فناوری تشخیص احساس در تشخیص چهره چیست و چگونه کار می‌کند؟

تشخیص احساس در تشخیص چهره فناوری‌ای مبتنی بر هوش مصنوعی است که با تحلیل حالت‌های چهره، مثل حالت ابروها، چشم‌ها و دهان، احساسات فرد را شناسایی می‌کند. انسان‌ها در تعاملات روزمره بخش بزرگی از احساسات خود را از طریق چهره نشان می‌دهند و همین موضوع باعث شده سازمان‌ها در حوزه‌هایی مثل خدمات مشتری، امنیت و پژوهش از این فناوری استفاده کنند.

تشخیص احساس در تشخیص چهره چیست؟

تشخیص احساس در تشخیص چهره زیرمجموعه‌ای از فناوری‌های تحلیل چهره است. برخلاف تشخیص هویت که می‌پرسد «این فرد کیست؟»، این فناوری می‌پرسد «چهره این فرد چه حالتی دارد؟». نرم‌افزارهای تشخیص احساس چهره با پردازش تصویر و الگوریتم‌های یادگیری ماشین، تغییرات کوچک عضلات صورت را تحلیل می‌کنند و در نهایت برای هر حالت، مثل شادی یا خشم، یک احتمال یا امتیاز اعلام می‌کنند.

پایه علمی بسیاری از این سیستم‌ها بر پژوهش‌های پل اکمن و سیستم کدگذاری حرکات چهره (FACS) استوار است که حرکات عضلات صورت را به واحدهای قابل اندازه‌گیری تقسیم می‌کند. در پژوهش‌های بازار، مصاحبه‌ها و تست کاربری، از این فناوری برای سنجش واکنش افراد به یک محصول، تبلیغ یا سوال استفاده می‌شود.

تشخیص احساس در تشخیص چهره چه احساساتی را شناسایی می‌کند؟

بیشتر سیستم‌های تشخیص احساس چهره، هفت حالت پایه را شناسایی می‌کنند: شادی، غم، خشم، ترس، تعجب، انزجار و حالت خنثی. برخی ابزارهای پیشرفته‌تر علاوه بر این‌ها، حالت‌های ترکیبی (مثل «شگفت‌زده و خوشحال») یا شاخص‌هایی مثل میزان تمرکز، خستگی و درگیری ذهنی را هم گزارش می‌دهند. جدول زیر این احساسات و نشانه‌های اصلی چهره برای هرکدام را نشان می‌دهد.

نقش یادگیری عمیق در تشخیص احساس چهره

مدل‌های تشخیص احساس چهره امروزه عمدتاً بر پایه یادگیری عمیق ساخته می‌شوند. یادگیری عمیق شاخه‌ای از یادگیری ماشین است که با شبکه‌های عصبی چندلایه، الگوها را مستقیماً از داده‌ها یاد می‌گیرد. در این روش، مهندس‌ها قوانین دستی نمی‌نویسند (مثلاً «اگر ابروها پایین آمد، یعنی خشم»)؛ بلکه به مدل هزاران تصویر چهره همراه با برچسب احساس داده می‌شود تا خودش نشانه‌های مهم را کشف کند.

رایج‌ترین معماری برای این کار شبکه عصبی پیچشی (CNN) است که برای تحلیل تصویر طراحی شده. لایه‌های اولیه این شبکه ویژگی‌های ساده‌ای مثل لبه‌ها و خطوط را تشخیص می‌دهند، لایه‌های میانی اجزای چهره مثل چشم، ابرو و دهان را شناسایی می‌کنند و لایه‌های آخر با ترکیب این اطلاعات، احتمال هر احساس را محاسبه و در خروجی اعلام می‌کنند.

تشخیص احساس در تشخیص چهره چگونه کار می‌کند؟

سیستم‌های تشخیص احساس چهره، تصویر یا ویدیو را در چند مرحله پردازش می‌کنند تا در نهایت یک احساس را به‌عنوان خروجی اعلام کنند. این سیستم‌ها برای تحلیل از نشانه‌های زیر استفاده می‌کنند:

• موقعیت و حالت ابروها
• بازشدگی و شکل چشم‌ها
• حالت دهان و گوشه‌های لب
• تغییرات پوست و چین‌های صورت (مثل چین اطراف بینی یا چشم)

در ادامه تصویر مراحل تشخیص حالت چهره را مشاهده می‌کنید.

