211service.com
Algoritmo de visión artificial aprende a reconocer expresiones faciales ocultas
La mayoría de las personas son buenas para reconocer las emociones ordinarias en los rostros de otras personas. Pero hay otro conjunto de expresiones faciales que la mayoría de la gente desconoce casi por completo. A fines de la década de 1960, los psicólogos descubrieron que cuando los humanos intentan ocultar sus emociones, a menudo muestran sus verdaderos sentimientos en microexpresiones que aparecen y desaparecen en un abrir y cerrar de ojos.
Estas expresiones faciales fugaces han fascinado a los psicólogos y al público en general desde entonces. Resulta que, si bien la mayoría de las personas ignoran por completo las microexpresiones, un pequeño subconjunto de personas puede detectarlas con precisión y usarlas para saber cuándo las personas ocultan sus verdaderos sentimientos o cuándo mienten abiertamente.
Ha crecido una industria importante que se enfoca en capacitar a las personas para que sean mejores en el reconocimiento de microexpresiones. Los funcionarios encargados de hacer cumplir la ley y los agentes antiterroristas a menudo reciben capacitación de esta manera con la esperanza de que pueda ayudarlos a detectar a las personas que no traman nada bueno. Si este entrenamiento funciona es tema de mucho debate; puede ser que la mayoría de las personas no tengan las habilidades sensoriales y cognitivas para captar microexpresiones, independientemente del entrenamiento que reciban.
Pero hay otra forma de detectar microexpresiones. En los últimos años, la visión artificial ha mejorado a un ritmo tan rápido que ha sorprendido incluso a los expertos en la materia. Hoy en día, las máquinas equipadas con los mejores algoritmos de inteligencia artificial pueden superar de forma rutinaria a los humanos en el reconocimiento de objetos y reconocimiento facial, y han comenzado a igualarlos en el reconocimiento de expresiones y la carga emocional que conllevan.
Eso plantea una perspectiva interesante. ¿Podrían las máquinas volverse pronto mejores en el reconocimiento de microexpresiones que los humanos? Hoy recibimos una respuesta gracias al trabajo de Xiaobai Li en la Universidad de Oulu en Finlandia y algunos amigos. Estos muchachos han construido y probado el primer sistema de visión artificial capaz de detectar y reconocer microexpresiones y dicen que ya es mejor que los humanos en la tarea.
Los rápidos desarrollos de la inteligencia artificial en los últimos años se han producido en parte debido a la mejora de los métodos informáticos. Pero estas máquinas son inútiles sin bases de datos amplias y precisas para entrenarlas.
Entonces, la primera tarea de Li y compañía fue crear una base de datos de videos que mostraran microexpresiones en condiciones realistas. Esto es más fácil dicho que hecho. Las microexpresiones tienden a ocurrir cuando las personas ocultan sus sentimientos en condiciones de mucho riesgo.
Eso no es fácil de reproducir. De hecho, gran parte del trabajo anterior se ha centrado en las expresiones posadas, pero varios psicólogos han señalado las limitaciones de este método, entre las que destaca que las microexpresiones se ven significativamente diferentes a las expresiones posadas.
Li y compañía abordaron este problema al pedirle a un grupo de 20 personas que vieran una serie de videos diseñados para invocar emociones fuertes entre ellos. A estas personas se les dio un fuerte incentivo para evitar mostrar cualquier emoción durante la tarea: se les dijo que tendrían que completar un cuestionario largo y aburrido explicando cualquier emoción que mostraran.
Como resultado, 16 de los 20 individuos produjeron 164 microexpresiones entre ellos, que el equipo grabó en una cámara de alta velocidad a 100 fotogramas por segundo. El equipo vinculó las emociones mostradas con el contenido emocional de los videos, brindándoles una base de datos estándar de oro con la que entrenar su algoritmo de aprendizaje automático.
La tarea de reconocer microexpresiones se divide en dos partes. El primero es identificar el cambio fugaz en los rasgos faciales que caracterizan una microexpresión. El segundo es identificar la emoción que esto muestra.
El equipo abordó el primer problema utilizando un solo cuadro que mostraba la cara del sujeto como estándar y comparando todos los cuadros posteriores para determinar cómo cambiaba la expresión. Cualquier cambio más allá de un cierto umbral se definió como una microexpresión, y estas imágenes se reservaron para un análisis posterior.
Generalmente, reconocer expresiones es más difícil porque las microexpresiones tienden a ser menos pronunciadas que las expresiones ordinarias. Un desafío importante para el reconocimiento de microexpresiones es que los niveles de intensidad de los movimientos faciales son demasiado bajos para ser distinguibles, dicen Li y compañía.
El equipo resolvió esto usando un algoritmo que magnifica las expresiones. Esto funciona identificando las partes de la cara en movimiento cuando cambia una expresión y distorsionando la cara para moverlas más.
Este proceso tiene que ser aplicado cuidadosamente. Por ejemplo, Li y compañía dicen que no pueden usarlo para detectar microexpresiones porque el algoritmo magnifica todos los movimientos, como girar la cabeza, no solo las expresiones. Por lo tanto, solo se aplica a los marcos identificados por el proceso de detección descrito anteriormente.
Finalmente, el algoritmo clasifica la emoción mostrada como positiva, negativa o sorpresa, un proceso que aprende de la base de datos de entrenamiento.
Una pregunta interesante es qué tan bien funciona este enfoque en comparación con el desempeño humano. Para averiguarlo, el equipo pidió a 15 personas que identificaran la expresión que se muestra en los videos que contienen solo las microexpresiones (para que no tuvieran que seleccionar las microexpresiones de secuencias más largas). Otras 15 personas vieron los videos completos y tuvieron que detectar cada microexpresión e identificarla.
Los resultados hacen una lectura interesante. La máquina de Li y compañía igualó la capacidad humana para detectar y reconocer microexpresiones y superó significativamente a los humanos solo en la tarea de reconocimiento.
Nuestro método es el primer sistema que se ha probado en un conjunto de datos duros de microexpresión espontánea, que contiene microexpresiones naturales, dice el equipo. Supera a los humanos en el reconocimiento de microexpresiones por un margen significativo y tiene un rendimiento comparable al de los humanos en la tarea combinada de detección y reconocimiento de microexpresiones.
Eso no está mal para el primer intento, y estas máquinas claramente mejorarán rápidamente.
No es difícil encontrar aplicaciones. Li y compañía eligen la detección de mentiras, la aplicación de la ley y la psicoterapia, pero es fácil imaginar que esto se use en entrevistas y evaluaciones de trabajo e incluso en dispositivos tipo Google Glass en la vida cotidiana.
Pronto, no habrá dónde esconderse.
Ref: arxiv.org/abs/1511.00423 : Lectura de emociones ocultas: detección y reconocimiento de microexpresiones espontáneas