, С., Давуан Ф. и Массон М. (2002). Решение для представления и распознавания мимики. Сигнальный процесс. Image Commun. 17, 657–673. DOI: 10.1016 / S0923-5965 (02) 00076-0

CrossRef Полный текст | Google Scholar

Гао, Х., и Ма, Б. (2020). Надежная улучшенная сеть для распознавания лиц. Фронт. Сигнальный процесс. 4: 4. DOI: 10.22606 / fsp.2020.44001

CrossRef Полный текст | Google Scholar

Гао, М., Цай, В., и Лю Р. (2021). AGTH-net: основанная на внимании сеть песочных часов третьего порядка на основе свертки графов для классификации спортивных видео. J. Healthc. Англ. 2021: 8517161. DOI: 10.1155 / 2021/8517161

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Госал Д., Маджумдер Н., Пория С., Чхая Н. и Гельбух А. (2019). Dialoguegcn: сверточная нейронная сеть на графах для распознавания эмоций в разговоре. arXiv [Препринт]. arXiv: 1908.11540 doi: 10.18653 / v1 / D19-1015

CrossRef Полный текст | Google Scholar

Ким, Б. К., Ро, Дж., Донг, С. Ю., и Ли, С. Ю. (2016). Иерархический комитет глубоких сверточных нейронных сетей для надежного распознавания мимики. J. Мультимодальные пользовательские интерфейсы 10, 173–189. DOI: 10.1007 / s12193-015-0209-0

CrossRef Полный текст | Google Scholar

Кодуру А., Валивети Х. Б. и Будати А. К. (2020). Алгоритмы извлечения признаков для повышения скорости распознавания речевых эмоций. Внутр. J. Speech Technol. 23, 45–55. DOI: 10.1007 / s10772-020-09672-4

CrossRef Полный текст | Google Scholar

Лю Л., Чжан Л. и Цзя С. (2019). «Билинейное объединение внимания для детального распознавания выражения лица», в материалах Proceedings of the International Symposium on Cyberspace Safety and Security , (Cham: Springer), 535–542. DOI: 10.1007 / 978-3-030-37352-8_47

CrossRef Полный текст | Google Scholar

Лю X. и Чжоу Ф.(2020). Улучшено обучение по учебной программе с использованием SSM для распознавания лиц. Vis. Comput. 36, 1635–1649. DOI: 10.1007 / s00371-019-01759-7

CrossRef Полный текст | Google Scholar

Майдых В., Клаус М., Ватцл К. и Кляйнзорге Т. (2018). Внимание к эмоциональной информации связано с реакцией цитокинов на психологический стресс. Фронт. Neurosci. 12: 687.

Google Scholar

Моменнежад А. (2018). Распознавание эмоций на основе ЭЭГ с использованием вейвлет-коэффициентов. Мультимед. Инструменты Прил. 77, 27089–27106. DOI: 10.1007 / s11042-018-5906-8

CrossRef Полный текст | Google Scholar

Оберлендер, Л. А. М., и Клингер, Р. (2018). «Анализ аннотированных корпусов для классификации эмоций в тексте», в Труды 27-й Международной конференции по компьютерной лингвистике , (Санта-Фе, Нью-Мексико: Ассоциация компьютерной лингвистики), 2104–2119.

Google Scholar

Сантамария-Гранадос, Л., Муньос-Органеро, М., Рамирес-Гонсалес, Г., Абдулхай, Э., и Арункумар, Н. Дж. И. А. (2018). Использование глубокой сверточной нейронной сети для обнаружения эмоций в наборе данных физиологических сигналов (AMIGOS). IEEE Access 7, 57–67. DOI: 10.1109 / ACCESS.2018.2883213

CrossRef Полный текст | Google Scholar

Сарианиди, Э., Гунес, Х., и Кавалларо, А. (2014). Автоматический анализ лицевого аффекта: исследование регистрации, представления и распознавания. IEEE Trans.Pattern Anal. Мах. Intell. 37, 1113–1133. DOI: 10.1109 / TPAMI.2014.2366127

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шмёкель Р. и Боссетта М. (2021 г.). FBAdLibrarian и Pykognition: открытые научные инструменты для сбора и обнаружения эмоций изображений в политической рекламе Facebook с компьютерным зрением. J. Inf. Technol. Полит. 1–11. DOI: 10.1080 / 19331681.2021.1928579

CrossRef Полный текст | Google Scholar

Вс, W., Чжао, Х., Цзинь, З. (2018). Дополнительный метод извлечения изображения лица, основанный на глубоком обучении. Нейрокомпьютеры 306, 246–259. DOI: 10.1016 / j.neucom.2018.04.063

CrossRef Полный текст | Google Scholar

Суслоу, Т., Хуслак, А., Керстинг, А., и Боденшац, К. М. (2020). Предубеждения внимания к эмоциональной информации при клинической депрессии: систематический и метааналитический обзор результатов отслеживания взгляда. J. Affect. Disord. 274, 632–642.DOI: 10.1016 / j.jad.2020.05.140

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сегеди К., Иоффе С., Ванхаук В. и Алеми А. А. (2017). «Inception-v4, inception-resnet и влияние остаточных связей на обучение», в материалах материалов 31-й конференции AAAI по искусственному интеллекту. Нью-Йорк: Ассоциация вычислительной техники (ACM)

Google Scholar

Тонг, Ю., Ю, Л., Ли, С., Лю, Дж., Цинь, Х., и Ли, В.(2021 г.). Алгоритм подбора полиномов на основе нейронной сети. ASP Trans. Распознавание образов. Intell. Syst. 1, 32–39. DOI: 10.52810 / TPRIS.2021.100019

CrossRef Полный текст | Google Scholar

Тон-Тх, А. Х. и Цао, Н. Т. (2019). Распознавание речевых эмоций с использованием нечеткого подхода. J. Intell. Fuzzy Syst. 36, 1587–1597. DOI: 10.3233 / JIFS-18594

CrossRef Полный текст | Google Scholar

Ван, К., Ву, Б., Чжу, П., Ли, П., Цзо, В., и Ху, Q. (2020). «ECA-Net: эффективное внимание канала для глубоких сверточных нейронных сетей», в материалах Proceedings of the 2020 IEEE CVF Conference on Computer Vision and Pattern Recognition (CVPR) , (Piscataway, NJ: IEEE). DOI: 10.1109 / CVPR42600.2020.01155

CrossRef Полный текст | Google Scholar

Чжан, Дж., Инь, З., Чен, П., и Ничеле, С. (2020). Распознавание эмоций с использованием мультимодальных данных и методов машинного обучения: учебное пособие и обзор. Инф. Fusion 59, 103–126.DOI: 10.1016 / j.inffus.2020.01.011

CrossRef Полный текст | Google Scholar

Zhang, L., Sun, L., Yu, L., Dong, X., Chen, J., Cai, W., et al. (2021 г.). «ARFace: внимание и регуляризация для распознавания лиц с обучением с подкреплением», в IEEE Transactions on Biometrics, Behavior, and Identity Science , (Piscataway, NJ: IEEE). DOI: 10.1109 / TBIOM.2021.3104014

CrossRef Полный текст | Google Scholar

Видео Выражение лица и Обнаружение осведомленности с помощью Fast.ai и OpenCV | Джойс Чжэн

Обнаружение выражения лица и осведомленности из видео в реальном времени или видеофайлов

Вдохновение, стоящее за этим? Агент ФБР наблюдает за мной через мою веб-камеру, но вместо этого используется глубокое обучение 🙂

Цель этого руководства? Обучите модель классификации выражений лица с помощью библиотеки fast.ai, считайте выражения лиц с веб-камеры или видеофайла и, наконец, добавьте ориентиры лица, чтобы отслеживать ваши глаза, чтобы определять осведомленность! ( TL; DR , полностью рабочий код здесь https: // github.com / jy6zheng / FacialExpressionRecognition)

Основная причина, по которой я написал это руководство, заключается в том, что при работе над этим проектом большой проблемой было выяснить, как взять мой обученный классификатор и заставить его эффективно работать как с живыми видео, так и с видеофайлами. Дополнительная функция ориентировки глаз была основана на этом руководстве, которое я нашел чрезвычайно полезным: https://www.pyimagesearch.com/2017/05/08/drowsiness-detection-opencv/

Первый шаг — обучить модель классификации изображений. со сверточной нейронной сетью.Данные, которые я использовал, были взяты из https://www.kaggle.com/jonathanoheix/face-expression-recognition-dataset

Я использовал библиотеку fast.ai, созданную поверх PyTorch, для обучения моей модели классификации. Модель была обучена с предварительно обученными весами resnet34 и обучающим набором данных и экспортирована как файл .pkl. Пошаговые инструкции можно найти в записной книжке google colab в моем репозитории, которая содержит весь код для обучения вашей модели: https://github.com/jy6zheng/FacialExpressionRecognition

Самой большой проблемой было сначала найти общедоступный набор данных, а затем очистка данных.Изначально, когда я использовал набор данных Kaggle, я мог тренироваться только с коэффициентом ошибок 0,328191, что означало, что это было правильно только примерно в 68% случаев (совсем не так хорошо). Когда я построил изображения, которые привели к максимальным потерям, я быстро понял, что большой объем данных был неправильно помечен (слева — это предсказанное моделью выражение, справа — помеченная эмоция).

