反射型光センサアレイを用いた眼鏡型装置による作り笑いと自然な笑いの識別

• Item type: Journal(1)
• 公開日: 2021-10-15
• タイトル: 反射型光センサアレイを用いた眼鏡型装置による作り笑いと自然な笑いの識別
• タイトル / 言語: en
• タイトル: Classification of Genuine and Posed Smiles by Photo-reflective Sensors Embedded with Smart Eyewear
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：ユビキタスコンピューティングシステム（X）] 笑い識別，ウェアラブル，光センサ
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00213196
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: NTTコミュニケーション科学基礎研究所／慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories / Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者名: 齊藤, 千紗; 正井, 克俊; 杉本, 麻樹
• 著者名(英): Chisa, Saito; Katsutoshi, Masai; Maki, Sugimoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 笑いは日常生活で頻繁に観察される表情の1つであり，非言語コミュニケーションに不可欠な役割を果たす．笑いには可笑しさや喜びといった快感情から生じる自然な笑いと快感情をともなわない作り笑いがある．この2つの笑いをコンピュータが適切に推測することができれば，ユーザへの理解が深まり，また，インタラクティブシステムに応用可能である．本稿では，日常の使用に適した形状である眼鏡型の装置に搭載した反射型光センサアレイを用いて，2種類の笑いの識別可能性を検証する．実験では，12人の参加者が動画を視聴して生じた自然な笑いとコンピュータ上の指示による作り笑いの2種類の笑いのデータを収集した．センサから得られた反射強度の分布である幾何学的特徴と時間軸の時間的特徴に対してサポートベクタマシンを適用した結果，ユーザ依存の学習の場合，12人の実験参加者で平均精度が94.6%であった．これはデータを収集した際の表情変化の動画から人間が判定した場合（90.2%）よりも高い精度であった．さらに，畳み込みニューラルネットワークを用いた個人間の学習においても82.9%であった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Smile is one of the representative facial expressions which is observed frequently in daily life and essential for various non-verbal communications. People make genuine smiles and posed ones. If computers can recognize properly whether a person's smile is genuine or posed, an interactive system can understand the inner feelings of the user from their smile or we can use it as an input system by smile. In this study, we propose a smile classification system with a smart eyewear that equips photo-reflective sensors and examine whether we can distinguish two types of smiles; genuine smiles caused by funny videos and posed smiles evoked by instructions. We extract geometric features: reflection intensity distribution of sensors and temporal features in the time axis. By applying Support Vector Machine, we observed 94.6% as the mean accuracy among 12 participants with user-dependent training. The accuracy was higher than human judgement with videos (90.2%). Also, the accuracy when using Convolutional Neural Network with user-independent training was 82.9%.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 62, 号 10, p. 1681-1690, 発行日 2021-10-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764