Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Behavior

관능 평가를위한 데이터 수집 및 자동화 표정 분석 기술에 대한 분석 응용 및 시간적 분석을위한 프로토콜

doi: 10.3791/54046 Published: August 26, 2016

Summary

자동화 표정 분석 소프트웨어를 사용하여 관능 평가 실험실에서 음료 및 액상 식품에 인구의 감정적 반응을 캡처 및 통계적 분석을위한 프로토콜을 설명한다.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

자동 얼굴 표정 분석 (AFEA)는 음료 및 음식에 대한 감정적 인 반응을 특성화하기위한 전향 적 분석 도구입니다. 기존의 감각 과학 방법론, 식품 평가 사례 및 쾌락 규모의 평가에 여분의 차원을 추가 할 수 있습니다 감정적 인 분석은 일반적으로 연구 및 산업 설정에서 모두 사용했다. 감정 분석은 식품 및 음료에 대한 더 정확한 응답을 알 추가적인 측정을 제공 할 수있다. 반응 1을 기록 오류로 인해 쾌락 점수는 참가자 바이어스를 포함 할 수있다.

AFEA 연구는 컴퓨터 게임, 사용자 행동, 교육 / 교육학과 공감과기만에 심리학 연구 등 많은 연구 응용 프로그램에서 사용되어왔다. 대부분의 식품 관련 연구는 식품의 품질과 음식 인간 행동에 대한 감정적 반응의 특성에 초점을 맞추고있다. 음식의 행동에 대한 통찰력을 얻고있는 최근의 추세, 문학 보고서의 성장 몸은 AFEA의 사용식품, 음료 및 냄새 물질 1-12과 관련된 인간의 감정적 반응의 특성을합니다.

AFEA는 얼굴 액션 코딩 시스템 (FACS)에서 파생됩니다. 얼굴 동작 코딩 시스템 (FACS)를 5 점 강도 스케일 (13) 상에 작용 유닛 (AUS)을 특징으로 얼굴의 움직임을 구별한다. FACS 접근 방식은 훈련 된 리뷰 전문가, 수동 코딩, 중요한 평가 시간을 필요로하며, 제한된 데이터 분석 옵션을 제공합니다. AFEA 감정을 결정하기 위해 빠른 평가 방법으로 개발되었다. AFEA 소프트웨어는 감정적 반응 14-18의 특성을 얼굴 근육의 움직임, 얼굴 데이터베이스, 알고리즘에 의존합니다. 본 연구에 사용 된 AFEA 소프트웨어는 감정적 인 표정 사진의 바르샤바 세트 (WSEFEP)과 0.70의 표준 계약에 가까운 (ADFES) 설정 암스테르담 동적 얼굴 표정, 모두에서 평균 0.67 합의의 "FACS 지수에 도달 수동 코딩 "19 20 표명했다. 또한, 심리학 문헌은 무서워하고, (멀리 혐오 자극에서) 21 "철수"감정으로 혐오, 행복 놀라게하고 화가 "접근"감정 등 (자극 방향)과 슬픈이 포함되어 있습니다.

식품과 관련된 감정을 특성화에 대한 현재 AFEA 소프트웨어 중 하나 제한은 씹는과 삼키는뿐만 아니라 극단적 인 머리의 움직임과 같은 다른 총 모터 동작과 관련된 안면 운동의 간섭이다. 이 소프트웨어는 얼굴 16, 17에 500 개 이상의 근육 포인트를 기준으로 작은 얼굴 근육의 움직임, 관련 위치 및 운동의 정도를 목표로하고있다. 씹는 운동 식의 분류를 방해합니다. 이 제한ATION은 액상 식품을 사용하여 해결 될 수있다. 그러나, 다른 방법의 어려움은 또한 데이터 수집 환경 기술 연구원 설명서, 참가자 행동 및 참가자 속성을 포함한 비디오 감도 AFEA 분석을 감소시킬 수있다.

표준 방법론을 개발하고 최적의 비디오 캡처 및 관능 평가 실험실 환경에서 음식과 음료에 대한 감정적 반응에 대한 AFEA를 사용하여 데이터 분석을 위해 확인되지 않았습니다. 여러 측면 조명 참가자 방향 참가자 동작 참가자 높이이며, 또한, 카메라 높이 카메라, 낚시 및 장치 설정으로 인한 그림자 조명을 포함하는 비디오 캡쳐 환경에 영향을 미칠 수있다. 또한, 데이터 분석 방법론은 상충하는 감정적 반응을 평가하는 표준 방법이 부족하다. 여기, 우리는 (음료를 사용하여 의미있는 결과로 감정적 인 데이터 처리 데이터를 캡처에 대한 우리의 표준 운영 절차를 시연 할 예정이다맛 우유, 평가 향이 우유와 향이 물). 우리의 지식 하나의 피어 검토 출판에, 우리의 실험실 그룹에서, 감정 분석 8 데이터 해석에 대한 시계열을 이용하고있다; 그러나,이 방법은 우리의 표시 방법에 대해 업데이트되었습니다. 우리의 목표는 관능 평가 실험실 설정에서 재현성을 돕는 개선 된 일관된 방법을 개발하는 것이다. 데모를 들어, 연구 모델의 목적은 AFEA는 맛 우유, 향이 우유와 향이 물 기존의 쾌락 수용 평가를 보완 할 수 있는지 평가하는 것입니다. 동영상 프로토콜의 목적은, AFEA 방법론을 확립 도와 관능 평가 실험실에서 비디오 캡쳐 조건 (감각 부스 설정) 표준화, 및 모집단의 시간적 감정 데이터 분석을위한 방법을 도시한다.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

윤리 진술 : 본 연구는 이전에 프로젝트를 시작으로 버지니아 공대 임상 시험 심사위원회 (IRB) (IRB 14-229)의 사전 승인을했다.

주의 : 인간 대상 연구에 참여하기 전에 동의가 필요합니다. 정지 또는 비디오 이미지의 사용을위한 IRB 승인, 동의 외에도 인쇄, 비디오 또는 그래픽 영상에 대해 어떤 이미지를 해제하기 전에 필요합니다. 또한, 식품 알레르겐은 테스트 이전에 개시되어있다. 그들이 어떤 편협, 알레르기 또는 다른 문제가 있으면 참가자들은 패널 시작하기 전에 묻는 메시지가 표시됩니다.

참고 : 제외 기준 : 자동화 된 표정 분석은 두꺼운 프레임 안경, 크게 수염이 얼굴과 피부 톤에 민감합니다. 이러한 기준이 참가자로 인해 실패 비디오의 위험 증가에 소프트웨어 분석과 호환되지 않습니다. 이것은 얼굴을 찾을 수있는 소프트웨어의 무능력에 기인한다.

1. 샘플 준비 및 참가자 모집

  1. 음료 또는 소프트를 준비음식 샘플.
    1. 코스텔로와 클라크 (2009 년) 22에서 2 % 우유를 이용하여 유제품 솔루션을 강화하고 제안 맛뿐만 아니라 다른 맛을 준비합니다. 다음과 같은 솔루션을 준비한다 : (1) 향이 우유 (2 % 감소 지방 우유); (2) 향이 물 (식수); 우유 (3) 바닐라 추출액의 맛 (0.02 g / ㎖) (모방 분명 바닐라 맛); 우유 (4) 짠 맛 (g / ㎖ 요오드 소금 0.004).
      참고 :이 솔루션은 데모 용으로 만 사용됩니다.
    2. 이온스에 각 솔루션의 절반 온스 씩 (~ 15g)을 따르십시오. 색상 코드 뚜껑 투명 플라스틱 샘플 컵과 모자.
      참고 : 투명 컵을 사용하는 것이 좋습니다; 그러나, 본 연구자의 판단에 달려있다.
  2. 캠퍼스 또는 지역 사회에서 모집 참가자들은 연구에 참여한다.
    참고 : 연구에 필요한 참가자 표본의 크기가 연구자의 판단에 달려있다. 우리는 10 ~ 50 참가자의 범위를 권장합니다. 이전 연구에 참여하는 피험자의 동의를 얻습니다.

