新研究引入了一種使用卷積神經網路（CNN）分析臉部來提高動態情緒辨識的準確性和速度的方法。中國瀋陽東北大學的徐蘭波所進行的這項工作可應用於心理健康、人機互動、安全和其他領域。

工作是發表在國際生物辨識雜誌。

面部表情是非語言溝通的重要組成部分，提供有關個人的線索情緒狀態。到目前為止，情緒辨識系統一直使用靜態影像，這意味著它們無法捕捉在對話、訪談或其他互動期間情緒在人臉上表現出來的變化性質。徐的作品透過關注視頻序列來解決這個問題。系統可以追蹤變化臉部表情透過一系列視訊幀，然後即時詳細分析一個人的情緒如何展現。

然而，在分析之前，系統會應用一種演算法，即「混沌蛙跳演算法」來銳化關鍵的臉部特徵。此演算法模仿青蛙的覓食行為，以在數位影像中找到最佳參數。在人類表情資料集上訓練的 CNN 是該方法最重要的部分，它允許 Xu 處理視覺數據透過辨識與訓練資料相交的新影像中的模式。透過分析幾個幀影片片段，該系統可以捕捉嘴巴、眼睛和眉毛的動作，這些動作通常是微妙但重要的情緒變化指標。

Xu 報告準確率高達 99%，系統可在不到一秒的時間內提供輸出。這種精確度和速度非常適合在各種領域即時使用，在這些領域中，檢測情緒可能很有用，而無需其他人或團隊進行主觀評估。它的潛在應用在於改善電腦互動的使用者體驗，其中電腦可以對使用者的情緒狀態（例如沮喪、憤怒或無聊）做出適當的回應。

該系統可能有助於在無需人工幹預的情況下篩選人們的情緒障礙。它還可以用於增強安全系統，允許存取資源，但僅限於那些處於特定情緒狀態的人，並可能禁止憤怒或心煩意亂的人進入。同一系統甚至可以用來識別交通系統甚至自己車輛上的駕駛疲勞程度。娛樂和行銷領域也可能看到理解情緒反應可以改善內容開發、交付和消費者參與的應用。