心理所研究發現利用3D步態數據可以預測用戶自尊

　　人類的非語言行為，如面部表情、姿勢、步態等，常常可以體現出心理特征。使用非語言行為線索測量心理特征的主要障礙在于行為量化及其心理特征識別。隨著智能設備不斷推陳出新和模式識別技術的發展，使用機器學習建模實現自動預測已經成為可能。 

　　此次研究共招募182名研究生作為被試，包括100名男性和82名女性。被試被要求在一塊長方形地毯上來回走動兩分鐘，Kinect攝像頭置于地毯兩端，收集被試步態數據，Kinect以每秒20幀的速度捕獲人體25個關節在X, Y, Z三個軸上的三維坐標。接著被試還需完成羅森博格自尊量表（RSES）。  

　　圖1.  Kinect攝像頭捕獲的5個關節點 

　　研究人員對Kinect獲取的原始數據進行降噪、坐標系轉換和剪切后，使用快速傅里葉變換（Fast Fourier Transform, FFT）從每個關節點的每一軸（共三軸）抽取64個特征，計算每個特征與被試自尊得分的相關系數，并選取相關系數最大的5個特征來建立回歸模型，共有360個特征進入模型訓練（5×3×24）。研究分別使用線性回歸（Linear Regression, LR）、簡單線性回歸（Simple Linear Regression, SLR）、高斯過程（Gaussian Processes, GP）、epsilon支持向量回歸 （epsilon-Support Vector Regression, E-SVR）、nu 支持向量回歸（nu-Support Vector Regression, N-SVR）方法建立回歸模型并預測個體的自尊得分。預測結果與被試自我報告的自尊得分間的最高相關為0.45。鑒于男性和女性的步態存在一定差異，研究針對男性和女性的步態數據分別進行建模預測，對男性步態預測與自我報告得分之間的最高相關為0.43，女性為0.59。 

　　研究結果表明，使用步態能夠實現對個體自尊的自動識別。這種方法的優點在于能夠進行非接觸式的自尊測量，并且能夠在無法使用自我報告測量的情境中起到一定的補充作用。未來的研究中可以將步態測量與其他自尊研究手段相結合，以達到更好的信效度水平。 

　　該研究是中國科學院行為科學重點實驗室朱廷劭研究組在“計算網絡心理學”研究領域的系列成果之一。此項研究得到中國科學院重點部署項目、國家重點基礎研究發展計劃、中國科學院戰略性先導科技專項等課題資助。 

　　該研究成果已被國際期刊Gait & Posture錄用并在線發表： 

　　Bingli Sun, Zhan Zhang, Xingyun Liu, Bin Hu, Tingshao Zhu. (2017). Self-esteem recognition based on gait pattern using Kinect. Gait & Posture. http://dx.doi.org/10.1016/j.gaitpost.2017.09.001. Online Press.