来自美国的科学家最近开发了一套深度学习模型，可以根据人类行走的步态判断情绪状态：开心、难过、生气或者正常。

来自美国的科学家最近开发了一套深度学习模型，可以根据人类行走的步态判断情绪状态：开心、难过、生气或者正常。人类情绪可以影响人类表情，声音，这也是当下情绪识别工具主要针对的特征。

但是发布在预印本上的研究却选取了人类步态作为分析特征。该方法结合了机器算法和心理学研究方法，需要将人类行走影像转化成3D模型，这些3D姿态会被传输到能够学习长期相关性的长短期记忆模型（LSTM）网络中。

研究人员将利用这一网络从姿态序列中获取特征，并使用多个步态数据集来训练这个LSTM网络。

同时，研究人员还将经过计算的情感特征与深层特征连接起来，并与随机森林分类器（Random Forest Classifier）相结合，输出多个独立决策树的平均预测，将提取的步态例子分到上述四种情绪类别中。

多种步态识别特征

研究人员获取的步态特征包括了人们的肩膀姿势、连续步伐之间的距离，以及手和脖子之间的区域。

在身体语言方面，人们的步行方式常常会受到情绪的影响，例如，当人感到压抑或沮丧时，会比满足时更耸拉着肩膀。

而机器算法在识别步态的过程中，头部倾斜的角度被用来区分人们快乐和悲伤的情绪，而更紧凑的姿势和“身体扩张”则分别能识别人们的积极和消极情绪。

而科学家们发现，唤醒往往与人们增加的运动相对应。因此，研发人员在利用长短期记忆模型时，还考虑了人们步行速度、加速度，以及手、脚和头部关节“运动抖动”的大小。

让机器算法学习和记忆不同步态下对应的表情。该算法预测准确率达到80%，比现有基于行走的情绪预测算法准确率提升了14%。