После очистки данных частота ошибок снизилась более чем на 16%.Теперь классификатор имеет точность около 84%, что означает, что он правильно идентифицировал 84% изображений лиц. По-прежнему есть некорректные и грязные данные, поэтому есть возможность для дальнейшего улучшения.

Теперь пришло время взять наш классификатор и использовать его в потоковом видео в реальном времени. Во-первых, предпочтительно создать виртуальную среду, чтобы этот проект имел свои собственные зависимости и не мешал другим проектам. Затем загрузите необходимые пакеты и библиотеки.Создайте файл с именем liveVideoFrame.py (или как хотите его назвать) и импортируйте следующее:

 из scipy.spatial 
 import distance as dist 
 import numpy as np 
 import cv2 
 from imutils import face_utils 
 from imutils.video import VideoStream 
 из fastai.vision import * 
 import imutils 
 import argparse 
 import time 
 import dlib 

Мне нужна была возможность сохранять прогнозы в файле .csv и сохранять размеченное видео, поэтому я добавил анализ аргументов.Я также экспортировал обученную модель классификации и переместил ее в свой рабочий каталог.

 ap = argparse.ArgumentParser () 
 ap.add_argument ("- save", dest = "save", action = "store_true") 
 ap.add_argument ("- no-save", dest = "save" , action = "store_false") 
 ap.set_defaults (save = False) 
 ap.add_argument ("- savedata", dest = "savedata", action = "store_true") 
 ap.add_argument ("- no-savedata ", dest =" savedata ", action =" store_false ") 
 ap.set_defaults (savedata = False) 
 args = vars (ap.parse_args ()) path = '/ Users / joycezheng / FacialRecognitionVideo /' # измените это в зависимости от пути вашей экспортированной модели 
 learn = load_learner (path, 'export.pkl') 

Отлично! Пришло время запустить наш видеопоток. Я использовал VideoStream из imutils.video, так как обнаружил, что он работает быстрее, чем cv2.VideoCapture. Примечание: источник видеопотока — 0 для встроенной веб-камеры, он будет другим, если вы используете другую камеру, например плагин.

Каскадный классификатор хаара используется для идентификации фронтальных лиц в кадре видео.У нас есть массив с именем data для хранения наших прогнозов. Таймер и time_value используются для обозначения времени каждого прогноза в наших данных, так что прогнозы увеличиваются на 1 с в файле .csv.

 face_cascade = cv2.CascadeClassifier ("haarcascade_frontalface_default.xml") 
 vs = VideoStream (src = 0) .start () 
 start = time.perf_counter () 
 data = [] 
 time_valuegs = 0 
 save if arc "]: 
 out = cv2.VideoWriter (path +" liveoutput.avi ", cv2.VideoWriter_fourcc ('M', 'J', 'P', 'G'), 10, (450,253)) 

Теперь мы будет реализовывать цикл while, который считывает каждый кадр из видеопотока:

1. Каждый кадр преобразуется в оттенки серого, поскольку классификатор изображений был обучен на изображениях в оттенках серого
2. Каскадный классификатор используется для поиска лиц в кадре.Я установил параметр minneighbors на 5, так как считаю, что он лучше всего работает с живыми видео. Для записанных видеофайлов я установил более высокое значение, так как лицо гарантированно будет в каждом кадре.
3. Изображение в градациях серого затем обрезается для лиц с буфером 0,3, поскольку наш классификатор был обучен на лицах крупным планом без особого труда. background
4. Затем текст и ограничивающие рамки рисуются на каждом кадре и отображаются.
5. Каждый кадр затем сохраняется в видеомагнитофоне с помощью out.write (frame)

, в то время как True: 
 frame = vs.read () 
 frame = imutils.resize (frame, width = 450) 
 gray = cv2.cvtColor (frame, cv2.COLOR_BGR2GRAY) 
 face_coord = face_cascade.detectMultiScale (серый, 1.1, 5, minSize = (30, 30)) 
 для координат в face_coord: 
 X, Y, w, h = coords 
 H, W, _ = frame.shape 
 X_1, X_2 = (max (0, X - int (w * 0.3)), min (X + int (1.3 * w), W)) 
 Y_1, Y_2 = (max (0, Y - int (0.3 * h)), min (Y + int (1.3 * h), H)) 
 img_cp = серый [Y_1 : Y_2, X_1: X_2].copy () 
 прогноз, idx, вероятность = learn.predict (Изображение (pil2tensor (img_cp, np.float32) .div_ (225))) 
 cv2.rectangle (
 img = frame, 
 pt1 = (X_1, Y_1), 
 pt2 = (X_2, Y_2), 
 цвет = (128, 128, 0), 
 толщина = 2, 
) 
 cv2.putText (frame, str (прогноз), (10, frame.shape [0] - 25) ), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (225, 255, 255), 2) cv2.imshow ("frame", frame) if args ["save"]: 
 out.write (frame) 
 if cv2.waitKey (1) & 0xFF == ord ("q"): 
 breakvs.stop () 
 if args ["save"]: 
 print ("done save video") 
 out. release () 
 cv2.destroyAllWindows () 

Теперь у нас есть обучающая модель fast.ai, работающая с imutils и OpenCV для предсказания лиц из живого видео!

Теперь пора определить осведомленность о лице. Функция eye_aspect_ratio вычисляет соотношение сторон глаза на основе координат глаза. Положение и координаты каждого глаза определяются с помощью предварительно обученного детектора лицевых ориентиров dlib.Функция data_time используется для добавления прогнозов в массив данных каждые 1-секундный интервал.

 EYE_AR_THRESH = 0.20 
 EYE_AR_CONSEC_FRAMES = 10COUNTER = 0def eye_aspect_ratio (глаз): 
 A = dist.euclidean (глаз [1], глаз [5]) 
 B = dist.euclidean (глаз 4 [2], глаз 
 C = dist.euclidean (eye [0], eye [3]) 
 ear = (A + B) / (2.0 * C) 
 return eardef data_time (time_value, предсказание, вероятность, ухо): 
 current_time = int ( time.perf_counter () - начало) 
 if current_time! = time_value: 
 данных.append ([текущее_время, прогноз, вероятность, ухо]) 
 time_value = current_time 
 return time_valuepredictor = dlib.shape_predictor ("shape_predictor_68_face_landmarks.dat") (lStart, lEnd) = face_utils.FACIAL_XendMARKS [left] = face_utils.FACIAL_LANDMARKS_IDXS ["right_eye"] 

Внутри цикла for, который перебирает координаты лица, добавьте следующий блок кода. Глаз обнаруживается с помощью детектора ориентиров лица dlib и рисуется на кадре. Когда среднее рассчитанное соотношение сторон глаза между двумя глазами меньше порогового значения для более чем десяти последовательных кадров (которые вы можете изменить по своему вкусу), то лицо помечается как отвлеченное.