비디오 캡처 용 패널 룸 2. 준비

참고 :이 프로토콜은 관능 평가 실험실에서 데이터 캡처를위한 것입니다. 이 프로토콜은 감각 부스 설정에 대한 AFEA 데이터 캡처 유용하게하는 것입니다.

  1. 앞으로 자신의 초점을 유지하고 아래를 내려다 보면서 방지하기 위해 그들 (페이스 레벨)의 전면에 터치 스크린 모니터와 함께 개별 부스를 사용합니다.
  2. 다시 지원 높이 조절 의자를 사용합니다.
    주 : 이들 참가자 수직 조정 비디오 캡처를위한 적절한 범위에 배치 할 수 있도록하기위한 필수적이다. 참가자의 움직임이 감소되도록 조정 다시 높이를 지원하는 고정 의자 (더 롤링 기능)를 사용합니다.
  3. (; R = 206, G = 242, B = 255 발광체 6504K) 최적의 얼굴 감정적 비디오 캡처에 대해 "100 % 일광"에서 오버 헤드 조명을 설정합니다.
    참고 : 강한 음영을 방지하기 위해, 확산 정면 조명 IDE입니다알은 빛의 강도 나 색상은 20 관련이 없습니다있다. 궁극적으로 캡처 조명을 제어하는​​ 연구자 개별 프로토콜 / 방법론 및 환경의 재량에 달려있다.
  4. 녹음을위한 터치 스크린 모니터 위의 조정 카메라를 부착합니다.
    1. 적어도 640 x 480 픽셀 (또는 그 이상) (20)의 해상도로 카메라를 사용합니다. 구입 및 설치 20 전에 소프트웨어 공급 업체에 필요한 카메라 기능에 대해 설명합니다. 주 : 종횡비가 20 중요하지 않다.
    2. 일관성을 위해 두 번째 (또는 다른 표준 속도) 당 30 프레임 카메라 캡처 속도를 설정합니다.
    3. 연결 기록 소프트웨어를 기록하고 참가자의 비디오를 저장하는 카메라에 설정되어있는 미디어를 확인합니다.

3. 참가자 조정 및 구두 지시

  1. 한 번에 하나의 참가자가 감각 부스에서 샘플을 평가해야합니다.
    참고 : 이상 테스트동시에 하나의 참가자는 테스트 환경을 방해 참가자의 농도를 방해하거나 바이어스를 생성 할 수있다.
  2. 도착 후, 참가자들에게 공정 및 표준 운영 절차에 대한 언어 적 지침을 제공합니다.
    1. 참가자 똑바로과 의자의 뒤쪽에 앉아 있습니다.
    2. 참가자의 얼굴이 턱 또는 눈 주위에 그림자, 녹화의 중심에서 캡처되도록 의자 높이, 의자 (카메라에서의 거리)의 위치, 카메라 각도를 조정합니다.
      참고 : 감각 부스에서 참가자의 머리는 대략 20 - 이십사인치 멀리 카메라와 카메라 비디오 피드 중앙에있는 얼굴을 가진 모니터에서.
    3. 위치 및 모니터 디스플레이를 향 중심으로 지시 참가자 장착 상태를 유지합니다. 또한, 샘플 당 30 초 평가 기간 후 샘플 소비 갑작스런 움직임을 자제 참가자를 지시합니다. 전체 음료 또는 액화 식품 샘플을 소비하고 삼킬 수있는 참가자를 지시한다.
    4. 샘플이 입안에 후 신속하게 바로 테이블에 턱 아래 및 아래 샘플 컵을 이동하는 참가자를 지시한다. 이 얼굴 폐색을 제거한다. 모니터를 향해 찾고 유지하도록 상기시킨다.
      참고 : 샘플을 제공하는 샘플 캐리어는 연구자의 판단에 달려있다. 짚이나 컵에 사용될 수있다. 얼굴이 폐색 또는 소비로 인해 왜곡 될 수 있기 때문에 관계없이, 초기 얼굴 폐쇄가 불가피하다.
  3. 그들은 터치 스크린 모니터에 나타나는 지침을 따르 참가자를 지시한다. 참고 : 자동화 된 감각 소프트웨어로 프로그래밍으로 지침이 자동으로 순서가된다.

비디오 캡처 4. 개인 참가자 프로세스

  1. 참가자가 장착되는 동안 확인 비디오 카메라가 최적 참가자의 얼굴을 캡처편안 (샘플 프레젠테이션 전에) 부스에서 비디오 캡쳐 표시되는 컴퓨터 모니터를 보면서. 컴퓨터 모니터에 기록 버튼을 클릭하여 녹음을 시작합니다.
  2. 자신의 미각을 정화 물을 마시 참가자를 지시한다.
  3. 기준 또는 제어 처리 (향이없는 물)부터 시작하여 한 번에 처리에게 하나를 제공합니다. 동영상 내의 샘플 처리 식별 샘플 컬러 코드와 관련된 각각의 샘플의 상부에 배치 된 독특한 컬러 인덱스 카드 각각의 샘플을 식별한다.
    참고 : 터치 스크린 모니터에 프로그램 된 지침 참가자를 지시합니다. 명령들은 각 처리 샘플 표준화 일련의 단계를 통해 학습자 지시.
  4. 터치 스크린 모니터를 통해, 참가자에 직접 :
    1. 비디오에서 샘플 확인을위한 관련 색상 색인 카드 프리 소비를 잡으십시오.
      주 : 컬러 카드 방식 연구자 동영상 A의 치료를 식별 할 수있다ND 샘플 평가를위한 적절한 시간 프레임 (0시)을 표시한다.
    2. 간단히 카드를 들고 한 후, 다시 트레이의 카드를 놓습니다.
    3. 카메라를 향해 직면하면서 완전는 샘플을 소비하고 모니터의 프로그램 안내를 통해 강제 약 30 초를 기다립니다.
      참고 : 30 초 제어 샘플링주기는 전체 샘플링 평가 기간 동안 적절한 시간 범위를 포함한다 (즉, 인덱스 카드를 보여주는 샘플 (뚜껑을 제거), 소비, 감정적 캡처 개방).
    4. 약간 같은, 1 = 매우, 2 = 아주 많이, 3 = 적당히 싫어 싫어 싫어 (터치 스크린 모니터에 자신의 쾌락 수용 점수를 입력, 4 = 싫어하는 약간, 5 =도 같은도 싫어하는 6 = 적당히을 추천 = 8 = 같은 아주 많이, 9 =) 매우있다.
    5. 다음 샘플 프로세스 전에 물을 마시는 입을 씻어.

5. 자동 얼굴 표정 분석 옵션 평가

주 : 많은 표정 분석 소프트웨어 프로그램이 존재한다. 소프트웨어 명령과 기능이 다를 수 있습니다. 이는 제조업체의 사용 지침을 따라 수동 (20)을 참조하는 것이 중요합니다.

