Προτυποποίηση Και Ανάλυση Εκφραστικότητας Μη Λεκτικής Συμπεριφοράς Κατά Την Φυσική Αλληλεπίδραση

Abstract

Τα τελευταία χρόνια έχει γίνει σημαντικό ερευνητικό έργο σχετικά με τον καθορισμό και την εξόρυξη των χαρακτηριστικών εκφραστικότητας όλου του σώματος μέσα στο πλαίσιο της χρησιμοποίησης της φυσικής αλληλεπίδρασης στα παιχνίδια και σε μάθηση βασιζόμενη σε παιχνίδια. Η εκφραστικότητα της συμπεριφοράς αποτελεί αναπόσπαστο μέρος της διαδικασίας της επικοινωνίας δεδομένου ότι μπορεί να παρέχει πληροφορίες σχετικά με την τρέχουσα συναισθηματική κατάσταση, τηνπροσωπικότητα του συνομιλητή και τις επιδόσεις του, όταν ο στόχοςτης αλληλεπίδρασης είναι μετρήσιμος. Πολλοί ερευνητές έχουν μελετήσειχαρακτηριστικά της ανθρώπινης κίνησης και τα κωδικοποίησαν σε δυαδικές κατηγορίες όπως αργή / γρήγορη, περιορισμένη / ευρεία, αδύναμη / ισχυρή, μικρή / μεγάλη, δυσάρεστη/ευχάριστη, ώστε να μοντελοποιήσουν κατάλληλα την εκφραστικότητα. Οι διαστάσεις της εκφραστικότητας επιλέγονται ως η πιο ολοκληρωμένη προσέγγισηστη μοντελοποίηση της εκφραστικότητας του σώματος, δεδομένου ότι καλύπτουν όλο το φάσμα των εκφραστικών παραμέτρων που σχετίζονται με το συναίσθημα. Από τον τομέα της σύνθεσης εκφραστικότητας πέντε παράμετροι έχουν οριστείυπολογιστικά ακολουθώντας διαφορετικές προσεγγίσεις και η σύγκριση αυτών των προσεγγίσεων έχει ως στόχο να διερευνήσει την πλέον κατάλληληγια την αναπαράσταση κάθε χαρακτηριστικού εκφραστικότητας.Στη συγκεκριμένη διπλωματική εργασία έγινε στατιστική επεξεργασία με τη χρήση του Matlab, δεδομένων που καταγράψαμε από τέσσερις χρήστες με τη βοήθεια του Kinect της Microsoft. Tα δεδομένα που καταγράψαμε προήλθαν από την κίνηση των χρηστών με βάση πέντε εκφραστικές παραμέτρους (συνολική ενεργοποίηση, χωρική έκταση, διάρκεια κίνησης, ρευστότητα, δύναμη) για ελάχιστη κίνηση του χρήστη (τιμή 0) και για μέγιστη κίνηση (τιμή 1). Για κάθε εκφραστική παράμετρο χρησιμοποιήθηκαν διαφορετικές προσεγγίσεις με βάση τη σιλουέτα, τα άκρα και τις αρθρώσεις. Στη συνέχεια, χρησιμοποιήθηκαν διάφοροι αλγόριθμοι για την αξιολόγηση των παραπάνω εκφραστικών παραμέτρων με τη χρήση της πλατφόρμας λογισμικού μηχανικής μάθησης Weka.