1. تشخیص و جداسازی چهره
   سیستم ابتدا چهره را در تصویر یا ویدیو پیدا می‌کند و آن را از پس‌زمینه جدا می‌کند. اگر چند نفر در تصویر باشند، هر چهره جداگانه تحلیل می‌شود.
2. پیش‌پردازش و تغییر اندازه
   در این مرحله، سیستم کیفیت تصویر چهره جداشده را بهبود می‌دهد؛ به این صورت که نویز تصویر را کاهش می‌دهد، نور و کنتراست آن را متعادل می‌کند و ابعاد تصویر را با اندازه استاندارد موردنیاز مدل تطبیق می‌دهد.
3. استخراج ویژگی‌ها
   مدل نقاط کلیدی چهره (مثل گوشه ابروها، چشم‌ها و لب‌ها) و تغییرات بین آن‌ها را اندازه‌گیری می‌کند. در مدل‌های یادگیری عمیق، این کار به‌صورت خودکار توسط لایه‌های شبکه عصبی انجام می‌شود.
4. دسته‌بندی و تشخیص احساس
   در آخرین مرحله، مدل ویژگی‌های استخراج‌شده را با الگوهایی که هنگام آموزش یاد گرفته مطابقت می‌دهد و برای هر احساس یک احتمال اعلام می‌کند؛ مثلاً ۷۰٪ شادی، ۲۰٪ خنثی و ۱۰٪ تعجب.

کاربردهای تشخیص احساس در تشخیص چهره

تشخیص احساس چهره در حوزه‌های مختلفی از بازاریابی تا سلامت و رانندگی استفاده می‌شود. مهم‌ترین کاربردهای آن عبارت‌اند از:

• پژوهش بازار و تست تبلیغات
  برندها از این فناوری برای سنجش واکنش مخاطب به تبلیغ، بسته‌بندی یا محصول جدید استفاده می‌کنند. به‌جای اینکه فقط از شرکت‌کنندگان بپرسند «چه حسی داشتید؟»، واکنش لحظه‌به‌لحظه چهره آن‌ها هنگام دیدن تبلیغ تحلیل می‌شود.
• خدمات مشتری
  فروشگاه‌ها و مراکز خدمات می‌توانند با تحلیل واکنش مشتریان (بدون ذخیره هویت افراد و با رعایت قوانین حریم خصوصی) میزان رضایت از خدمات را بسنجند و نقاط ضعف تجربه مشتری را پیدا کنند.
• خودرو و ایمنی رانندگی
  سیستم‌های پایش راننده، با تحلیل چهره و چشم، نشانه‌های خواب‌آلودگی و بی‌توجهی را تشخیص می‌دهند و به راننده هشدار می‌دهند. این یکی از پذیرفته‌شده‌ترین و کم‌بحث‌ترین کاربردهای این فناوری است.
• سلامت و پژوهش‌های روان‌شناختی
  در پژوهش‌ها، از تحلیل حالت چهره برای مطالعه الگوهای هیجانی بیماران و کمک به تمرین مهارت‌های تشخیص احساس در کودکان دارای اختلال طیف اوتیسم استفاده می‌شود. این ابزارها مکمل نظر متخصص‌اند و جایگزین تشخیص پزشکی نیستند.
• امنیت و پایش فضاهای عمومی
  برخی سازمان‌ها تلاش کرده‌اند از این فناوری برای شناسایی رفتارهای پرخطر در فضاهای عمومی استفاده کنند. با این حال، دقت و اخلاقی بودن این کاربرد بحث‌برانگیزه و در برخی کشورها محدود یا ممنوع شده.