  1. 미디어 형식으로 기록을 저장하고 자동 얼굴 표정 분석 소프트웨어로 전송합니다.
  2. 자동 안면 분석 소프트웨어를 이용하여 참가자 비디오를 분석한다.
    1. 컴퓨터 바탕 화면에 소프트웨어 아이콘을 두 번 클릭합니다.
    2. 프로그램이 열리면 "... 프로젝트", "파일"을 클릭 선택 "새 ..."선택
    3. 팝업 창에서 프로젝트 이름을 지정하고 프로젝트를 저장합니다.
    4. (A (+) 기호 사람)은 "참가자 추가"아이콘을 클릭하여 프로젝트에 참가자를 추가합니다. 이상의 참가자가이 단계를 반복함으로써 첨가 될 수있다.
    5. 분석을 위해 각 참가자에게 참가자의 비디오를 추가합니다.
      1. 화면 좌측에 필름 릴 (Wi)의 아이콘을 클릭플러스 (+) 기호 번째 동영상을 분석하기 위해 추가 할 수 있습니다.
      2. 추가 할 비디오를 찾아 관심있는 참가자 아래에있는 "돋보기"를 클릭합니다.
  3. 소프트웨어의 지속적인 교정 분석 설정에서 동영상을 프레임 단위를 분석합니다.
    1. 각 참가자의 동영상의 '설정'탭에서 창 하단의 설정을 조정하려면 연필 아이콘을 클릭합니다.
      1. 일반에 "얼굴 모델"을 설정합니다. Yes (예)로 "부드럽게 분류"를 설정합니다. 모든 프레임 설정 "샘플 레이트".
      2. Yes (예)로 호 설정을 "이미지 회전" "연속 교정"을 설정합니다. 없음 "선택한 교정"을 설정합니다.
    2. 프로젝트 설정을 저장합니다.
    3. 프로젝트 비디오를 분석하기 위해 배치 분석 아이콘 (동일한 빨간색과 검은 색 대상과 같은 기호)를 누르십시오.
    4. 분석이 완료되면 결과를 저장합니다.
      참고 : 다른 비디오 설정이 researc 경우 소프트웨어에 존재그녀의 취향은 다른 분석 방법을 보증합니다.
    5. 심각한 얼굴 폐색 또는 얼굴을 매핑 할 수없는이 지정된 후 소비 창 (그림 1) 동안 지속되면 동영상의 실패를 고려한다. 또한, 모델은 데이터를 내 보낸 출력 파일의 "FIT_FAILED"또는 "FIND_FAILED"(그림 2) 말할 것이다 실패 할 경우. 소프트웨어가 분류 또는 참가자의 감정을 분석 할 수 없기 때문에이 손실 된 데이터를 나타냅니다.
      참고 : AFEA 각 감정에 대해 (완전 표현) 0에서 1로 규모, 중성 행복, 혐오, 슬픔, 분노, 깜짝 무서워 (표시되지 않음) 얼굴 근육의 움직임을 변환합니다.
  4. 추가 분석을 위해 로그 파일 (.txt)로 같은 AFEA 데이터 출력을 내 보냅니다.
    1. 분석이 완료되면, 전체 프로젝트를 내보낼 수 있습니다.
      1. "파일", "수출", "수출 프로젝트 결과"를 클릭합니다.
      2. 창이 열리면 수출 수오 곳의 위치를​​ 선택LD는 저장 폴더에 로그 파일 (.txt 인)에 저장 될 수있다.
      3. 데이터 스프레드 시트에 각 참가자 로그 삶 변환 (.CSV 또는 .XLSX) 관련 데이터를 추출 할 수 있습니다.
        1. 오픈 데이터를 스프레드 시트 소프트웨어와는 "데이터"탭을 선택합니다.
        2. "데이터"탭에서 "외부 데이터 가져 오기"그룹에서 "텍스트에서"를 클릭합니다.
        3. "주소 표시 줄"에서 찾아 가져올 참여자 텍스트 파일을 두 번 클릭하고 화면 마법사의 지시에 따릅니다.
        4. 모든 관련 참여자 파일을 내보내기 프로세스를 계속합니다.

데이터 분석 6. 타임 스탬프 참가자 비디오

  1. AFEA 소프트웨어를 사용하여 수동으로 각 참가자의 비디오를 검토하고 각 샘플에 대한 사후 소비 시간 제로를 식별합니다. 데이터 스프레드 시트의 타임 스탬프를 기록합니다. 샘플 컵 OC 더이상 참가자의 턱 아래 없을 때 이후 소비 정의얼굴을 cludes.
    참고 : 타임 스탬프의 위치는 평가를위한 중요합니다. 컵 더 이상 얼굴을 폐색 점은 최적의 추천과 타임 스탬프는 모든 참가자 일치해야합니다.
  2. 동영상에서 관련 데이터를 추출하기위한 기준으로 (.csv)로 타임 스탬프 데이터를 스프레드 시트를 저장합니다.
    참고 : 참가자의 동영상은 "이벤트가 표시"로 소프트웨어에서 내부적으로 코딩 할 수있다.

7. 시계열 감성 분석

참고 : 컨트롤 (이 예에서는 즉, 향이없는 물)되도록 "기준"을 고려한다. 연구자는 다른 "기본 치료 자극"또는 조사의 이익에 따라 쌍 비교를위한 "자극없이 기준 시간"을 만들 수있는 능력을 보유하고 있습니다. 이 방법은 한 쌍의 통계 시험을 사용하여 "기본"상태의 계정을 제안 하였다. 즉, 프로 시저가 차단 통계를 사용한다 (즉,페어링 시험) 각 참가자의 기본 모양을 조정하기 때문에 참가자에 걸쳐 변화가 줄어 듭니다.

