Maschinen analysieren aussagekräftiges menschliches Verhalten
Ein kritisches Problem der maschinellen Analyse des natürlichen Verhaltens des Menschen besteht darin, dass das menschliche Gesicht, der Körper und seine Lautäußerungen ein komplexes und reichhaltiges dynamisches Verhalten aufweisen, das nichtlinear, zeitlich veränderlich und kontextabhängig ist. Das durch EU-Finanzmittel geförderte Projekt MAHNOB (Multimodal analysis of human nonverbal behaviour in real-world settings) beschäftigte sich mit den verbundenen Herausforderungen und baute automatisierte Werkzeuge für maschinelles Verstehen des menschlichen Interaktionsverhaltens im lebensnahen Kontext auf. Die Forscher des Teams verfügen über einen Hintergrund in der Signalverarbeitung und im maschinellen Lernen und sind führend in der Erforschung der Körper- und multimodalen naturalistischen Verhaltensanalyse. Sie schlugen eine Reihe von Neuheiten in Bezug auf Ansätze zur Unterscheidung zwischen verschiedenen spontanen Verhaltensweisen vor. Ein Beispiel ist die automatische Unterscheidung zwischen Zustimmungs- und Ablehnungsepisoden auf Grundlage von nonverbalen Verhaltenshinweisen. Die Forscher schlugen überdies neuartige und tatsächlich unkonventionelle Bilderkennungs- und Maschinenlernverfahren einschließlich Unterraumlernen auf Basis von Bildgradientenorientierung vor. Zudem erweiterten sie die verborgenen, konditionalen, ordinalen Zufallsfelder, um eine gleichzeitige Erkennung des Gesichtsausdrucks und von dessen Intensität zu ermöglichen sowie Unterschiede in subjektiven Gesichtsdarstellungen nachzuweisen. Die Projektarbeit brachte den Stand der Technik auf dem Gebiet der automatischen Gesichtsverhaltensanalyse in mehrere Richtungen voran. Dazu zählen Genauigkeit und Robustheit der Gesichts- und Gesichtsmerkmalerfassung und -nachverfolgung, Effizienz und Genauigkeit der automatischen Erkennung von Gesichtsmuskelaktionen sowie Ausmaß und Genauigkeit der automatischen Erkennung von zeitlichen Phasen und Intensität von Gesichtsmuskelaktionen. Es gingen vier Datenbanken an den Start, die möglicherweise als eine der ersten ihrer Art multimodale Aufzeichnungen von menschlichem spontanen Verhalten beinhalten. Diese wurden gewonnen, während die Probanden an dyadischen Interaktionen beteiligt waren oder Multimediamaterial anschauten. MAHNOB hat Fortschritte bei audiovisuellen raumzeitlichen Methoden zur automatischen Analyse von humanen spontanen Mustern von Verhaltenshinweisen erzielt. Die Arbeit hat wichtige Konsequenzen, da die maschinelle Analyse der Verhaltensdynamik entscheidende Bedeutung für die Analyse und korrekte Interpretation komplexer Verhaltensweisen einschließlich Gefühlen, Schmerzen und Depressionen hat.
Schlüsselbegriffe
expressives Verhalten, aussagekräftiges Verhalten, menschliches Verhalten, MAHNOB, nonverbales Verhalten, maschinelles Lernen, Verhaltensanalyse
