Onderzoekers aan de Chinese Academy of Sciences hebben een algoritme ontwikkeld dat even goed als of beter is dan mensen in het herkennen van micro-uitdrukkingen. Dat zijn kleine, onvrijwillige gezichtsuitdrukkingen die emoties aanduiden.
Het trainen van het algoritme was uitdagend voor het onderzoeksteam omdat de emoties echt moeten zijn en de uitdrukking daarvan door de geobserveerde juist onderdrukt moet worden. Om dat te bereiken, lieten ze een groep proefpersonen kijken naar een film die bepaalde emoties oproept, terwijl hun gezicht gefilmd werd met een hogesnelheidscamera. Ze krijgen de opdracht om hun emoties niet te tonen. Doen ze dat wel, werd ze verteld ter motivatie, dan moeten ze per getoonde emotie een groot en saai formulier invullen.
Aan de hand van de film kregen de onderzoekers een goed idee van welke emotie op ieder moment aan de orde is. Op die manier konden de onderzoekers het algoritme aanleren welke spiertrekkingen in het gezicht horen bij de verschillende gevoelens. Als uitgangspunt voor het algoritme wordt een frame uit de video gebruikt waar geen emotie in zit.
De grootste uitdaging bij het opbouwen van het algoritme zit hem in het formaat van de uitdrukkingen. Die zijn zodanig klein dat de computer er moeite mee heeft om ze te herkennen. Als oplossing daarvoor laten de onderzoekers het algoritme de gezichtsuitdrukking digitaal vergroten. Zeer lichtelijk geheven wenkbrauwen worden bijvoorbeeld omgezet in een uitdrukking van extreme verrassing. Dat maakt het gemakkelijker voor de computer om de emotie te benoemen. Het beeld wordt ook vastgelegd in andere kleurruimten om de emoties beter zichtbaar te maken. Naast rgb worden ook CIELuv en CIELab gebruikt en een nieuwe kleurruimte die de onderzoekers tensor independent color space, of tics, noemen. Deze vierdimensionale reeks maakt het werk voor het algoritme zo gemakkelijk mogelijk.
Wanneer het getrainde algoritme moet concurreren met het menselijke vermogen om micro-uitdrukkingen te benoemen, gaat het op z'n minst min of meer gelijk op. Wanneer het algoritme en 15 menselijke tegenstanders de opdracht krijgen om zowel micro-uitdrukkingen in een bovengenoemde video-opname te signaleren als benoemen, scoren de twee partijen ongeveer gelijk. Wanneer er frames bij gepakt worden waarvan vooraf al vaststaat dat er een micro-uitdrukking getoond wordt, presteert het algoritme beter dan de menselijke tegenstanders.
De onderzoekers zijn van mening dat het algoritme van toepassing kan zijn bij zaken als leugendetectie, geestelijke gezondheidszorg en wetshandhaving. Het onderzoek verscheen in IEEE Transactions on Image Processing.