  1. 내 보낸 파일 (.CSV 또는 .XLSX)에서 관련 데이터를 추출합니다.
    1. 연구 평가 (초)에 관련된 시간 프레임을 확인합니다.
    2. 수동으로 참가자 타임 스탬프 (시간 제로) 컨설팅 보낸 참가자 파일에서 각각의 데이터 (기간)를 추출한다.
    3. 새로운 데이터 스프레드 시트의 선택 기간 (초) 각 참가자의 치료 데이터 (참가자 수, 치료, 원본 비디오 시간, 감정 응답) 감정 당 (행복, 중립, 슬픔, 분노, 놀란, 두려워하고 혐오) 컴파일 미래 분석 (그림 3)에 대한.
    4. 모든 참가자에 대해이 과정을 계속합니다.
  2. (각 참가자 치료 쌍에 대한 타임 스탬프 파일에서 해당 시간 제로를 확인하고 직접 비교를위한 진정한 시간 "0"비디오 시간을 조정 그림 5).
    참고 : 참가자 데이터 따라서 각 처리 "시간 제로는"다른 연속 비디오에서 수집 (: 13.5과 향이 우유 비디오 시간 제로 03 : 즉, 향이 물 비디오 시간 제로 02 15.4). 그림 4에서 다양한으로 인해 치료 감정적 반응 데이터의 직접 시간 비교를 위해 "00.0 0"또는 다른 표준 치료 시작 시간 "시간 제로"는 비디오 시간 재조정하고 시작하도록 재조정 될 필요가있다.
  3. 각 참가자, 감정 및 조정 시점의 경우, 한 쌍의 치료 (예를 들면, 향이 우유) 및 제어 처리 (예를 들면, 향이없는 물) 양적 감정적 인 점수의 압축을 풉니 다. 즉, 각 감정 (도 5)에 대한 응답의 참가자의 처리 및 제어 시계열을 정렬.
  4. 모든 참가자 정보 (참가자, 조정 시간, 한 쌍의 치료를 컴파일(예 향이없는 물, 향이 우유) 각 시점에서 (도 6).
    참고 : 아래 단계 손으로 페어링 윌콕스 시험 단계를 보여줍니다. 대부분의 데이터 분석 소프트웨어 프로그램은 자동으로 수행된다. 통계와 통계 분석 과정을 논의하는 것이 좋습니다.
  5. 샘플을 재설정하고 새로운 조정 비디오 시대에 부합되면, 직접 각 샘플의 감정 결과 및 제어 (향이없는 물) 참가자에 걸쳐 순차적 쌍 비모수 윌 콕슨 테스트를 사용하여 (그림 7) 사이에 비교합니다.
    참고 : 샘플의 새로운 시간 정렬이 오초 후 소비 기간 내에 직접 비교를 허용합니다. 페어링 관찰은 치료에 존재하지 않는다면, 그 시점에서 비교 참가자 놓는다.
    1. spreadshe 데이터를 사용하여 각 쌍의 비교 제어부 및 각 샘플 사이의 차이를 계산등 관리 소프트웨어.
      참고 : 비교 소프트웨어의 감정적 인 분석을 위해 선택한 프레임 속도에 따라 달라질 수 있습니다. 이 프로토콜은 5 초 (선택 기간)에 대한 초당 30 개별 비교를 보여줍니다.
      참고 : 사용 그림 7 열 및 절차에 대한 기준으로.
      1. 차이를 결정하는 제어 (예를 들면, 향이없는 물)의 값과 우유 (예 향이 우유)의 값을 뺀다. "치료의 차이"라는 제목의 새 열을 입력 "= (C2) - (D2)"의 데이터를 스프레드 시트 관리 소프트웨어에서 "C2는"제어 감정적 값이다 "D2"는 선택한 치료 감정적 값입니다. 모든 시점에 대해이 과정을 계속합니다.
      2. 처리의 차이의 절대 값을 계산한다. 새 열에서 데이터 스프레드 시트 관리 소프트웨어에서 "E2"는 치료의 차이입니다 "= ABS (E2)"를 입력합니다. 이 과정을 계속모든 시간을 가리 킵니다.
      3. 치료 차의 순위를 결정합니다. 새 열에서 데이터 스프레드 시트 관리 소프트웨어에 입력 "= RANK (G2를, $ G는 $ 2 : $ G $ 25 1)"여기서 "G2"는 절대 차이이며, "1", "상승"입니다. 모든 시점에 대해이 과정을 계속합니다.
      4. 스프레드 시트에 순위의 서명 순위를 결정합니다. 치료 차이가 음수 인 경우 음의 부호 (열 I)을 변경합니다.
      5. 순위 값의 I25) : I25, "> 0", I2 : I25) 및 음의 합 = SUMIF (I2 : I25, "<0", I2 양의 합 (= SUMIF (I2를 계산합니다.
      6. 시험 통계를 확인합니다. 시험 통계 절대치 하부 합이다.
      7. 관찰에 임계 값을 결정하기 위해 특정 시간 및 선택된 알파 값을 포함하는 번호를 사용 윌 콕슨 순위 체결 테스트 통계에 대한 통계 테이블을 참조.
      8. 시험 통계 작 으면 임계 값 t보다 거절그는 귀무 가설. 이 크면 귀무 가설을 받아 들인다.
  6. 귀무 가설이 거부 될 때 시간에 대한 관련 치료 그래프 (향이 물에 비해 즉, 향이 우유)에 결과를 그래프. 더 큰 감정 (그림 8)이있는 치료를 결정하기 위해 차이의 부호를 사용합니다.
    1. 스프레드 데이터 관리 소프트웨어, 존재 또는 의미없는 값을 이용하여 그래프를 생성한다.
      1. '삽입'탭을 클릭합니다.
      2. 선택 "라인"
      3. 오른쪽 그래프 상자를 클릭합니다.
      4. "데이터를 선택"을 클릭하고 화면을 선택하고 그래프 관련 데이터 (그림 8) 지시에 따라.
        주 : 샘플 또는 제어가 높고 중요한 곳 그래프는 감정 결과를 묘사합니다. 종속 그래프는 감정 방법 참가자의 감정을 분별할 수있는 능력을 가능하게하는 특정 시간 높다두 샘플 사이의 5 번째 시간에 걸쳐 진화.
        참고 : 통계와 통계 지원 관련성이 높은 데이터를 추출하는 것이 좋습니다. 통계적 부호화 개발 감정 결과를 분석 할 필요가있다.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

이 방법은 AFEA 데이터 수집을위한 표준 프로토콜을 제안한다. 제안 된 프로토콜 단계를 따라하는 경우, 사용할 수없는 감정 데이터 출력 가난한 데이터 수집의 결과 (그림 1) (그림 2 :; 왼쪽 사진)은 제한 될 수 있습니다. 이 잘못된 데이터 (그림 1)와 같이 로그 파일 (.txt 인)은 주로 "FIND_FAILED" "FIT_FAILED"등을 포함하는 경우 시계열 분석이 활용 될 수 없습니다. 또한, 상기 방법은 감정 프로파일을 설정하기 위해 시간 프레임을 통해 감정 데이터 출력의 두 가지 치료법 간의 직접 통계적 비교를위한 프로토콜을 포함한다. 시계열 분석은 시간에 따른 감정 추세를 제공 할 수 있고 쾌락 수용 결과로 부가가치 치수를 제공 할 수있다. 또한, 시계열 분석은 먹는 경험하는 동안 귀중한 시간 이상 감정적 인 수준의 변화를 표시 할 수 있습니다.

(그림 9) "약간 좋아"로 평가 하였다. 쾌락 결과는 우유 향이 우유, 향이 물과 바닐라 추출물 맛 사이의 수용의 차이가 없었다 것으로 추정. 놀라게 하였다 (p <0.025; 0-2.0 초), 이하 슬픈 하였다 (p <0.025; 2.0-2.5 초) 미만 중립 (P 그러나, AFEA 시계열 분석 향이 우유가 덜 혐오 (0 초 P <0.025)을 생성 표시 <0.025; ~ 향이 물을보다 3.0-3.5 초) 응답 (그림 10). 또한, 우유, 바닐라 추출물 맛은 5.0 초 (P <0.025) 덜 슬픈 전에 더 행복 식을 도입 하였다 (p <0.025; 2.0-3.0 5.0 초) 향이 물보다 (그림 11). 바닐라는 냄새로, 조건과 관련이있다 "편안한", "안심" "행복" "고요한"&# 34;. 복지 ","즐겁게 "23"깜짝 우유에 적절한 "24 짠 맛이 낮은 (P <0.05) 평균 쾌락 합격 점수 (적당히 싫어) (그림 9) 우유에 짠 맛을 가지고 더 혐오를 생성 향이 물보다 (p <0.025) 이상 (3.0-5.0 초) (그림 12). 강렬한 짠맛은 혐오와 관련, 25, 26를 놀라게하고있다. 그러나 일부 연구는 짠 맛, 27 얼굴 응답 (7)을 유도하지 않는 것을 주장했다 -29.