 rect = dlib.rectangle (X, Y, X + w, Y + h) 
 shape = predictor (серый, прямоугольный) 
 shape = face_utils.shape_to_np (shape) 
 leftEye = shape [lStart: lEnd] 
 rightEye = shape [rStart: rEnd] 
 leftEAR = eye_aspect_ratio (leftEye) 
 rightEAR = eye_aspect_ratio (rightEAR) 
 ear = (leftEAR + rightEAR) / 2,0 
 leftEyeHull = cv2.convexHull (leftEye) 
v2. .drawContours (frame, [leftEyeHull], -1, (0, 255, 0), 1) 
 cv2.drawContours (frame, [rightEyeHull], -1, (0, 255, 0), 1) 
, если ухо  COUNTER + = 1, 
 if COUNTER> = EYE_AR_CONSEC_FRAMES: 
 cv2.putText (frame, "Distracted", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) 
 else: 
 COUNTER = 0 
 cv2.putText (frame, «Соотношение глаз: {: .2f}». Формат (ухо ), (250, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) 
 time_value = data_time (time_value, предсказание, вероятность, ухо) 

Наконец, внизу нашего кода мы можем сохраните данные как фрейм данных, а затем файл.csv файл.

 if args ["savedata"]: 
 df = pd.DataFrame (data, columns = ['Time (seconds)', 'Expression', 'Probability', 'EAR']) 
 df.to_csv (path + '/ exportlive.csv ') 
 print ("данные сохранены в exportlive.csv") 

Вы можете проверить код в командной строке, запустив:

 python liveVideoFrameRead.py --save --savedata 

Полный код здесь:

Я использовал очень похожий подход к видеофайлам по сравнению с живыми видео. Основное отличие состоит в том, что прогнозы выполняются для каждого количества кадров, которое можно изменить с помощью аргумента командной строки — frame-step.Полный код ниже:

И все! Теперь вы можете предугадывать выражения лиц как по видеофайлам, так и по веб-камерам.

Спасибо, что прочитали это :), и дайте мне знать, если появятся какие-либо улучшения или вопросы. Полностью рабочий код находится здесь: https://github.com/jy6zheng/FacialExpressionRecognition

Американские жесты и язык тела, которые вам нужно знать

Язык тела говорит то, чего нельзя сказать словами, и он может служить эффективным маневром в борьбе с плохим знанием английского языка — или трудностями в любом другом языке, если на то пошло! Кроме того, язык тела дополняет словесный язык; он во многом похож на сленг в том смысле, что способствует более плавному и живому разговору.

Однако для того, чтобы эта работа работала за вас, вам нужно знать, как читать язык тела. Невербальное общение на английском языке так же важно, как и во всем мире. Это руководство по жестам тела на нашем уроке английского поможет вам лучше понять невербальное общение в Америке.

Узнайте о языке тела в американской культуре, а также о множестве жестов на английском с помощью EnglishClass101.com и докажите, что вы заядлый изучающий язык с помощью этого невысказанного языка! Начните с бонуса и загрузите БЕСПЛАТНО шпаргалку — Как улучшить свои навыки английского! (только зарегистрированный участник)

Содержание

1. Язык тела в США
2. «Личное пространство» в США
3. Позы тела
4. Жесты рук
5. Выражения лица
6. Различные физические движения
7. Бонус: комбинации сигналов языка тела
8. Заключение

1.Язык тела в США

Прежде чем вы научитесь читать язык тела в Соединенных Штатах, важно знать, что это такое и как это выглядит.

Перво-наперво: что такое язык тела?

По сути, язык тела — это то, как мы передаем наши мысли и чувства с помощью жестов или других движений — намеренно или нет.

Например, большинство людей начинают улыбаться или смеяться, когда чувствуют себя счастливыми; им не нужно говорить: «Я чувствую себя счастливым», вы можете просто догадаться об этом, основываясь на их действиях и контексте.

Контекст так же важен в обучении чтению языка тела, как и фактические движения. Например, предположим, что упомянутый выше человек улыбался и смеялся, но вы были в центре большой ссоры с ним. Они, наверное, недовольны. Их эмоции настолько хаотичны, что они улыбаются и смеются, несмотря на отрицательное напряжение.

От грубых жестов рук в Америке до языка тела в самой американской культуре — есть чему поучиться тому, как понимать язык тела.Потребуется время, чтобы по-настоящему овладеть распознаванием, чтением и отражением этих жестов и действий, так что будьте терпеливы и тренируйтесь как можно больше!

В этой статье мы постараемся представить вам соответствующие определения и примеры языка тела.

А теперь перейдем к другому аспекту английского языка тела и жестов — концепции личного пространства.

2. «Личное пространство» в США

Чтобы говорить о телодвижениях по-английски, необходимо бегло взглянуть на общий аспект культуры Соединенных Штатов.Возможно, одна из первых вещей, которую вы должны знать, когда речь заходит о языке тела в американской культуре, — это концепция «личного пространства» , которым обладают американцы. Это одна из самых важных концепций, которые нужно понимать, когда речь идет об английском языке тела и жестах.

Больше, чем во многих других странах и культурах по всему миру, американцы дорожат своим личным пространством (или, как некоторые люди называют его, своим «личным пузырем»). Это личное пространство представляет собой дистанцию, которую американцы считают, что другие должны держаться подальше от них, как физически, так и эмоционально.И американцы определенно чувствуют себя неуютно или даже раздражаются, если в это пространство хоть сколько-нибудь вторгаются.

В Соединенных Штатах людям нравится, когда другие люди держатся на расстоянии — во время разговора, при ходьбе, в очереди, дома и на улице. Очевидно, что «правила» в отношении личного пространства варьируются от человека к человеку и от отношений к отношениям.

Однако, согласно The Spruce, типичные правила личного пространства в Соединенных Штатах следующие:

• Примерно от 0 до 20 дюймов для интимных пар
• Примерно от 1 1/2 фута до 3 футов для хороших друзей и членов семьи
• Примерно от 3 футов до 10 футов для случайных знакомых и коллег
• Более 4 футов для посторонних
• Более 12 футов для общения с большой группой

Как новичок в Соединенных Штатах, вас, вероятно, простят за несоблюдение этих правил.Но определенно вежливо стараться изо всех сил и придерживаться этих норм. у вас будет гораздо больше шансов завоевать расположение многих американцев.

Тем не менее, давайте рассмотрим некоторые жесты американского языка тела и получим больше информации об английских жестах и ​​языке тела.

3. Позы тела

По позе тела можно многое сказать о том, что чувствует человек, даже если он на самом деле ничего не делает. Давайте рассмотрим несколько примеров поз американского языка тела и их значения.

1- Наклон вперед

• Значение: Наклон или наклон вперед во время сидения обычно означает, что вы заинтересованы (или даже заинтригованы) тем, что говорит другой человек. Это проявляет внимательность.
• Как делать: Сидя во время разговора, вы можете слегка наклониться вперед снизу позвоночника; не переусердствуйте, это может показаться грубым или неловким.
• Когда использовать: Это, вероятно, лучше всего использовать в неформальной обстановке, и его следует использовать с осторожностью.Вы можете немного наклониться вперед, если разговариваете с другом о чем-то, что вас интересует.
• Пример ситуации: Вы с подругой идете вместе за чашкой кофе, и она начинает рассказывать вам о полицейской погоне, которую она видела по пути в кафе. Вы слегка наклоняетесь вперед, пока она описывает детали этой захватывающей сцены погони.
• Дополнительные примечания: Некоторые люди не только просто наклоняются вперед, но и поднимают брови или кладут руку на подбородок, поскольку это может указывать на глубокие мысли или интерес.

2- Откинувшись назад

• Значение: Откидывание на спинку стула при сидении обычно указывает на то, что вы очень расслаблены, и даже может быть способом выразить удовлетворение или облегчение.
• Как сделать: Нет определенного способа сделать это. Обычно вы слегка отклоняетесь назад, вместо того, чтобы сидеть прямо, часто избавляя себя от напряжения в спине. Некоторые люди также выставляют перед собой ноги, скрещенные или не скрещенные; другие опускают руки на стул / диван, расслабляясь, или растягивают руки на затылке.
• Когда использовать: Вы можете использовать это в любое время, когда чувствуете расслабленность, облегчение или непринужденность по поводу чего-то (или любого из этих вещей в целом).
• Пример ситуации: Предположим, вы сидите за компьютером и только что завершили огромный проект, срок выполнения которого должен быть завтра. Вы сохраняете и закрываете задание, выключаете компьютер и откидываетесь на стуле в знак облегчения.
• Дополнительные примечания: Хотя эта поза обычно означает облегчение в чем-то или общее расслабление, вы должны быть осторожны при ее использовании.Например, откинувшись на спинку стула во время школьной лекции или во время деловой встречи, вы укажете, что вам это неинтересно или вы просто недостаточно заботитесь о том, чтобы сидеть прямо — это не хорошее впечатление, чтобы произвести на людей в вашей профессиональной жизни. Некоторые люди также считают это «защитной позой».