چالش‌ها و محدودیت‌های تشخیص احساس در تشخیص چهره

با وجود پیشرفت‌های اخیر، تشخیص احساس چهره هنوز دقت صددرصدی ندارد و چند چالش مهم پیش روی آن است:

• چهره همیشه نشان‌دهنده احساس واقعی نیست
  مهم‌ترین چالش علمی این است که حالت چهره و احساس درونی همیشه یکی نیستند. فرد ممکن است لبخند بزند، در حالی که ناراحت است، یا اخم کند، در حالی که فقط در حال تمرکز است. به همین دلیل، خروجی این سیستم‌ها بهتر است «تخمین احتمالی» دیده شود، نه واقعیت قطعی.
• برچسب‌زنی دستی و برداشت‌های متفاوت
  مدل‌ها با تصاویری آموزش می‌بینند که انسان‌ها برای آن‌ها برچسب احساس گذاشته‌اند. چون هر فرد ممکن است یک چهره را متفاوت تفسیر کند (مثلاً ابروهای در هم‌رفته را خشم یا تمرکز بداند)، برچسب‌ها ذهنی‌اند و خطا مستقیماً به مدل منتقل می‌شود.
• سوگیری نژادی و تنوع داده‌ها
  اگر داده‌های آموزشی از نظر رنگ پوست، سن و جنسیت متنوع نباشند، مدل برای برخی گروه‌ها دقت کمتری دارد. راه‌حل، استفاده از مجموعه‌داده‌های متنوع‌تر و آزمایش مدل روی گروه‌های مختلف است.
• تفاوت‌های فرهنگی
  بیان و تفسیر احساسات در فرهنگ‌های مختلف یکسان نیست.افراد در یک فرهنگ ممکن است حالتی از چهره را نشانه غمگینی بدانند، درحالی‌که افراد در فرهنگی دیگر همان حالت را خنثی یا حتی جدی و محترمانه تلقی کنند. همچنین، مدلی که پژوهشگران با استفاده از داده‌های یک منطقه آموزش داده‌اند، ممکن است حالات چهره افراد مناطق دیگر را با دقت کمتری تشخیص دهد.
• چالش‌های فنی تصویر
  نور ضعیف، زاویه نامناسب، ماسک، عینک و کیفیت پایین تصویر می‌توانند دقت تشخیص را کاهش دهند. همچنین بیشتر مجموعه‌داده‌ها شامل حالت‌های اغراق‌شده یا بازی‌شده‌اند و با احساسات واقعی و ظریف روزمره فاصله دارند.

مسائل اخلاقی و قانونی تشخیص احساس در تشخیص چهره

چون تشخیص احساس چهره با داده‌های بیومتریک و حالات شخصی افراد سروکار دارد، علاوه بر چالش‌های فنی، با نگرانی‌های اخلاقی و قانونی جدی هم روبه‌رو است.

• حریم خصوصی و رضایت آگاهانه
  بسیاری از افراد نمی‌دانند چهره‌شان در حال تحلیل است.اصل مهم این است که پیش از جمع‌آوری و تحلیل داده‌ها، رضایت آگاهانه افراد را کسب کنند، محل و مدت‌زمان نگهداری داده‌ها را به‌روشنی مشخص سازند و از این داده‌ها فقط برای اهدافی استفاده کنند که از پیش به افراد اعلام کرده‌اند.
• خطر نظارت و تصمیم‌گیری ناعادلانه
  با توجه به اینکه خروجی این فناوری یک تخمین احتمالی است، استفاده از آن برای تصمیمات مهم مثل استخدام، ارزیابی دانش‌آموزان یا رفتار با مشتری می‌تواند به نتایج ناعادلانه منجر شود، به‌خصوص برای گروه‌هایی که مدل برایشان دقت کمتری دارد.
• قوانین و محدودیت‌ها
  قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) استفاده از سیستم‌های تشخیص احساس در محیط کار و مؤسسات آموزشی را، به‌جز موارد پزشکی و ایمنی، ممنوع کرده است. همچنین در بسیاری از کشورها، قوانین سخت‌گیرانه حفاظت از داده‌ها، مانند مقررات عمومی حفاظت از داده‌های اتحادیه اروپا (GDPR)، از داده‌های بیومتریک نیز محافظت می‌کنند.

جمع‌بندی

تشخیص احساس در تشخیص چهره فناوری‌ای است که با کمک هوش مصنوعی و شبکه‌های عصبی پیچشی، حالت‌های چهره را تحلیل می‌کند و برای هر احساس، مثل شادی، غم یا خشم، یک احتمال اعلام می‌کند. به همین دلیل، باید خروجی آن را یک تخمین کمکی در نظر گرفت، نه قضاوتی قطعی، و تنها با کسب رضایت آگاهانه و رعایت قوانین حریم خصوصی از آن استفاده کرد.