그림 1
차선의 데이터 캡처 그림 1. 예에 의한 AFEA 소프트웨어가 FIT_FAILED 내 보낸 출력 파일 [원시 감정 데이터 응답 포인트의 손실의 결과와 참가자의 호환성에; 심각한 얼굴 폐색 또는 무능력 얼굴 persi를 매핑 할 때 FIND_FAILED]. 비디오 오류가 발생 지정된 후 소비 창 동안 STS. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2
때문에 참가자 소프트웨어 모델링에 그림 차선의 데이터 캡처 2. 예. 그림으로 인해 참가자 소프트웨어 모델링 호환성 및 감정적 반응 (A)를 결정하는 얼굴 매핑의 실패로 차선의 데이터 캡처를 제공합니다. 성공적인 맞는 모델링 및 참가자의 감정적 반응 (B)를 캡처 할 수있는 능력의 예. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

6fig3.jpg "/>
새로운 데이터 스프레드 시트에서 컴파일 추출 참가자의 데이터를 그림 3. 예. 참가자 데이터 (참가자 수, 치료, 원본 비디오 시간, 감정 응답) 감정 (행복, 중립, 슬픔, 분노, 놀란, 두려워하고 혐오 당 식별 ) 선택 시간 프레임 (초). 이 스프레드 시트는 이후의 분석을 위해 사용된다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4
그림 이후의 분석을 위해 컴파일 된 추출 참가자 데이터 4. 예. 추출 된 참가자 데이터 (A1과 B1) 컴파일 (A2와 B2), 그래프 (A3 및 B3)의 직접 비교를위한 시각적으로 정렬 (A4와 B4). 있다pective 시간 제로 제어 (A4 : 깜짝 향이 물)과 치료 (B4 : 깜짝 향이 우유) 놀란 감정 결과를 비교 표시됩니다. 이 예는 나타내고, 각 참가자 처리 쌍에 대한 타임 스탬프 파일에서 해당 시간 제로를 식별합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5
.. 조정 기간 추출 참가자 데이터도 5 실시 예는 추출 된 참가자 데이터가 "0 시간"참 (A1 및 B1)로 조정 기간이 표시되는 시간 조정은 제어 (A 사이의 직접적인 비교를 허용 : 놀란 향이없는 물) 및 치료 (B2 : 깜짝 Unfla vored 우유) (A2와 B2). 이 예는 나타내고, 각 참가자 처리 쌍에 대한 타임 스탬프 파일에서 해당 사실 "시간 제로"(조정)를 식별합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6
모든 참가자의 데이터를 컴파일하는 과정 그림 6. 예. 참가자, 조정 시간, 한 쌍의 치료 (예를 들면, 향이 물과 향이 우유) 각 시점에서이 통계 분석을 준비하기 위해 컴파일됩니다. 을 보려면 여기를 클릭하십시오 이 그림의 더 큰 버전.

에스 / ftp_upload / 54046 / 54046fig7.jpg "/>
도 7 데이터 스프레드 예 제어부 (향이없는 물) 특정 시점에서 참가자 걸쳐 윌 콕슨 테스트를 이용하여 처리 (향이 우유)를 비교. 도면은 각각의 샘플과 컨트롤의 감정 결과와 직접 비교 (향이없는 물을 나타낸다 ) 참가자에 걸쳐 비모수 윌 콕슨 테스트를 쌍으로 순차적를 사용. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 8
데이터 스프레드 시트의 그림 8. 예 (즉, 향이 우유 향이 물에 비해) 관련 치료 그래프에 결과를 경우 (P <0.025) 그래프입니다. 순차적 결과가 participa에서 비모수 윌 콕슨 테스트를 쌍국세청은 귀무 가설이 거부되는 시간에 대한 그래프된다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 9
그림 9. 수용을 의미 향이 물 (쾌락) 점수, 향이 우유, 수용 가능성은 9 포인트 쾌락 규모에 근거했다. 우유 음료 솔루션 우유와 짠 맛 바닐라 추출액의 맛 (1 = 싫어 매우, 5 =도 같은도 싫어, 매우 추천 =; 평균 ± 표준 편차) 1. 다른 첨자가 현저하게 (P <0.05)를 좋아 다를과 치료는 것을 의미한다. 향이 우유, 우유 향이 물과 바닐라 추출물 맛은 평균 수용의 점수 (p> 0.05)하지 달랐다와 "약간 좋아"로 평가 하였다. 우유에 짠 맛이 낮은 (P했다 <0.05)) 적당히 싫어 수용 점수 (의미한다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 10
그림은 향이 우유와 향이 물. 향이 우유와 향이 물 (베이스 라인) 사이의 연속 쌍 비모수 윌 콕슨 시험을 바탕으로 비교 5.0 초 이상 자동 얼굴 표정 분석 데이터에 대한 분류 감정의 10 시간 시리즈 그래프, 결과는 각각의 치료 그래프에 그려 치료 중간보다 높은 각각의 감정에 대한 큰 의미 하였다 (p <0.025) 인 경우. <(0.025 라인의 유무가 특정 시점 P)에서의 차이를 나타내는 없지만 중앙값이 높은 특정 시점 (0.025 라인의 존재는 중요한 차이점 P)를>를 나타낸다. 부재향이 우유 라인 (A)은 5.0 초 이상 향이 물 (P <0.025)에 비해 더 감정 분류를 알 수 없습니다. 슬픈 (녹색 선)이 약 2.5 초, 중성 (빨간색 발생 1.5 초 - 향이 물 (B)에서, 감정 결과는 놀라, 0 초에서 향이 우유 모서리 받침 혐오 (진홍 선)에 비해 (오렌지 라인) 0 사이에서 발생 라인) 약 3 발생 -. 3.5 초 (P <0.025)를 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 11
우유와 향이 물 (베이스 라인). 순차적에 근거에 바닐라 추출액의 맛을 비교 5.0 초 동안 자동 얼굴 표정 분석 데이터를 기반으로 분류 된 감정의 그림 11. 시계열 그래프 사이의 비모수 윌 콕슨 테스트를 쌍우유와 향이 물에 바닐라 추출액의 맛, 결과는 치료 중앙값이 높은 경우 각각의 치료 그래프에 그려 및 각 감정에 대한 큰 의미 하였다 (p <0.025)의. <(0.025 라인의 유무가 특정 시점 P)에서의 차이를 나타내는 없지만 중앙값이 높은 특정 시점 (0.025 라인의 존재는 중요한 차이점 P)를>를 나타낸다. 2.5 및 5 초 (녹색 선) (p <0.025) -. 우유 (A)에 바닐라 추출물 맛은 향이없는 물 (B)가 약 2 더 슬픈 표시하면서 5 초 (파란 선) 전 행복 보여줍니다 을 보려면 여기를 클릭하십시오 이 그림의 더 큰 버전.

