我们能根据动作来解释情感吗？如何利用经验方法外部分析情感？为了解决这些问题，由德国马克斯·普朗克经验美学研究所（MPIEA）领导的一个多元国际研究团队创建了一种全面的科学方法。通过利用运动捕捉等技术，研究人员开发了EMOKINE软件，以量化情感运动的客观运动学方面。这些发现最近发表在《行为研究方法》杂志上。
一位专业舞者被指示通过在绿幕前进行短舞蹈表演来传达各种情感——愤怒、满意、恐惧、快乐、中立和悲伤。为了将这些动作转换为数据，研究人员使用了运动捕捉技术，舞者穿着一套嵌入了17个传感器的服装。研究人员使用电影相机记录了动态身体动作，提取了运动参数，然后编程EMOKINE软件以轻松分析和呈现这些参数。
利用计算机跟踪分析全身运动
从一组舞蹈试验数据集中提取了32个统计数据，这些参数包括速度、加速度和肢体收缩等。
来自MPIEA的首席作者朱莉亚·F·克里斯滕森提到：“我们明确了12个情感全身运动的运动学特征，以前这些特征是分开研究的，现已将它们纳入EMOKINE软件中。”
客观运动追踪在各个领域越来越受欢迎，因为它提供了对个人意图、情感和心理状态的洞察。然而，基于理论的方法对于从这些数据中得出有意义的结论至关重要。
来自马克斯·普朗克智能系统研究所的共同第一作者安德烈斯·费尔南德斯强调：“这项研究展示了艺术、心理学和计算机科学如何有效合作，开发研究人类认知的方法。”
该软件包的方法，利用舞蹈动作探索情感，区别于先前常用情感动作视频（如手势或步态）的方式。
资深作者、歌德大学教授杰玛·罗伊格对该项目表示兴奋，称：“这项工作涉及来自心理学、神经科学、计算机科学、经验美学、舞蹈和电影等多个学科的专家，标志着一个重要的里程碑。”
开源软件包的可用性
EMOKINE已在ZENODO和GitHub上发布，并且通过微调可适应其他运动捕捉系统，使其成为分析舞者、艺术家和日常动作中情感表达的有价值工具。
研究人员预期EMOKINE将在实验心理学、情感神经科学和计算机视觉等领域应用，特别是在人工智能驱动的视觉媒体分析中，帮助理解身体运动中的运动学参数如何向观察者传达意图和情感。
