杨钟亮，陈育苗

(1. 东华大学 机械工程学院， 上海 201620； 2. 东华大学 服装·艺术设计学院，上海 200051)

1872年达尔文[1]指出非口语线索是人类信息交流的基础。体态语言主要通过非口语线索传达情感状态，占人类信息交流的55%[2]。其中，表情、头部运动和姿势是体态语言情感表达的主要形式[3]。

近年来，体态语言的情感识别已成为人机交互的研究热点[3]。大量的研究集中在如何有效识别高兴、悲伤、吃惊、恐惧、愤怒和厌恶这6种基本情感[4]。除基本情感外，人的情感还包括如同意、不同意，思考与兴趣等社会态度，在日常生活中的发生频率远远高于6种基本情感[5]。其中“同意”与“不同意”被视为最常见的社会态度之一，由点头与摇头这2种典型的头部体态语言表达[6]。同表情与姿势相比，头部运动能够灵活、准确和自发地传递人的情感与态度，几乎完全是潜意识的[7]。本文针对头部体态语言表达的“同意”与“不同意”情感态度进行识别。常用的方法主要基于计算机视觉[8]，但识别结果依赖图像和视频的质量，易受相机视角、背景与光照等环境因素的影响[9]。

由于表面肌电(surface electromyography，sEMG)在一定的程度上能反映神经肌肉的活动[10]，近年来被视为人机交互的一种新兴输入源[11]，已在手势[12]与表情[13]等体态语言识别中取得了一定进展。与计算机视觉的方法相比，该方法具有感知动作直接、检测动作敏感等优点，受到角度与距离的影响较小，能提供非视觉线索[9,12]。然而，有关头部体态语言sEMG识别的文献很少，可能的原因在于头部体态语言的表达与颈部肌肉活动密切相关，但头-颈运动系统具有高度复杂性[14]，有关颈部肌肉正常活动与肌力变化缺乏系统研究[15]。……