그림 12
자동 얼굴 EXPRES에 따라 분류 된 감정의 그림 12. 시계열 그래프치료 중간이 더 높고 더의 경우 우유 향이 물. 우유 향이 물 (베이스 라인)에 짠 맛 사이의 연속 쌍 비모수 윌 콕슨 시험을 바탕으로 짠 맛을 비교 시온 분석 데이터 5.0 초 이상은, 결과는 각각의 치료 그래프에 그려 각각의 감정에 대한 유의 하였다 (p <0.025). <(0.025 라인의 유무가 특정 시점 P)에서의 차이를 나타내는 없지만 중앙값이 높은 특정 시점 (0.025 라인의 존재는 중요한 차이점 P)를>를 나타낸다. 오초 (레드 라인) (p <0.025 - 향이 물 (B)의 시작 (진홍색 라인)에서 혐오감과 2에서 더 많은 중성있는 동안 오초 (진홍색 라인) - 우유 (A)에 짠 맛이 3 상당한 혐오감을 가지고 ). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

음식 및 음료에 관한 문헌에서 AFEA 응용 프로그램은 1-11 매우 제한되어있다. 음식이 응용 프로그램은 방법론과 데이터 해석을 설정하기위한 기회를 만드는 새로운 기능입니다. Arnade는 (2013) 7 초콜릿 우유와 곡선 분석 및 분산 분석에 따라 영역을 사용하여 흰 우유에 개인의 감정적 반응 중 높은 개인의 다양성을 발견했다. 슬프고 화나게 짧은 시간 응답 7 있었을 때 그러나, 참가자의 변화와 함께, 참가자들은 더 이상 행복 응답을 생성합니다. 별도의 연구에서 기본적인 맛의 높고 낮은 농도를 사용하여, Arnade (2013) 7, 정서적 기본적인 맛 중 응답뿐만 아니라 기본적인 맛의 강도 (높고 낮은 강도)의 둘 사이의 수준의 차이가, 같은 유의하지 않았다 발견 예상함으로써 현재 AFEA 방법 및 데이터 분석의 정확성을 의심. 음식과 음료의 관능 평가는 복잡하고 다이나이다마이크 대응 프로세스 30. 시간적 변화는 경구 처리를 통해 잠재적으로 시간이 30 위에 자극의 수용에 영향을 미치는 따라서 삼키는 발생할 수 있습니다. 이러한 이유 때문에 유익 전체 먹는 경험할 평가자의 반응을 측정 할 수있다. 특정 경구 처리 시간은 31 (혀, 저작, 연하 등으로 초기 접촉)을 제안되었다, 그러나 아무도는 표준화되지 않습니다 및 시간은 프로젝트와 연구자의 ​​재량 (30)에 크게 의존한다.

제안 된 감정적 시계열 분석 감정 변화 제어 (향이없는 물) 각각의 치료 간의 통계적 차이를 검출 할 수 있었다. 또한, 수용과 관련된 감정적 프로필은 식품과 음료에 관련된 동작을 예측에 도움이된다. 결과는 일련의 동향 우유 맛에 관한 AFEA에 존재 구별 할 시간 (10도 보여 11, 12). 특성화 감정을 통합하여 인구에서 식품 수용 차별화의 시계열 분석 어시스트 (그림 10, 11, 12)뿐만 아니라 지원 쾌락 수용 동향 (그림 9). Leitch의 등. (8)는 시계열 분석 (5 초)를 사용하여 감미료 물 기준의 차이를 관찰하고, 또한 시계열 그래프의 이용 데이터 및 결과의 더 나은 해석 한 것으로 나타났습니다. 또한, 감정 변경 시간 감정적 반응 처리의 차이가 서로 다른 시점 또는 간격으로 결정될 수있다 통해 관찰 될 수있다. 예를 들어, Leitch의 등. 8은 접근 감정 (화가 행복 하 고 놀)는 인공 감미료 물 비교 사이에 관찰되었다하지만 5 초 관찰 창을 통해 서로 다른 시간에 관찰되었다 관찰. 하나,Leitch의 등. 팔 어려운 제어 (물) 및 그래픽 해석과 프리젠 테이션을 사용하여 치료 (단맛을 들이지 않는 차) 사이의 정서적 차이를 이해하고, 표현의 방향성을 설정하지 않았다. 본 연구에서 제시 수정 및 개선 시계열 분석 방법은 통계적으로 유의 한 차이 방향성 수 있습니다. 방향성 및 결과 플롯은 통계적으로 중요한 감정 변화가 선택한 기간에 걸쳐 발생하는 경우 연구자가 시각화 할 수 있습니다.

영상 분석 오류를 줄이는 것이 유효 데이터를 효과적으로 달성하고 시간과 인력 자원을 이용하여 필수적이다. 프로토콜의 중요한 단계 및 문제 해결 단계는 참가자 감각 환경 (등 조명, 비디오 카메라 각도, 의자 높이, 철저한 참가자 안내 지침) 최적화 등이 있습니다. 그들은 소프트웨어 Inc의에 해당하는 경우 또한, 참가자들은 상영 제외해야ompatibility 카테고리 (즉, 두꺼운 프레임 안경, 크게 수염이 얼굴과 피부 톤) (그림 2). 이러한 요인 AFEA에게 맞는 모델링 감정적 분류하고, 출력 된 데이터에 영향을 미칠 것이다. 참가자의 데이터 출력의 상당 부분이 "FIT_FAILED"및 "FIND_FAILED"구성된 경우, 데이터는 시계열 분석 (도 1)에 포함하기 위해 재평가한다. 이 잘못된 데이터 (도 1)와 같이 데이터 출력 로그 파일은 주로 "FIND_FAILED ''FIT_FAILED"등을 포함하는 경우 시계열 분석이 이용 될 수 없다. 인해 조명 설정을 얼굴에 그림자 것은 크게 열악한 비디오 컬렉션 결과 비디오 캡처 품질을 저해 할 수있다. 빛의 강도 나 색상이 20 관련이없는 동안 강한 그림자를 방지하기 위해, 확산 정면 조명이 이상적이다. 이 얼굴 (20)에 그림자를 홍보 할 수있는 강렬한 오버 헤드 조명이 감소한다. 뒤에서 어두운 배경참가자는 20을 권장합니다. 이 확산 일광 (20) 조명을 가지고 창 앞의 설정을 배치 ​​할 AFEA 소프트웨어 제조업체에서 권장합니다. 컴퓨터 모니터를 사용하는 경우에도,이 빛은 조명 및 음영 감소 (20), 사용자의 얼굴의 어느 한쪽에 배치 될 수있다. 또한, 전문 사진 조명은 바람직하지 않은 환경 (20) 조명을 중화하는 데 사용할 수 있습니다. 궁극적으로 캡처 조명을 제어하는​​ 연구자 개별 프로토콜 / 방법론 및 환경의 재량에 달려있다. 데이터 캡처 환경과 구입 및 설치하기 전에 소프트웨어 공급 업체와 도구를 논의하는 것이 좋습니다. 또한, 의자의 높이와 카메라 앵글은 각 참가자에 대해 개별적으로 조절하는 것이 중요하다. 참가자는 편안하지만 카메라가 바로 얼굴에 높이에 있어야한다. 얼굴에 카메라 각도를 줄이기위한 시도가 AF를 최적화하기위한 권장EA 비디오 캡처. 마지막으로, 그 샘플링 이전 참가자에게 구두 지시를 제공하는 것이 필수적이다. 비디오 캡처 동안 참가자의 행동으로 인해 얼굴 폐쇄, 운동, 카메라 회피에 데이터 수집을 제한 할 수있다.

