划重点:

🔍 研究人员通过计算机辅助神经网络，研究运动员情成功从网球运动员的人员人工肢体语言中准确识别出情绪状态。

🔍 首次使用实际比赛数据对基于人工智能的识别模型进行训练，展示了人工智能可以与人类一样准确地评估肢体语言和情绪。研究运动员情

🔍 这项研究引发了关于伦理问题的人员人工讨论，需要明确相关法律和道德问题。识别

CSS站长资源(ChinaZ.com) 6月6日 消息:据外媒报道，研究运动员情德国卡尔斯鲁厄理工学院（KIT）和杜伊斯堡 - 埃森大学的人员人工研究人员利用计算机辅助神经网络成功识别出网球比赛中运动员的情绪状态。这项研究首次使用实际比赛数据对基于人工智能的识别模型进行训练。

该研究发表在《基于知识的研究运动员情系统》期刊上，论文名为《利用卷积神经网络从网球运动员的人员人工表达行为识别情绪状态》。研究人员来自 KIT 的识别体育与运动科学研究所以及杜伊斯堡 - 埃森大学的软件开发和计算机科学领域。他们开发了一个特殊的研究运动员情人工智能模型，利用模式识别程序分析了实际比赛中记录的人员人工网球选手的视频。

研究人员使用了15名网球选手在特定场景下的识别视频序列，重点关注他们在赢得或输掉一分时的肢体语言。视频显示选手的肢体语言包括低头、举起手臂欢呼、挂着球拍或步行速度的差异，这些信号可以用来识别选手的情绪状态。在获取这些数据后，人工智能学习将肢体语言信号与不同的情绪反应联系起来，判断一分是否被赢得（积极的肢体语言）或输掉(消极的肢体语言)。KIT 的体育与运动科学研究所的 Darko Jekauc 教授表示:“我们的模型可以以高达68.9% 的准确率识别情绪状态，这与人类观察者和早期自动化方法的评估相当甚至有时更优秀。”

这项研究的一个重要而独特的特点是项目团队使用真实场景而不是模拟或虚构的情况来训练他们的人工智能系统。然而，这项研究也引发了一些伦理问题。研究不仅展示了人工智能算法在识别情绪方面可能超过人类观察者的能力，还揭示了一个有趣的方面:无论是人类还是人工智能，在识别负面情绪方面都更加准确。“原因可能是负面情绪更容易识别，因为它们以更明显的方式表达出来，”Jekauc 教授解释道。“心理学理论表明，人们从进化的角度更适应于感知负面情绪表达，例如，快速化解冲突对于社会凝聚力至关重要。”

研究人员认为情绪识别可以在多个领域应用，例如改进训练方法、团队动力和表现以及预防过劳。其他领域，包括医疗保健、教育、客户服务和汽车安全等，也可以从可靠的情绪状态早期检测中受益。“尽管这项技术提供了显着的好处，但也必须考虑与之相关的潜在风险，尤其是涉及隐私和数据滥用的问题，”Jekauc 教授说道。“我们的研究严格遵守现有的伦理准则和数据保护法规。鉴于将来这种技术在实践中的应用，提前明确伦理和法律问题至关重要。”

(责任编辑：资讯)