基于机器视觉识别的户外环境情绪感受测度研究

良好的户外环境有利于改善人群身心健康,环境中个体情绪感受的实时测度能客观反映人群对户外环境品质的满意程度,但目前应用于户外环境中的情绪感受测度方法还较少,且无法在场地面积大、样本量较多的情境下实现大范围的高效测度。人工智能领域的机器视觉识别可通过视频数据实现对动态面部表情特征的准确识别,使得开展高精度、长周期的户外环境情绪感受测度成为可能。本文以城市社区广场环境为实证实验场地,基于卷积神经网络算法模型,同步收集人群在户外环境体验时的面部视频数据和皮电数据,训练生成和检验测试可判别户外环境中个体面部情绪的深度学习算法模型——编解码器-SVM优化模型,并在街头绿地环境中展开拓展实验检验模型可靠性。研究结果表明:1)实证实验和拓展实验中的人群情绪感受测度准确度分别达到82.01%、65.08%;2)拓展实验证实该算法模型具备推广应用潜力;3)模型对于人群行为丰富、视野开阔的空间更具适用性。因此,基于机器视觉识别的户外环境情绪感受测度将有助于在场地面积较大、样本量较多的情境下揭示人群在环境体验中的心理状态,提升景观品质优化策略的有效性,同时也将为存在沟通或阅读障碍的特殊人群的情绪感受识别提供技术支撑,有望推动智慧城市建设的精细化转型。