연구에 필요한 참가자 표본 크기의 경우, 저자는 10 ~ 50 참가자의 범위를 권장합니다. 소수 거의 통계적으로 전원을 공급하지되지만, 적어도 2 참가자 시계열 분석을 위해 일반적으로 필요하다. 참가자 변동성이 높고,이 연구의 초기 단계에 표본 크기을 제공 할 지침이 없다. 표본 크기는 맛, 맛의 강도에 따라 다양하고, 치료 수용을 기대합니다. 작은 맛의 차이 샘플 이상의 참가자가 필요합니다. 30 초 제어 샘플링주기는 전체 샘플링 평가 기간 동안 적절한 시간 범위 (즉, 인덱스 카드를 보여주는 샘플 (뚜껑을 제거하는) 개방 CONSUMP을 포함기, 정서적 캡처). 전체 30 초 데이터 분석에 사용되는 것은 아니다. 이 지정 30초 캡쳐 시간의 장점은 연구자가 데이터 분석에 사용되는 적절한 평가 시간을 결정할 수있다. 30 초 시간 윈도우 코딩이나 동영상을 타임 스탬핑하는 동안 샘플 동영상 중 관심있는 시간 프레임을 선택하는데 도움을 수있다. 결국, 상기 시간 윈도우는 연구자의 판단에 달려있다. 우리의 예에서 우리는 5 초 샘플링 윈도우 후 소비를 사용했다. 샘플 컵 더이상 (턱에 컵)면을 폐색 할 때 또한, 본 방법은 시간 제로를 정의하지 않는다. 소비와 브리핑에 의한 샘플 컵 얼굴 폐쇄 변화하는 감정 사이의 시간을 줄이기 위해 매우 중요하다. 샘플이 혀와 접촉이 신뢰할 수없는 데이터입니다 만드는 초기 시간 샘플 컵 얼굴 폐색으로 인해 (그림 1 참조). 따라서, 컵 더이상면을 폐색 포인트는 최적이다 recommendatio엔. 타임 스탬프는 모든 참가자 일치해야합니다. 컬러 카드 연구자들은 비디오먼트를 확인하고 샘플을 평가하기위한 적절한 시간 프레임 (시간 제로)에 표시하기위한 편리한 방법이다. 색상 카드는 치료가 임의의 순서에있는 연속 비디오 샘플 식별의 추가 확인이 될 경우에 특히 유용합니다.

이 기술의 한계는 참가자의 얼굴에 방향 또는 피할 수없는 그림자를 수행 할 수 없습니다 참가자가 얼굴에 맞는 모델 실패 (그림 2)의 원인이 될 수 존재한다. 그러나 제안 된 중요한 단계는 완화하고 이러한 간섭을 줄일 수있는 방법을 제공합니다. 또한, 시계열 분석은 주로 "FIT_FAILED"및 "FIND_FAILED"(도 1)를 포함하는 파일에 로그 파일을 익스포트 읽을 것이다. 이러한 파일은 회수 할 수 없으며, 시계열 분석에 포함시킬 수 없다. 식품의 bevera 또한 소비GES 여전히 감정 분류를 왜곡하는 방법으로 얼굴의 구조를 변경할 수있다. 하드 또는 질기 음식은 폭 넓은 턱 운동이 필요합니다. 마시는 빨 및 관련 흡입의 사용은, 또한 얼굴 폐색 (짚)을 원인과 얼굴 (흡입)를 왜곡. 이러한 관찰은 우리의 실험실 연구에서 예비 데이터를 기반으로합니다. 소프트웨어 얼굴 모델은 씹는 (또는 흡입), 정서적 분류와 관련된 모터 식의 차이를 식별 할 수 없습니다. 음식 및 음료 샘플 안면 흡장 기회를보기 동영상 및 이미지보다 높다. 참가자들은 얼굴에 샘플을 가져오고 얼굴이 이렇게 소중한 감정 정보를 (그림 1 참조) 감소 잠재적으로 소프트웨어 모델을 방해로부터 컨테이너를 제거해야합니다. 앞서 언급 한 바와 같이, 감정 신속하고 짧은 시간 동안 일어난다. 이 감정을 포착하기 위해 상기 얼굴 폐색을 감소하는 것이 중요하다. 제안 된 methodol이 ogy 시간에 걸쳐 감정 기간이 감정적 패턴의 변화 및 ​​변경 사항을 찾기 위해 두 번째의 삼십분의 일에서 치료 비교를합니다. 제안 된 방법으로, 감정적 장수의 패턴이 중요하다. 불행하게도, 감정 분류 문제가 발생할 수 있습니다. 특히 행복하고 혐오 6, 9, 32, 33, 34을 분류하는 문제가있다. 종종, 이러한 현상은 "사회로 자신들의 불쾌감이나 놀 느낌 마스킹 참가자에 기인 될 수 있다고 6, 32, 33, 34 미소입니다 표시 규칙 "32. 또한, AFEA 소프트웨어 (분노와 혐오, 무서워, 중성 행복, 슬픔, 놀란) 일곱 감정적 카테고리로 제한됩니다. 보편적 인 감정과 분류의 현재 AFEA 분류는 식품 또는 음료의 자극에 응답 다를 수 있습니다보다 음식과 음료에 대한 감정적 반응은 더 복잡 할 수있다. 수동 코딩을 사용하여 FACS는 gustofacial하고 적용되어 기본 맛의 olfactofacial 반응과냄새의 구색과의 AU (32)에 관해서 치료 차이를 감지 할만큼 민감한 것으로 나타났다. FACS는 시간이 많이 걸리고 지루하고 매우이다, 그러나, 부재 또는 AU가 존재의 시간 응용 프로그램 AFEA가 제대로 또는 감정 결과는 예상치 못한 경우 분류하지 않을 수 있습니다 복잡한 응답을 지원하는 것이 유용 할 수 있습니다. 얼굴 분류 동시에 상당한 표정으로 발생하는 시계열 데이터를 수 있지만,주의 때문에 감정적 복잡성에 하나의 감정으로 번역 결과와 함께 사용되어야한다.

제안 된 방법론 및 데이터 분석 기술은 기타 음료 및 소프트 식품들에 적용될 수있다. AFEA 소프트웨어는 맛을 위해 감정과 향이 샘플을 확인 할 수 있었다. 제안 된 방법론 및 시간 분석하여 암시 적 응답을 특성화 감정적 반응 및 식품 관련 집단의 행동에서 새로운 진보를 제공하여 도움을 수 있습니다. 일의 미래 응용 프로그램기술은 다른 음료 카테고리 또는 부드러운 음식으로 확장 할 수있다. 우리는 감정적 반응과 데이터 분석 방법에 대한 비디오 캡처를 달성하는 방법을 설명했다. 우리는 감정적 AFEA 캡처 및 감정적 인 시계열 분석 모두를위한 표준 접근 방식을 만드는 것을 목표로하고 있습니다. 이 방법의 접근 방식은 우리의 연구에서 성공을 보여 주었다. 우리는 확장 및 음식과 음료와 선택과 행동의 관계에 감정적 반응을 평가하기 위해이 방법을 적용 할 수 있도록 노력하겠습니다.

