TexonMask：使用商品口罩上的纺织电极进行面部表情识别

文献标题

TexonMask: Facial Expression Recognition Using Textile Electrodes on Commodity Facemasks

文献信息

• 主题领域: 可穿戴设备、嵌入式人机交互、情感识别
• 关键词: 面部表情识别、嵌入式交互、电容传感、纺织电极、口罩、可穿戴设备、边缘计算

研究背景与问题

• 问题与挑战:

  1. 佩戴口罩阻碍面部表情的观察，削弱情感交流。
  2. 面部遮挡会降低交流中信任感和同理心，甚至对患有认知障碍或听力障碍的人有更显著的负面影响。
  3. 现有的面部表情识别方法（如摄像头或贴片电极）要么引发隐私问题，要么不适合日常生活。

• 重要性: 表情是非语言沟通的重要元素，尤其在疫情背景下，如何在佩戴口罩的情况下有效传达情绪变得尤为重要。

• 研究动机: 针对传统方法的局限性，构建一种轻量化、日常使用友好的可穿戴设备，增强面部表情传达并支持相关的人机交互应用。

解决方案

• 核心方法: 使用纺织电极阵列嵌入普通口罩，通过电容传感技术捕捉面部肌肉运动，结合边缘计算和轻量化机器学习模型进行表情识别。

• 创新之处:

  1. 将电极设计与商业口罩无缝结合，不影响口罩的外观与过滤性能。
  2. 系统支持实时表情识别，准确率可达90%以上，且实现了低计算资源占用的边缘设备运行。
  3. 提出“在线表情反馈 (LiveEmoji)”应用，用于面对面与线上交流，增强社交体验。

• 实施步骤:

  1. 电极设计与安装：在口罩表面布置8×15矩阵的纺织电极并进行手工缝制。
  2. 硬件方案：使用微控制器与电容多点触控模块进行信号采集。
  3. 信号处理与模型训练：背景信号归一化后，利用线性支持向量机（SVM）分类器进行训练，分为个性化模型和跨用户模型。
  4. 应用展示：
     • 在线交流中，通过屏幕显示实时表情的LiveEmoji。
     • 面对面交流时，通过挂在脖子上的LED矩阵显示表情。

研究成果

• 具体成果:

  1. 利用个性化模型（每种表情仅需6个数据点训练），准确率达90%，并在多次使用间保持稳定。
  2. 增加训练数据后，准确率可提高至95%。

• 优势比较:

  1. 与基于摄像头的方案相比，避免了隐私问题和特殊光照环境约束。
  2. 相较传统传感器，TexonMask灵活、轻便且舒适日常穿戴，同时可洗涤。

• 实验与评估:

  1. 通过两轮用户研究，验证了个性化模型的鲁棒性，但跨用户分类器准确度（~70%）不理想，需进一步改进。
  2. 技术评估表明，系统在不同电极密度和感测场景下表现稳定。

• 局限性与未来方向:

  1. 个性化训练要求用户提供少量训练数据（尽管需求较低）。
  2. 表情识别在不同用户间表现差异大（需更广泛的用户多样性训练）。
  3. 未来探索：
     • 结合深度学习改进模型性能。
     • 研究面向隐式情感识别的连续表情分析。
     • 扩展电极操作至口罩以外的其它日常穿戴形式（如耳机、头巾）。
     • 改进电极的制造工艺，支持量产与更大规模用户测试。

该研究在增强情感传达和嵌入式交互领域提供了宝贵的技术与应用参考，同时展现了面向疫情后常态的人机交互技术的创新潜力。