人類(lèi)的非語(yǔ)言行為，如面部表情、姿勢、步態(tài)等，常?？梢泽w現出心理特征。使用非語(yǔ)言行為線(xiàn)索測量心理特征的主要障礙在于行為量化及其心理特征識別。隨著(zhù)智能設備不斷推陳出新和模式識別技術(shù)的發(fā)展，使用機器學(xué)習建模實(shí)現自動(dòng)預測已經(jīng)成為可能。 

　　此次研究共招募182名研究生作為被試，包括100名男性和82名女性。被試被要求在一塊長(cháng)方形地毯上來(lái)回走動(dòng)兩分鐘，Kinect攝像頭置于地毯兩端，收集被試步態(tài)數據，Kinect以每秒20幀的速度捕獲人體25個(gè)關(guān)節在X, Y, Z三個(gè)軸上的三維坐標。接著(zhù)被試還需完成羅森博格自尊量表（RSES）。  

　　圖1.  Kinect攝像頭捕獲的5個(gè)關(guān)節點(diǎn) 

　　研究人員對Kinect獲取的原始數據進(jìn)行降噪、坐標系轉換和剪切后，使用快速傅里葉變換（Fast Fourier Transform, FFT）從每個(gè)關(guān)節點(diǎn)的每一軸（共三軸）抽取64個(gè)特征，計算每個(gè)特征與被試自尊得分的相關(guān)系數，并選取相關(guān)系數最大的5個(gè)特征來(lái)建立回歸模型，共有360個(gè)特征進(jìn)入模型訓練（5×3×24）。研究分別使用線(xiàn)性回歸（Linear Regression, LR）、簡(jiǎn)單線(xiàn)性回歸（Simple Linear Regression, SLR）、高斯過(guò)程（Gaussian Processes, GP）、epsilon支持向量回歸 （epsilon-Support Vector Regression, E-SVR）、nu 支持向量回歸（nu-Support Vector Regression, N-SVR）方法建立回歸模型并預測個(gè)體的自尊得分。預測結果與被試自我報告的自尊得分間的最高相關(guān)為0.45。鑒于男性和女性的步態(tài)存在一定差異，研究針對男性和女性的步態(tài)數據分別進(jìn)行建模預測，對男性步態(tài)預測與自我報告得分之間的最高相關(guān)為0.43，女性為0.59。 

　　研究結果表明，使用步態(tài)能夠實(shí)現對個(gè)體自尊的自動(dòng)識別。這種方法的優(yōu)點(diǎn)在于能夠進(jìn)行非接觸式的自尊測量，并且能夠在無(wú)法使用自我報告測量的情境中起到一定的補充作用。未來(lái)的研究中可以將步態(tài)測量與其他自尊研究手段相結合，以達到更好的信效度水平。 

　　該研究是中國科學(xué)院行為科學(xué)重點(diǎn)實(shí)驗室朱廷劭研究組在“計算網(wǎng)絡(luò )心理學(xué)”研究領(lǐng)域的系列成果之一。此項研究得到中國科學(xué)院重點(diǎn)部署項目、國家重點(diǎn)基礎研究發(fā)展計劃、中國科學(xué)院戰略性先導科技專(zhuān)項等課題資助。 

　　該研究成果已被國際期刊Gait & Posture錄用并在線(xiàn)發(fā)表： 

　　Bingli Sun, Zhan Zhang, Xingyun Liu, Bin Hu, Tingshao Zhu. (2017). Self-esteem recognition based on gait pattern using Kinect. Gait & Posture. http://dx.doi.org/10.1016/j.gaitpost.2017.09.001. Online Press.