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
2% Reduced Fat Milk Kroger Brand, Cincinnati, OH or DZA Brands, LLC, Salisbury, NC na for solutions
Drinking Water Kroger Brand, Cincinnati, OH na for solutions
Imitation Clear Vanilla Flavor Kroger Brand, Cincinnati, OH na for solutions
Iodized Salt Kroger Brand, Cincinnati, OH na for solutions
FaceReader 6 Noldus Information Technology, Wageningen, The Netherlands na For Facial Analysis
Sensory Information Management System (SIMS) 2000 Sensory Computer Systems, Berkeley Heights, NJ Version 6 For Sensory Data Capture
Rhapsody Acuity Brands Lighting, Inc., Conyers, GA For Environment Illumination
R Version  R Core Team 2015 3.1.1 For Statistical Analysis
Microsoft Office Microsoft na For Statistical Analysis
JMP Statistical Analysis Software (SAS) Version 9.2, SAS Institute, Cary, NC na For Statistical Analysis
Media Recorder 2.5 Noldus Information Technology, Wageningen, The Netherlands na For capturing participants sensory evaluation
Axis M1054 Camera Axis Communications, Lund, Sweden na
Beverage na Beverage or soft food for evaluation

DOWNLOAD MATERIALS LIST

References

  1. De Wijk, R. A., Kooijman, V., Verhoeven, R. H. G., Holthuysen, N. T. E., De Graaf, C. Autonomic nervous system responses on and facial expressions to the sight, smell, and taste of liked and disliked foods. Food Qual Prefer. 26, (2), 196-203 (2012).
  2. De Wijk, R. A., He, W., Mensink, M. G. J., Verhoeven, R. H. G., De Graaf, C. ANS responses and facial expression differentiate between the taste of commercial breakfast drinks. PLoS ONE. 9, (4), 1-9 (2014).
  3. He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Behavioural and physiological responses to two food odours. Appetite. 59, (2), 628 (2012).
  4. He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Dynamics of autonomic nervous system responses and facial expressions to odors. Front Psychol. 5, (110), 1-8 (2014).
  5. Danner, L., Sidorkina, L., Joechl, M., Duerrschmid, K. Make a face! Implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology. Food Qual Prefer. 32, (2014), 167-172 (2013).
  6. Danner, L., Haindl, S., Joechl, M., Duerrschmid, K. Facial expression and autonomous nervous system responses elicited by tasting different juices. Food Res Int. 64, (2014), 81-90 (2014).
  7. Arnade, E. A. Measuring consumer emotional response to tastes and foods through facial expression analysis [thesis]. Virginia Tech. Blacksburg. 1-187 (2013).
  8. Leitch, K. A., Duncan, S. E., O'Keefe, S., Rudd, R., Gallagher, D. L. Characterizing consumer emotional response to sweeteners using an emotion terminology questionnaire and facial expression analysis. Food Res Int. 76, 283-292 (2015).
  9. Crist, C. A., et al. Application of emotional facial analysis technology to consumer acceptability using a basic tastes model. Technical Abstracts and Proceedings of the 2014 Institute of Food Technologists Annual Meeting, 2014 Jun 21 - 24, New Orleans, LA, (2014).
  10. Garcia-Burgos, D., Zamora, M. C. Facial affective reactions to bitter-tasting foods and body mass index in adults. Appetite. 71, (2013), 178-186 (2013).
  11. Garcia-Burgos, D., Zamora, M. C. Exploring the hedonic and incentive properties in preferences for bitter foods via self-reports, facial expressions and instrumental behaviours. Food Qual Prefer. 39, (2015), 73-81 (2015).
  12. Lewinski, P., Fransen, M. L., Tan, E. S. H. Predicting advertising effectiveness by facial expressions in response to amusing persuasive stimuli. J. Neurosci. Psychol. Econ. 7, (1), 1-14 (2014).
  13. Ekman, P., Friesen, W. V. Facial action coding system: A technique for the measurement of facial movement. Consulting Psychologists Press. Palo Alto, California. (1978).
  14. Viola, P., Jones, M. Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern. 1, 511-518 (2001).
  15. Sung, K. K., Poggio, T. Example-based learning for view-based human face detection. IEEE Trans. Pattern Anal. Mach. Intell. 20, (1), 39-51 (1998).
  16. FaceReader 5™ Technical Specifications. Noldus Information Technology. Wageningen, The Netherlands. Available from: http://www.webshop.noldus.com/media/techspec/facereader _techspec.pdf (2014).
  17. Cootes, T., Taylor, C. Statistical models of appearance for computer vision: Technical report. University of Manchester, Wolfson Image Analysis Unit, Imaging Science and Biomedical Engineering. (2000).
  18. Bishop, C. M. Neural networks for pattern recognition. Oxford University Press. New York. (1995).
  19. Lewinski, P., den Uyl, T. M., Butler, C. Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. J. Neurosci. Psychol. Econ. 7, (4), 227-236 (2014).
  20. Noldus Information Technology. FaceReader Reference Manual Version 6. Wageningen, The Netherlands. (2014).
  21. Alves, N. T., Fukusima, S. S., Aznar-Casanova, J. A. Models of brain asymmetry in emotional processing. Psychol Neurosci. 1, (1), 63-66 (2008).
  22. Costello, M., Clark, S. Preparation of samples for instructing students and staff in dairy products evaluation (Appendix F). The sensory evaluation of dairy foods. Clark, S., Costello, M., Drake, M., Bodyfelt, F. 2nd, Springer. New York. 551-560 (2009).
  23. Porcherot, C., et al. How do you feel when you smell this? Optimization of a verbal measurement of odor-elicited emotions. Food Qual Prefer. 21, 938-947 (2010).
  24. Warrenburg, S. Effects of fragrance on emotions: Moods and physiology. Chem. Senses. 30, i248-i249 (2005).
  25. Bredie, W. L. P., Tan, H. S. G., Wendin, K. A comparative study on facially expressed emotions in response to basic tastes. Chem. Percept. 7, (1), 1-9 (2014).
  26. Wendin, K., Allesen-Holm, B. H., Bredie, L. P. Do facial reactions add new dimensions to measuring sensory responses to basic tastes? Food Qual Prefer. 22, 346-354 (2011).
  27. Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. Child Dev. 59, (6), 1555-1568 (1988).
  28. Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. What the face reveals: Basic and applied studies of spontaneous expression using the facial action coding system (FACS). P, E. kman, E, R. osenberg Oxford University Press, Inc. New York. 302-327 (1997).
  29. Rozin, P., Fallon, A. E. A perspective on disgust. Psychol. Rev. 94, (1), 23-41 (1987).
  30. Delarue, J., Blumenthal, D. Temporal aspects of consumer preferences. Curr. Opin. Food Sci. 3, 41-46 (2015).
  31. Sudre, J., Pineau, N., Loret, C., Marin, N. Comparison of methods to monitor liking of food during consumption. Food Qual Prefer. 24, (1), 179-189 (2012).
  32. Weiland, R., Ellgring, H., Macht, M. Gustofacial and olfactofacial responses in human adults. Chem. Senses. 35, (9), 841-853 (2010).
  33. Ekman, P. Universal and cultural differences in facial expressions of emotion. Nebraska symposium on motivation. Cole, J. University of Nebraska Press. Lincoln (NE). 207-283 (1971).
  34. Griemel, E., Macht, M., Krumhuber, E., Ellgring, H. Facial and affective reactions to tastes and their modulation by sadness and joy. Physiol Behav. 89, (2), 261-269 (2006).
관능 평가를위한 데이터 수집 및 자동화 표정 분석 기술에 대한 분석 응용 및 시간적 분석을위한 프로토콜
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Crist, C. A., Duncan, S. E., Gallagher, D. L. Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation. J. Vis. Exp. (114), e54046, doi:10.3791/54046 (2016).More

Crist, C. A., Duncan, S. E., Gallagher, D. L. Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation. J. Vis. Exp. (114), e54046, doi:10.3791/54046 (2016).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter