人類的非語(yǔ)言行為，如面部表情、姿勢(shì)、步態(tài)等，可以體現(xiàn)出心理特征。使用非語(yǔ)言行為線索測(cè)量心理特征的主要障礙在于行為量化及其心理特征識(shí)別。隨著智能設(shè)備的推陳出新和模式識(shí)別技術(shù)的發(fā)展，使用機(jī)器學(xué)習(xí)建模實(shí)現(xiàn)自動(dòng)預(yù)測(cè)已成為可能。

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。要求被試在一塊長(zhǎng)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(shù)據(jù)， Kinect 以每秒20幀的速度捕獲人體25個(gè)關(guān)節(jié)在 X, Y, Z 三個(gè)軸上的三維坐標(biāo)。此外，被試需要完成羅森博格自尊量表（RSES）。研究人員對(duì) Kinect 獲取的原始數(shù)據(jù)進(jìn)行降噪、坐標(biāo)系轉(zhuǎn)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(jié)點(diǎn)的每一軸（共三軸）抽取64個(gè)特征，計(jì)算每個(gè)特征與被試自尊得分的相關(guān)系數(shù)，并選取相關(guān)系數(shù)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(xùn)練（5×3×24）。研究分別使用線性回歸（Linear Regression, LR）、簡(jiǎn)單線性回歸（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(yù)測(cè)個(gè)體的自尊得分。預(yù)測(cè)結(jié)果與被試自我報(bào)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(duì)男性和女性的步態(tài)數(shù)據(jù)分別進(jìn)行建模預(yù)測(cè)，對(duì)男性步態(tài)預(yù)測(cè)與自我報(bào)告得分之間的最高相關(guān)為0.43，女性為0.59。

研究結(jié)果表明，使用步態(tài)能夠?qū)崿F(xiàn)對(duì)個(gè)體自尊的自動(dòng)識(shí)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(cè)量，并能夠在無(wú)法使用自我報(bào)告測(cè)量的情境中起到一定補(bǔ)充作用。未來(lái)研究中可將步態(tài)測(cè)量與其他自尊研究手段相結(jié)合，以達(dá)到更好的信效度水平。

該研究是中科院行為科學(xué)重點(diǎn)實(shí)驗(yàn)室朱廷劭研究組在“計(jì)算網(wǎng)絡(luò)心理學(xué)”研究領(lǐng)域的系列成果之一。此項(xiàng)研究工作得到中科院重點(diǎn)部署項(xiàng)目、國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃、中科院戰(zhàn)略性先導(dǎo)科技專項(xiàng)等的資助。研究成果在線發(fā)表 Gait & Posture 上。

（原題為《科研人員發(fā)現(xiàn)利用3D步態(tài)數(shù)據(jù)可預(yù)測(cè)用戶自尊》）