3- скрещенные ноги (в коленях)

• Значение: Скрещивание ног во время сидения — это, по сути, удобный способ сидения. Обычно это означает расслабление и легкость.
• Как делать: Сидя прямо, переместите одну ногу (неважно, какой) так, чтобы она оказалась поверх другой. Обычно ваши бедра и колени перекрывают друг друга, а голень ноги, которую вы кладете сверху, немного нависает над другой голенью.
• Когда использовать: Вы можете использовать его в любое время и в любом месте, но обычно он лучше всего подходит для более неформальных мероприятий. Если вы гуляете с друзьями в кафе, читаете дома хорошую книгу или на каком-либо неформальном мероприятии, вполне допустимо использовать эту позу сидя.Но вам следует очень осторожно сидеть в таком положении во время деловых встреч или других мероприятий, где ожидается, что вы будете профессионалом.
• Пример ситуации: Вы едите пиццу с друзьями, и вы все вместе сидите за столом. Если вам становится неудобно сидеть прямо и «правильно», вы можете перенести свой вес так, как вам будет удобнее, скрестив ноги.
• Дополнительные примечания: Хотя это одно из наиболее распространенных сидячих мест в США (и довольно удобное и удобное), вокруг него ведется много споров.Многие люди начинают утверждать, что эта поза вредна для вас и что лучше сидеть прямо и правильно. На другом конце спектра есть люди, которые говорят, что такое сидение действительно может принести пользу для здоровья.

Также следует помнить, что когда женщина скрещивает ноги в коленях, это иногда считается соблазнительной позой, однако это зависит от различных факторов, таких как то, что на ней надето и с кем она.

4- скрещенные руки

• Значение: Чаще всего скрещивание рук означает гнев, разочарование или неуверенность.
• Как делать: Чтобы скрестить руки, начните сводить руки вместе прямо под грудью. Расположите их так, чтобы ваша левая рука находилась под сгибом правой, и наоборот. Ваша левая рука будет лежать поверх правой руки в месте их пересечения.
• Когда использовать: Перекрещенные руки технически можно использовать в любой ситуации, но лучше всего использовать их экономно, поскольку обычно они имеют негативный оттенок. Вы можете использовать позу со скрещенными руками, когда чувствуете гнев или «откладываете» на кого-то, или когда вы находитесь в ситуации, которая доставляет вам дискомфорт (скрещивание рук может ощущаться как дополнительный уровень защиты, и по этой причине часто делается неосознанно).
• Пример ситуации: Вы с коллегой спорите о том, как лучше всего завершить проект, и в момент разочарования вы скрещиваете руки.
• Дополнительные примечания: Скрещенные руки можно использовать для большего количества эмоций и ситуаций, чем указано выше, хотя перечисленные выше являются наиболее распространенными и стандартными. Скрещенные руки также можно использовать, когда вы чувствуете зябкость, и даже не по какой-либо другой причине, кроме более удобной позы при долгом стоянии.

5- сутулость

• Значение: сутулость обычно воспринимается отрицательно и часто указывает на лень или другие отрицательные характеристики. В целом это также считается плохой осанкой, и ее можно выполнять стоя или сидя.
• Как это сделать: Хотя вы, вероятно, не хотите сутулиться, обычно это делается путем сгибания спины и / или плеч, чтобы вы больше не стояли и не сидели прямо. Это отличается от наклона вперед или назад, потому что, когда вы сутулитесь, ваша общая осанка очень плохая, и акт сутулости обычно затрагивает ваши плечи (в отличие от лишь небольшого изменения положения вашей спины).
• Когда использовать: Ссутуливание можно делать где угодно и в любое время. Особенно этого следует избегать во время официальных мероприятий.
• Пример ситуации: Вы сидите за столом и работаете и внезапно понимаете, что ваша спина и плечи опущены или сгорблены; вы быстро исправляете осанку.
• Дополнительные примечания: Как упоминалось ранее, следует максимально избегать сутулости (хотя легко случайно оказаться в таком положении).Это считается грубым и имеет общий негативный оттенок, не говоря уже о том, что сутулость ужасна для вашего здоровья осанки.

4. Жесты рук

Список примеров языка тела был бы неполным без описания популярных жестов рук. Вот список самых распространенных жестов рук в Америке и их значения.

1- Большие пальцы вверх / вниз

• Значение: Поднятый вверх палец означает «хорошо» или подобное положительное слово. без большого пальца обычно означает «нет», «не хорошо» или подобное отрицательное слово.
• Как сделать: Чтобы сделать большой палец вверх Жест рукой: поверните руку вбок (обычно правую) так, чтобы большой палец находился сверху. Затем согните все пальцы так, чтобы они были согнуты в ладони, и вытяните большой палец вверх.

  Чтобы выполнить жест рукой «большой палец вниз» : поверните руку вбок (обычно правую) так, чтобы большой палец находился снизу.Затем согните все пальцы так, чтобы они сомкнулись в ладони, и вытяните большой палец вниз.

• Когда использовать: Жест большого пальца вверх часто используется вместо слова «хорошо», а также может использоваться как общий знак одобрения. Жест «большой палец вниз» противоположен и используется как общий знак неодобрения.
• Пример ситуации: Допустим, вы с другом ходите по магазинам вместе и зашли в ресторанный дворик.Ваш друг спрашивает, не хотите ли вы получить еду из окна Panda Express; вы показываете большой палец вверх и киваете, чтобы показать, что вы хотите поесть там.

2- Дай пять

• Значение: Очень американский жест руки, «дай пять» — это способ выразить поздравления или волнение, обычно в связи с хорошо выполненной работой. Это один из самых распространенных жестов рук в Америке.
• Как сделать: Как видно из связанного видео, есть несколько различных способов сделать «дай пять».Но здесь мы просто рассмотрим базовую, наиболее распространенную «пятерку». Для этого вы и другой человек держите ладонь прямо, пальцы растопырены. Затем вы оба поднимаете руку, которой будете хлопать, и толкаете ее к руке другого человека так, чтобы ваши вытянутые руки ударились друг о друга и издали звук хлопка. (Видео сделает это более понятным.)
• Когда использовать: Дай пять обычно используется, чтобы выразить поздравления или волнение по поводу чего-то, и его лучше всего использовать с друзьями в неформальной обстановке.
• Пример ситуации: Допустим, ваш друг подал заявку на работу своей мечты, неделями ждал ответа, а затем подходит, чтобы сказать вам, что он получил работу. Вы можете быть так счастливы за своего друга, что начнете давать пять (а затем вместе пойти за мороженым).
• Дополнительные примечания: Дай пять может быть заведомо сложной задачей, и даже люди, которые давали пятерку всю свою жизнь, иногда его портят. Это несложно, но если оба человека не будут полностью подготовлены к «дайте пятерку», все может пойти не так, как планировалось.Будьте терпеливы по отношению к себе, пока вы изучаете это, и поймите, что вы, вероятно, никогда не откажетесь от него на 100%.

3-волна

• Значение: Размахивание — это в основном способ приветствовать кого-то, обычно издалека.
• Как сделать: Хотя есть несколько типов «волн», которые вы можете использовать, мы рассмотрим самый простой приветствие. Для этого вытяните руку (обычно правую) в воздух, чтобы человек, которому вы махаете, увидел ее, и несколько раз переместите запястье слева направо.
• Когда использовать: Помахивание обычно используется для привлечения внимания и приветствия на расстоянии.
• Пример ситуации: Вы находитесь в очереди на кассу в продуктовом магазине и замечаете кого-то, кого вы знаете, в очереди рядом с вашим. Вы смотрите в их сторону и начинаете махать, если они тоже смотрят в вашу сторону.
• Дополнительные примечания: Иногда просто махать рукой недостаточно, чтобы привлечь чье-то внимание; в этом случае вы также можете произнести их имя, помахав рукой, чтобы они вас услышали и, возможно, подошли поговорить.

