基于面部动作编码系统（FACS）的城市声景特征分析：一种客观实时的情感生理评估新方法

《Sustainable Cities and Society》：Characterizing Urban Soundscapes via Facial Action Coding System

　　本文创新性地将面部动作编码系统（FACS）应用于城市声景评价，通过分析面部动作单元（AU）的激活模式来客观、实时地反映人们对声环境的生理与情感反应。研究证实了AU激活与皮肤电导水平（SCL）的显著相关性，揭示了自然、机械和人文声景可特异性激活不同AU组合（如自然声景对应AU01、04、15等），并展现出显著的时间维度差异。该框架为智慧城市声景管理提供了超越传统主观问卷的微表情数据层，实现了声景感知的动态客观评估。

　　

Highlight

音频和视频采集

本研究的视听材料采集于中国哈尔滨市马家沟河沿岸的典型城市公共空间。选取了包括居住区、公园、历史街区、商业步行街和广场等多种类型的典型城市开放空间，共计26个点位。图1（a）展示了采集点分布。图1（b）、（c）和（d）分别显示了感知声源和声压级的分布情况。

AU 反应的生理学验证

在皮肤电导反应（SCR）的量化表征中，常用指标包括以下几类：SCR高度指单次SCR中从基线到峰值的垂直距离，反映了反应的整体强度；SCR幅度指反应起始点与峰值点之间的电导差值；SCR峰值时间指从刺激呈现或反应开始到电导峰值所持续的时长，表征了反应的时间特征。

与声环境相关的面部激活区域

不同的声环境能够激活不同的面部区域。本研究揭示了响应不同听觉刺激时，面部动作单元（AU）激活的特定时间模式。在刺激呈现的早期阶段（0-20秒），如图10（a）和（b）所示，自然声景主要引发了特征性的积极情绪面部反应。这些反应表现为AU01（眉内侧上扬）、AU05（上眼睑上扬）和AU25（唇部张开）的激活——这种面部表情模式可能反映了对自然声音的注意和愉悦反应。

结论

在本研究中，我们建立了一种基于面部动作编码系统（FACS）的、针对城市声环境的面部表情AU分类方法，以解决传统面部表情识别在准确性、实时性和灵活性方面的不足。传统方法通常通过表情分类来反映情感效价和唤醒度。本研究的目的是探索利用面部表情AU进行声景评价的方法。通过引入SCL与AU激活之间的相关性分析，我们证实了AU变化反映了由声环境引发的真实生理唤醒。研究结果表明，自然、机械和人文声环境分别对应不同的特异性AU激活模式，并且这些AU的强度在时间维度上也存在显著差异。AU数据不仅能预测参与者对周围声环境的整体评估，还能作为情绪变量建立新的评价方法。这项研究引入了一个将面部表情数据与城市声景管理系统连接的分析框架，为主观自我报告提供了补充和交叉验证，为实时声景评估提供了一个客观的微表情数据层。