4- Вытягивающая рука

• Значение: Протянуть руку кому-то почти всегда означает, что вы хотите пожать ему руку (хотя это может иметь и другие значения, которые мы рассмотрим позже).
• Как это сделать: Чтобы протянуть кому-то руку, просто вытяните руку в его направлении, обычно с вашей рукой в ​​стороны и свободно удерживаемой.
• Когда использовать: Обычно это используется, когда вы впервые встречаетесь с кем-то, особенно с новым коллегой или другом друга.
• Пример ситуации: Вы на работе, и вам представили нового коллегу. Первое, что вы, вероятно, сделаете, это пожмет им руку.
• Дополнительные примечания: Часто, пожимая кому-нибудь руку, вы также обмениваетесь именами и говорите что-то вроде «Приятно познакомиться» или «Рад познакомиться».

Протянуть руку может иметь большее значение, чем просто желание пожать кому-нибудь руку. Например, вы можете протянуть руку кому-нибудь, если он упал, и вы хотите помочь ему подняться.Вы также можете протянуть руку кому-нибудь, если хотите, чтобы он взял ее во время прогулки вместе, как, например, мужчина может сделать с женщиной, за которой ухаживает.

5- Машет к самому себе

• Значение: Вы можете помахать самому себе, если хотите, чтобы кто-то подошел к вам ближе.
• Как делать: Вытяните руку наружу, затем подведите ее к себе (обычно один или два раза).
• Когда использовать: Вы можете использовать это в любое время, когда видите кого-то на расстоянии и хотите поговорить с ним или иным образом поговорить с ним.
• Пример ситуации: Вы идете по улице и видите знакомого. Вы привлекаете их внимание и машете себе, чтобы поздороваться.
• Дополнительные примечания: Вы также можете использовать этот жест, если хотите, чтобы кто-то следил за вами; если это делается в этом контексте, вы обычно будете идти или бегать в определенном направлении и будете больше махать в том направлении, в котором вы идете, чем на самом деле в себе.

6- Указывая указательным пальцем подальше от себя

• Значение: Указание указательного пальца от себя обычно означает одно из двух: 1.) Это способ сказать кому-то идти в том направлении, в котором вы указываете, или 2.) Вы указываете на что-то, чтобы указать, о чем / о ком вы говорите. (Значение обычно указывается в контексте.)
• Как сделать: Вытяните руку перед собой, а затем сложите все пальцы, кроме указательного.
• Когда использовать: Вы можете использовать это как способ указать, что вы хотите, чтобы кто-то пошел в этом направлении, или если вам нужно показать человеку, с которым вы разговариваете, о чем или о ком вы говорите.
• Пример ситуации: Вы говорите своему другу, что он / она находится всего в нескольких футах от вас, и осторожно указываете ему / ей, чтобы показать другу.
• Дополнительные примечания: Помните старую пословицу: «Грубо указывать». Хотя иногда можно использовать этот жест, как описано выше, лучше не указывать прямо на человека (особенно если есть большая вероятность, что он вас увидит!). А если вы указываете в общем направлении или в определенное место, рекомендуется убедиться, что поблизости нет никого, кто подумает, что вы на них указываете.Чтобы обойти это, некоторые люди делают этот жест всей рукой, а не указывают пальцем.

7- Поднять руку

• Значение: Когда вы поднимаете руку, вы почти всегда указываете, что хотите сказать что-то во время группового обсуждения.
• Как сделать: Обычно это делается сидя в группе, хотя это также можно сделать стоя. Просто вытяните руку (обычно правую) вверх над головой.Следите за тем, чтобы пальцы были прижаты друг к другу (не раздвинуты и не сжаты в кулак).
• Когда использовать: Вы можете использовать этот жест, чтобы привлечь внимание основного говорящего (например, учителя или профессора в классе), чтобы они «позвонили вам» или позволили вам сказать / задать вопрос . Вы также можете использовать это во время любого группового обсуждения, когда разговор по очереди является обязательным; поднятие руки означает, что вам есть что сказать или задать вопрос.
• Пример ситуации: Ваш профессор биологических наук говорит на очень сложную тему, и у вас есть пара вопросов по поводу того, что он сказал.Вы можете поднять руку, как описано выше, и ваш профессор обратится к вам, разрешив вам выступить или сообщив, что вы можете задавать вопросы после лекции.
• Дополнительные примечания: Поднять руку также можно, если у вас есть просьба во время группового собрания, особенно в классе. Например, если вам нужно воспользоваться туалетом во время урока или по какой-то причине вам нужно уйти рано, вы можете поднять руку, чтобы привлечь внимание учителя или профессора и рассказать им об этом.

8- Хлопая

• Значение: Хлопание в ладоши может означать несколько вещей в зависимости от контекста, но обычно это форма аплодисментов.
• Как это сделать: Самый распространенный способ хлопнуть — это несколько раз хлопнуть ладонями вместе, чтобы издать «звук хлопка».
• Когда использовать: Хлопания в ладоши очень распространены после выступления или шоу, как способ аплодировать или поздравить человека или людей за хорошо выполненную работу.
• Пример ситуации: Вы посетили концерт местных групп; вам действительно нравится музыка, которую они играют, и вы хлопаете в ладоши вместе с остальной публикой после каждого выступления.
• Дополнительные примечания: Имейте в виду, что хлопать в ладоши тоже можно саркастически. Предположим, ваш друг пытается выполнить за вас фокус, но все испортил. вы можете похлопать в ладоши, чтобы тепло подразнить друга.

Также аплодисменты могут иметь другие значения и цели.Например, многие люди хлопают в ладоши, когда пытаются что-то вспомнить (или громко хлопают в ладоши, когда они это вспомнили или у них возникла отличная идея). Аплодисменты также можно использовать во время танцев или иного прослушивания музыки, например хлопать в ладоши в такт.

9-защелкивающиеся пальцы

• Значение: Значение щелчка пальцами аналогично второстепенным причинам хлопания в ладоши.
• Как сделать: Соедините вместе большой и средний пальцы любой руки (или обеих рук).Затем сильнее надавите средним пальцем на большой и одновременно проведите им вниз. Если все сделано правильно, должен издаться щелкающий звук.
• Когда использовать: Вы можете щелкнуть пальцами в такт музыке, когда что-то вспомнили или у вас возникла хорошая идея, или когда вы пытаетесь что-то вспомнить.
• Пример ситуации: Вы рассказываете другу об интересном человеке, которого встретили на вечеринке, но не можете вспомнить его имя. Вы начинаете быстро щелкать пальцами, пытаясь вспомнить, из-за разочарования и ощущения необходимости вспомнить.
• Дополнительные примечания: Некоторые люди также щелкают пальцами как способ установления господства над кем-то (например, когда кто-то щелкает, чтобы кто-то что-то им принес), или как способ быть «дерзким» или «жестоким». В таких случаях это обычно всего лишь один щелчок, и вы можете определить намерение в зависимости от контекста.

10- крестообразные пальцы

• Значение: Скрещивание пальцев может иметь два основных значения: 1.) Вы чего-то желаете или отчаянно надеетесь, и 2.) Если это делается за вашей спиной, это означает, что вы планируете нарушить данное обещание (это иногда называют «перекрестками»).
• Как сделать: Чтобы скрестить пальцы, просто положите средний палец поверх указательного.
• Когда использовать: Вы можете использовать это, когда разговариваете с кем-то и желаете ему удачи, или когда вы даете обещание, которое не планируете выполнять (но это, очевидно, грубо и осуждается).
• Пример ситуации: Ваш друг обсуждает с вами повышение, которое он хотел бы получить.Вы можете скрестить пальцы в знак того, что вы надеетесь, что они это поймут.
• Дополнительные примечания: В большинстве случаев, когда кто-то скрещивает пальцы, он также произносит слова «скрещенные пальцы» с надеждой. В некоторых случаях люди говорят «скрестив пальцы», но на самом деле не скрещивают пальцы.

11- От большого пальца к указательному пальцу

• Значение: Этот жест обычно означает «хорошо», «хорошо» или «очень хорошо».
• Как сделать: Просто соедините большой и указательный пальцы так, чтобы они образовали круг.
• Когда использовать: Обычно используют во время еды, чтобы указать, что еда хорошая. Его также можно использовать аналогично жесту «большой палец вверх».
• Пример ситуации: Вы едите в своем любимом ресторане с друзьями, и они спрашивают вас, как у вас еда. Вы проводите жестом указательного пальца, чтобы показать, что это очень хорошо.
• Дополнительные примечания: Делая этот жест, также часто произносят слова «хорошо», «хорошо» или «очень хорошо», хотя в этом нет необходимости.

12-так себе

• Значение: Этот жест указывает на то, что что-то «так себе» или просто нормально.
• Как это сделать: Держите руку (обычно правую) перед собой и наклоняйте ее из стороны в сторону.
• Когда использовать: Вы можете использовать этот жест, если кто-то спрашивает вас, как что-то было или как вам что-то понравилось, и в любом случае у вас нет особого мнения об этом.
• Пример ситуации: Ваш второй половинкой просит вас посмотреть с ним фильм, который вам не особенно интересен.После фильма вас спросят, что вы думаете о фильме. Вы делаете «так себе» жест, чтобы сказать им, что это было не очень хорошо, но вы смотрели фильмы похуже.
• Дополнительные примечания: При использовании этого жеста часто также произносят слова «Все было хорошо».

13- Средний палец

• Значение: Также называемый «отталкивать кого-то», показывать кому-то средний палец — очень грубый способ обозначить гнев, разочарование или сильное неодобрение.
• Как это сделать: Высуньте средний палец и переверните руку так, чтобы запястье смотрело вверх.Укажите пальцем в сторону человека, которого вы сбрасываете.
• Когда использовать: Лучше не использовать. Но если вы действительно чувствуете в этом необходимость, этот грубый жест чаще всего используется при вождении, когда начинается «дорожная ярость» или когда кто-то ведет очень плохо или опасно. Его можно использовать и в других контекстах, но, как упоминалось ранее, лучше этого не делать.
• Пример ситуации: Вы опаздываете на работу, движение на дорогах очень плохое, кто-то неожиданно выезжает перед вами, и вы чуть не столкнулись.Вы сигналяете в машине и показываете водителю средний палец.
• Дополнительные примечания: Этот жест следует использовать очень экономно, если он вообще используется. И, прежде всего, никогда не используйте этот жест в отношении кого-либо, имеющего авторитет или высокий статус, например учителя, профессора, начальника или полицейского. Это один из самых грубых жестов рук в Америке.

14- Сжатый кулак

• Значение: Сжимание кулака обычно показывает, что вы злитесь, хотя некоторые люди также сжимают кулаки в знак разочарования или страха.
• Как это сделать: Сожмите все пальцы плотно вокруг друг друга в форме кулака, поместив большой палец внутри кулака или снаружи.
• Когда использовать: Этот жест обычно используется, когда кто-то злится или расстроен, будь то конкретный человек или ситуация, которую он не может контролировать.
• Пример ситуации: Допустим, ваш друг узнает, что его уволят с работы. Если они чувствуют, что это несправедливо или имеют другое негативное отношение к компании / своему боссу, они могут начать сжимать кулаки, рассказывая вам об этом.
• Дополнительные примечания: Иногда люди многократно сжимают и разжимают кулаки, обычно в знак сильного страдания или разочарования.

15- Указательный палец к губам

• Значение: Этот жест указывает на то, что вы хотите, чтобы кто-то успокоился или полностью прекратил говорить, или что вы хотите, чтобы он держал в секрете.
• Как это сделать: Поднесите указательный палец (обычно указательный палец правой руки) вверх к губам.
• Когда использовать: Используйте этот жест, чтобы попросить кого-то замолчать или сохранить в тайне то, что вы ему рассказали.
• Пример ситуации: Вы с другом о чем-то говорите наедине, и кто-то из ваших знакомых начинает приближаться. Вы быстро посмотрите на друга и приложите указательный палец к губам, чтобы дать ему понять, что он перестает говорить.
• Дополнительные примечания: При выполнении этого жеста многие люди также издают звук «шшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшшш», также известный как «шшшшшинг».”

16- Котировки по воздуху

• Значение: Этот жест представляет собой кавычки и означает, что вы либо кого-то / что-то цитируете, либо что-то саркастически говорите.
• Как сделать: Держите все пальцы согнутыми, кроме указательного и среднего пальца; держите эти два пальца вместе. Произнося цитату или саркастическую фразу, согните верхние части этих двух пальцев на каждой руке вверх и вниз.
• Когда использовать: Используйте этот жест, когда вы цитируете кого-то / что-то или говорите что-то в саркастической манере.
• Пример ситуации: Вы и ваша вторая половинка находитесь в магазине и говорят, что собираются купить вам плитку шоколада. «О, — скажете вы, — вы покупаете плитку шоколада [воздушная цитата] для меня [воздушная цитата]?» Но ты прекрасно знаешь, что они хотят шоколада больше, чем ты.

17-Star Trek’s «Живи долго и процветай»

• Значение: Этот очень американский жест — способ сказать «Живи долго и процветай», что является известной фразой (и жестом) из популярной серии Star Trek .
• Как сделать: Отделите большой палец от остальных пальцев. Затем разделите оставшиеся четыре пальца так, чтобы ваш указательный и средний пальцы соединились, а безымянный палец и мизинец соединились. Он должен образовывать V-образную форму.
• Когда использовать: Лучше всего использовать в неформальной обстановке и можно использовать как занудный способ пожелать кому-то удачи.
• Пример ситуации: Вы с другом собираетесь расстаться после того, как провели день вместе.Перед тем как уйти, скажите другу «до свидания» и воспользуйтесь этим жестом. Это лучше всего использовать с друзьями, которые смотрели Star Trek и знают, что это означает.
• Дополнительные примечания: Не каждый может сделать этот символ своей рукой, и даже тем, кто умеет, одним труднее, чем другим. Так что, если вы не способны на это, не о чем беспокоиться.

5. Выражение лица

В американском языке тела есть множество выражений лица, которые можно изучить и изучить самостоятельно.При разговоре по-английски язык тела состоит из множества следующих выражений лица:

1- Сомнение

• Значение: Когда кто-то делает лицо, выражающее сомнение, это означает, что он не совсем уверен в чем-то — это может быть то, что вы сказали, услышанная информация или неуверенность в ситуации.
• Как делать: Часто люди выражают сомнение, наклоняя рот в сторону, поднимая брови и пристально глядя на кого-то или что-то.
• Когда использовать: Вы можете использовать этот тип выражения лица, когда в чем-то не уверены.
• Пример ситуации: Ваш друг говорит вам, что он проводит два часа в тренажерном зале каждую ночь. Вы даете им сомнительное выражение, потому что не верите им.
• Дополнительные примечания: Может быть несколько способов выразить сомнение с помощью движения лица. То, что я описал выше, как раз отражает то, что наиболее типично, исходя из моего собственного опыта.

2- Путаница

• Значение: Когда кто-то делает лицо, выражающее замешательство, это означает, что он явно в чем-то недоумевает или не понимает, что происходит.
• Как делать: Часто люди выражают замешательство через широко раскрытые глаза, сморщенные брови и прикладывая руку к подбородку или другому месту на лице.
• Когда использовать: Этот тип выражения часто используется, когда кому-то сложно что-то понять или когда ему рассказывают новую информацию, которая не соответствует тому, что он уже знает.
• Пример ситуации: На уроке экономики вам говорят, что менять страховую компанию — плохая идея, потому что это снизит ваш кредитный рейтинг; Позже тот же учитель скажет вам, что иногда полезно сменить страховую компанию. Вы корчите недоуменное лицо и затем поднимаете руку, чтобы попросить разъяснений.
• Дополнительные примечания: Как и в случае выражения сомнения, есть много способов выразить недоумение. Изложенное выше — это наиболее типичный способ сделать это, исходя из моего опыта.

3- Гнев

• Значение: Когда кто-то делает лицо, выражающее гнев, это показывает, что он зол, разочарован или просто устал от человека, с которым он находится (или ситуации, в которой он находится).
• Как это сделать: Часто это делается через сморщенные брови, покраснение лица, сжатые губы (или рычание), а иногда и отстраненный или чрезмерно сфокусированный взгляд на лице.
• Когда использовать: Вы можете использовать выражение лица, подобное приведенному выше, даже не осознавая этого, когда сердитесь.
• Пример ситуации: Вы только что узнали, что кто-то, кому вы доверяете секрет, рассказал об этом кому-то другому. Когда вы говорите человеку об этом, вы делаете гневное лицо.
• Дополнительные примечания: Разные люди выражают гнев по-разному, поэтому на самом деле нет определенного способа выразить гнев. (Например, есть «горячий» гнев и «холодный» гнев, которые выражаются совершенно по-разному.)

4- сжатые зубы

• Значение: Сдавленные зубы обычно означают одно из двух: 1.) Это может означать, что человек зол, или 2.) Это может означать, что вам холодно.
• Как это сделать: Это делается путем сжатия челюсти так, чтобы зубы были стиснуты вместе.
• Когда использовать: Вы можете использовать это, когда чувствуете гнев (или особенно, если вы пытаетесь не сказать или сделать то, о чем вы пожалеете, когда злитесь), или когда вам холодно (как это часто является автоматической реакцией).
• Пример ситуации: Вы все больше и больше расстраиваетесь из-за того, что кто-то делает что-то, что вас раздражает.Вы определенно злитесь, но стараетесь не говорить ничего грубого или грубого, поэтому стискиваете зубы.
• Дополнительные примечания: Сдавленные зубы могут означать множество разных вещей, хотя два упомянутых здесь являются наиболее распространенными. Например, некоторые люди также стискивают зубы, когда нервничают или когда сосредоточенно сосредоточены на задаче.

5- Торчащий язык

• Значение: Когда кто-то высовывает язык, это обычно саркастический способ сказать что-то вроде «Ну вот, ну» или «Что угодно».Он показывает притворный гнев или разочарование.
• Как сделать: Высуньте язык изо рта в кого-нибудь; Обычно это делается одновременно с прищуриванием глаз и издевательским вздохом презрения.
• Когда использовать: Вы можете использовать это выражение лица после того, как кто-то сделает или скажет что-то, что вас слегка раздражает.
• Пример ситуации: Вы только что проиграли карточную игру пять раз подряд другу, и теперь он злорадствует по этому поводу. Вы показываете им язык, игриво давая понять, что они должны перестать злорадствовать.
• Дополнительные примечания: Есть немного похожее выражение лица, когда кто-то открывает рот и указывает пальцем на него; это имеет другое значение и обычно является признаком отвращения к кому-то или чему-то.

6- приподнятые брови

• Значение: Поднятые брови могут иметь множество значений. Обычно приподнятые брови используются для выражения сомнения, удивления или даже разочарования.
• Как сделать: Для этого достаточно приподнять обе брови.
• Когда использовать: Вы можете использовать это в самых разных ситуациях, но особенно если вы удивлены или в чем-то сомневаетесь.
• Пример ситуации: Кто-то сообщает вам новость, в которой вы не уверены, поэтому вы поднимаете брови, чтобы дать понять, что сомневаетесь.
• Дополнительные примечания: Есть также жест поднятия брови, который может иметь то же значение, что и этот, или может использоваться, чтобы выглядеть более очаровательно.

7-глазковая повязка

• Значение: Закатывать глаза — это воплощение сарказма. По сути, это означает: «Да, конечно», «Неважно» или «Мне все равно».
• Как сделать: Это можно делать с открытыми или закрытыми глазами. Просто найдите момент, чтобы закатить глаза круговыми движениями.
• Когда использовать: Обычно закатывают глаза, когда кто-то вам что-то говорит, а вы расстроены или злитесь на него. Его также можно использовать, если вы не верите в то, что вам говорят, если вам все равно, или если вы разочарованы ситуацией в целом.
• Пример ситуации: Родитель отводит ребенка в сторону, чтобы его отругать за грубое поведение. Он закатывает глаза, пока его родители говорят (и из-за этого попадает в еще больше неприятностей).
• Дополнительные примечания: Как и в вышеупомянутой ситуации, имейте в виду, что никогда не стоит использовать закатывание глаз в отношении кого-то, кто в чем-то выше вас (хотя обычно это наиболее соблазнительно!). Лучше всего использовать его только в неформальных ситуациях и экономно.

8- Избегайте контакта с глазами

• Значение: Когда кто-то избегает зрительного контакта, это обычно означает, что он чувствует себя неуверенно (либо потому, что стесняется, либо из-за чего-то нечестно).
• Как это сделать: Чтобы избежать зрительного контакта, просто сфокусируйте взгляд на чем-то, кроме глаз другого человека (или этого человека в целом, в зависимости от обстоятельств).
• Когда использовать: Обычно используется, когда вы чувствуете неуверенность в чем-то или не честны.
• Пример ситуации: Вы задаете другу важный вопрос и замечаете, что он не смотрит вам в глаза, пока отвечает. Вы подозреваете, что они могут сказать вам не всю правду.

9- Прикус

• Значение: Укус за губу может иметь несколько значений. К наиболее распространенным из них относятся неуверенность, глубокая задумчивость или размышления о том, что сказать.
• Как сделать: Обычно это делается одним из двух способов: 1.) Слегка впиваясь в нижнюю губу верхними зубами, или 2.) Слегка впиваясь в верхнюю губу нижними зубами.
• Когда использовать: Вы можете использовать это выражение лица, чтобы сказать кому-то, что вы в чем-то не уверены или вам нужно подумать, прежде чем отвечать на то, что он сказал.
• Пример ситуации: Вы в библиотеке со своим любимым человеком и возвращаете книгу, которую они вам предложили. Они спрашивают вас, читаете ли вы все это и что думаете. Вы прикусываете губу, а затем показываете, что вам это действительно неинтересно, и вы получили только пару глав.
• Дополнительные примечания: Некоторые люди также находят милым и очаровательным, когда кто-то кусает их губу.

10- Подмигнуть

• Значение: Подмигивание обычно означает либо секрет между двумя людьми, либо способ вести себя мило или флиртовать.
• Как это сделать: Моргните только одним глазом в сторону другого человека; это можно сделать незаметно или более открыто, в зависимости от того, почему вы им подмигиваете.
• Когда использовать: Вы можете подмигнуть кому-то, чтобы беззаботно поделиться секретом между вами двумя или если вы пытаетесь показаться милым перед тем, кто вам нравится.
• Пример ситуации: Официантка в ресторане поможет вам найти в меню лучшее предложение, чем то, что вы собирались заказать. Вы ее благодарите. Она подмигивает и отвечает: «Нет проблем».

11- Смешное лицо

• Значение: «Смешное лицо» не имеет реального, твердого смысла.
• Как сделать: Не существует определенного способа сделать «смешное лицо». Это может быть буквально все, что вы делаете со своим лицом, не похожее на «нормальное» выражение.
• Когда использовать: Смешные рожицы обычно используются при съемке селфи в одиночку или с друзьями. Они вызывают интересные и часто веселые воспоминания.
• Пример ситуации: Вы на семейной вечеринке, и кто-то решает сделать групповое фото. Они могут попросить одну «нормальную» фотографию, на которой все улыбаются, а затем попросить «глупую» фотографию, на которой все делают какие-то забавные лица.
• Дополнительные примечания: Смешные рожи можно использовать и вне рамок фотосъемки, например, когда вы обсуждаете что-то забавное с другом или чувствуете необходимость проявить крайность или саркастичность, выражая свои эмоции по поводу чего-либо.

6. Различные физические движения

Помимо жестов и поз, упомянутых выше, есть еще несколько движений, о которых вам следует знать. Давайте посмотрим на эти жесты английского тела.

1- Кивает

• Значение: Кивок может иметь несколько значений. Обычно это используется как способ сказать «да». Он также используется, чтобы показать кому-то, что вы слушаете его, пока он говорит.
• Как это сделать: Просто покачивайте головой вверх и вниз.Если вы используете его, чтобы сказать «да», вам следует сделать это немного быстрее, чем если бы вы просто подтвердили, что слушаете.
• Когда использовать: Используйте это, если вы хотите сказать кому-то «да» или одобрить что-то. Вы также можете использовать его во время разговора, в котором другой человек говорит больше всего. И то, и другое можно использовать практически в любой ситуации.
• Пример ситуации: Ваш друг спрашивает, не хотите ли вы пойти с ним за суши.Вы киваете головой и говорите: «Да, звучит здорово».
• Дополнительные примечания: Иногда один кивок также используется для обозначения «да», в отличие от нескольких кивков.

2- Качающаяся головка

• Значение: Обычно используется как противоположность киванию, а также может использоваться как общее выражение разочарования или неодобрения.
• Как сделать: Двигайте головой справа налево или наоборот.
• Когда использовать: Используйте это вместо того, чтобы сказать «нет», или используйте это, чтобы показать, что вы что-то разочарованы или не одобряете.
• Пример ситуации: После того, как вы поели суши с другом, он спрашивает, не хотите ли вы также посмотреть фильм. Вы качаете головой и объясняете, что вам нужно немного отдохнуть.
• Дополнительные примечания: Иногда, когда это используется как способ выразить неодобрение, люди при этом используют звук «тск».

3- Плечи

• Значение: Обычно это означает «не знаю» или «мне все равно».
• Как это сделать: Обычно это делается, подняв плечи, подняв руки ладонями вверх чуть выше живота.
• Когда использовать: Вы можете пожать плечами, когда вам задают вопрос, на который вы не знаете ответа или на который не хотите отвечать.
• Пример ситуации: Ваш друг спрашивает вас, какую начинку вы хотите добавить в пиццу, которой вы собираетесь поделиться. Вы пожимаете плечами и говорите: «Все, что хотите».
• Дополнительные примечания: Пожатие плечами часто сопровождается наклоном головы, сдвигом рта (или надутыми губами), поднятием бровей или аналогичными жестами.

4- ерзание

• Значение: ерзание может означать множество вещей, хотя обычно оно указывает на скуку или стресс. Иногда ерзающие жесты также называют «тиками».
• Как это сделать: Не существует определенного способа «ерзать», так как это может выглядеть по-разному от человека к человеку. Ниже мы поговорим о некоторых примерах.
• Когда использовать: Обычно ерзание делается, когда кому-то скучно, или как способ снять стресс.
• Пример ситуации: Вы действительно переживаете из-за проекта, над которым работаете, и после нескольких часов работы над ним понимаете, что много постукивали ногой и прикасались к лицу.
• Дополнительные примечания: Некоторые распространенные примеры ерзающих жестов или тиков включают, но не ограничиваются ими: грызть ногти; играть с волосами в любой манере; постукивание ногой; щелкая ручкой; постучать по столу; хруст костяшками пальцев или другой частью тела; ковырять в коже; слишком много оглядываться; чрезмерное растяжение; И список продолжается.

Бывают ситуации, когда жесты ерзания являются особенно грубыми, например, в большинстве профессиональных ситуаций. Хотя большинство жестов — это сила привычки, от которой очень трудно избавиться, всегда полезно делать все возможное, чтобы избегать их в подобных настройках. (Или, если вы находитесь рядом с кем-то, кого особенно раздражает ваше беспокойство.) Это определенно не очень желательный американский язык тела в бизнесе.

7. Бонус: комбинации сигналов языка тела

Как вы могли заметить выше, бывают случаи, когда кто-то будет использовать несколько жестов и жестов одновременно.Хотя иногда они хорошо сочетаются и имеют смысл, иногда может быть непонятно, почему они используют жесты, которые используют.

Вместо того, чтобы дать вам длинный список возможных комбинаций жестов и их значения (что было бы невозможно закончить!), Я просто отмечу, что это совершенно нормально, если вы не всегда можете следовать чьим-либо сигналам языка тела.

Хотя некоторые жесты естественны практически для всех и имеют смысл почти для всех, важно помнить, что каждый уникален, и его способ самовыражения тоже.Просто сделайте все возможное, чтобы изучить некоторые из изложенных здесь основ, чтобы получить хорошее представление о том, чего ожидать в Соединенных Штатах и ​​как отразить то, что делают люди вокруг вас.

Удачи!

Заключение

Мы перебрали так много американского языка тела и жестов! Мы надеемся, что вы узнали немного больше о том, как читать язык тела в Соединенных Штатах и ​​чего ожидать во время вашего визита (или вашего пребывания!). Кроме того, мы надеемся, что теперь вы понимаете, почему язык тела человека так важен при изучении английского языка и как он может обогатить ваше общение.

Если вы хотите узнать больше об английском языке и Соединенных Штатах, обязательно посетите нас на EnglishClass101.com. Мы предлагаем широкий выбор словарных списков, а также содержательные сообщения в блогах по различным темам. Вы можете обсуждать различные темы с другими изучающими английский язык, используя наше онлайн-сообщество, и не стесняйтесь загрузить наше приложение MyTeacher для индивидуального обучения!

Мы желаем вам всего наилучшего в вашем языковом путешествии и надеемся, что вы продолжите практиковать эти телодвижения, пока не станете профессионалом.Выучить американские жесты и язык тела может быть непросто, но мы верим в вас. 🙂

Сложная система мимики на жестовом языке | Факультет гуманитарных наук

Мы уже видели примеры проектов роботов, которые могут преобразовывать текст в язык жестов, но оказалось, что перевод с языка жестов на разговорные языки сложнее.

Выражение лица и язык жестов

«В языке жестов выражения лица используются для выражения языковой информации и эмоций.Например: поднимите бровь, чтобы отметить общие вопросы на большинстве жестовых языков. В то же время подписывающие лица используют лицо, чтобы выразить эмоции — свои собственные или цитируя кого-то другого. Нам нужно больше знать о том, что происходит, когда грамматику и эмоции нужно выражать одновременно. Сможет ли компьютерное программное обеспечение уловить правильное значение? »- спрашивает Вадим Киммельман.

Киммельман — адъюнкт-профессор Бергенского университета, где он работает лингвистом, в основном по грамматике жестовых языков, в частности, русского жестового языка (RSL ) и жестовый язык Нидерландов (NGT).В своем последнем исследовании, опубликованном в PLOS ONE, Киммельман изучает, что происходит, когда разные эмоции сочетаются с разными типами предложений, используя программное обеспечение для анализа 2D-видео для отслеживания положения бровей на видеозаписях. Киммельман и его коллеги из Назарбаев Университета в Казахстане исследовали эти вопросы для казахско-русского языка жестов, который является языком жестов, используемым в Казахстане.

Отслеживание черт руки, тела и лица

«В нашем исследовании мы попросили девять подписывающих лиц по рождению составить те же предложения, что и утверждения, и вопросы двух типов (например,грамм. Девушка упала — Девушка упала? — Куда девушка упала?). Подписавший задал вопросы трижды, добавив три разных эмоции (нейтральный, сердитый, удивленный). Основываясь на исследованиях других жестовых языков, мы ожидали, что и эмоции, и грамматика будут влиять на положение бровей, и что мы можем обнаружить некоторые взаимодействия », — объясняет Киммельман.

Основным нововведением в этом исследовании стало использование программного обеспечения OpenPose, которое позволяет автоматически отслеживать руки, тело и черты лица в 2D-видео.

«Используя это программное обеспечение, мы смогли точно и объективно измерить положение бровей в различных условиях и провести количественный анализ. Как и ожидалось, исследование показало, что и эмоции, и грамматика влияют на положение бровей в казахско-русском жестовом языке. Например, в целом вопросы отмечены поднятыми бровями, удивление отмечено поднятыми бровями, а гнев отмечен опущенными бровями «.

Сложные выражения лица

Киммельман также обнаружил, что эмоциональная и грамматическая маркировка могут быть объединены:

«Мы обнаружили, что при удивленных общих вопросах брови поднимаются даже выше, чем при нейтральных вопросах. Кроме того, мы обнаружили некоторые сложные взаимодействия между факторами, влияющими на положение бровей, указывающее на необходимость будущих исследований. В будущем мы также изучим, как движение бровей согласуется с определенными знаками в предложении, в дополнение к тому, как влияет среднее положение бровей, и мы исследуем другие черты лица, а также положение головы и тела «.