面孔和情绪实验报告
护理心理学 面部表情识别 实验报告
面部表情识别
一、实验目的
1、了解、体验情绪实验的基本特征，初步掌握情绪识别实验的方法。
2、初步掌握内容分析法。
3、考察情绪面孔识别的一致性、识别不同面部表情的难度差异以及识别面部表情的主要方法和线索。
二、实验材料
·24张情绪面孔
·这些情绪面孔是从罗跃嘉等人开发的中国面孔表
情图片系统中选取的愤怒、厌恶、恐惧、悲伤、惊讶和高兴面孔各4张，男女各半，表情者不同
7、每个小组对本组的实验结果进行统计分析
8、小组之间进行结果交流。同时课代表统计分析全班的实验结果，之后向全班同学报告。
四、实验结果
表1 自己和本小组正确识别每种情绪的次数和比率
自己 小组
情绪
次数 比率 次数 比率
愤怒 4 100% 13 67%
厌恶 3 75% 9 44%
恐惧 2 50% 13 67%
4、人们的情绪有共同的面部表情模式。
成绩：
指导老师：竺静
·这24张情绪面孔按事先规定好的顺序依次通过投影仪呈现，每张呈现40秒。
三、实验程序
1、安排学生进入实验室
2、对学生进行分组，每8人左右一个小组，每组同学围坐一张实验桌。
3、给学生讲解实验的基本情况
4、将“面部表情识别记录表和线索的的记录统计表”分发给学生。
5、确认学生开始实验
6、播放完24张情绪面孔后，公布正确答案，请学生自行统计自己的正确情况，并整理和统计自己填写的识别面部表情的主要方法与线索。
悲伤 3 75% 20 100%
惊讶 3 75% 16 80%
高兴 100% 20 100%
合计 19 79% 91 75.9%
表2 自己和本小组使用每种方法的次数和频率
《2024年基于深度学习的人脸情绪识别的研究》范文
《基于深度学习的人脸情绪识别的研究》篇一一、引言人脸情绪识别作为人工智能领域的一个重要分支，已经在人机交互、医疗诊断、心理咨询等领域得到广泛应用。
近年来，随着深度学习技术的飞速发展，基于深度学习的人脸情绪识别技术取得了显著的进步。
本文旨在探讨基于深度学习的人脸情绪识别的研究现状、方法及未来发展趋势。
二、人脸情绪识别的研究背景及意义人脸情绪识别是通过分析人的面部表情，从而判断其情绪状态的一种技术。
随着人类对智能化的需求日益增长，人脸情绪识别在人机交互、医疗诊断、心理咨询等领域的应用越来越广泛。
通过深度学习技术，我们可以更准确地识别和分析人脸情绪，为人类生活带来更多便利。
三、深度学习在人脸情绪识别中的应用深度学习是一种模拟人脑神经网络的工作方式，通过大量数据的训练和学习，可以自动提取和识别图像、语音等复杂信息。
在人脸情绪识别中，深度学习技术主要应用于以下几个方面：1. 特征提取：深度学习可以通过卷积神经网络等算法自动提取人脸特征，如面部表情、眼睛、嘴巴等部位的动态变化，从而为情绪识别提供依据。
2. 模型训练：通过大量带有情绪标签的图像数据，训练出能够识别不同情绪的深度学习模型。
这些模型可以根据输入的人脸图像，自动判断出对应的情绪类别。
3. 情感分析：深度学习还可以对人脸情绪进行更深入的分析，如分析情绪的强度、持续时间等，为心理咨询、医疗诊断等领域提供更多信息。
四、基于深度学习的人脸情绪识别的方法基于深度学习的人脸情绪识别主要采用以下方法：1. 深度卷积神经网络（Deep Convolutional Neural Network，DCNN）：DCNN是一种常用的深度学习算法，可以通过大量数据训练出能够自动提取和识别图像特征的模型。
在人脸情绪识别中，DCNN可以自动提取人脸特征，从而为情绪识别提供依据。
2. 迁移学习（Transfer Learning）：迁移学习是一种将预训练模型应用于新任务的方法。
在人脸情绪识别中，我们可以使用在大量数据上预训练的模型（如ResNet、VGG等），然后针对特定任务进行微调，从而提高模型的准确性和泛化能力。
幼儿表情识别实验报告
幼儿表情识别实验报告摘要在情绪活动中，人的面部、姿态和语音、语调会发生一系列明显的变化，这些变化因为可被他人直接观察到，往往成为情绪活动的表征，所以统称为“表情”。
它包括面部表情、姿态表情和语调表情。
面部表情为人际交流提供了丰富的个人信息和社会交往信息。
本实验采用了表情指认的范式，探讨学前儿童对于高兴、好奇、伤心、害怕、讨厌和愤怒等6种面部表情的识别特点。
结果发现，大中小班的儿童均对于“高兴”和“好奇”等积极情绪的表情识别成绩最好，对于“愤怒”的识别成绩最差，其他消极情绪的识别成绩居于之间。
随着年龄增长，儿童对于以上6种基本表情（特别是高兴、好奇和生气）的识别能力也逐渐增强。
关键词学前儿童面部表情识别1 引言在情绪活动中，人的面部、体姿和语音、语调会发生一系列明显的变化，例如：面红耳赤、目瞪口呆、手舞足蹈、语无伦次等等。
这些变化因为可被他人直接观察到，往往成为情绪活动的表征，所以统称为“表情”。
表情是情绪活动所特有的外显表现，是人际交往的重要工具，也是研究情绪的重要客观指标。
它包括面部表情、姿态表情和语调表情。
其中最引人关注，也是非常重要的表情就是面部表情。
（邹巍,2007）面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态。
面部表情是情绪的发生机制，它是最敏感的情绪发生器，也是显示器。
同时，面部表情也可以被定义成面部肌肉的特定运动模式。
这些特殊的肌肉和其他肌肉组织不同，并不负责关节运动的功能，而仅仅用来专门承担面部表情的表达任务。
表情的独特地位从其生理基础就可见一斑。
面部表情的重要性在于它是人类情绪最为明显的外显形式，是人际交往中传递情绪的主要媒介。
面部表情为人际交流提供了一套快捷、有效的符号系统，使得个体情绪不需要依赖言语就能准确地被传递出来。
它包含丰富的个人信息和社会交往信息，同时还传达出一些有关人的认知、行为、性情、个性、气质、真实性和心理的信息。
当看到不同面孔时，人能轻易地识别同一种表情，这就是所谓的面部表情识别。
《基于深度学习的人脸情绪识别的研究》范文
《基于深度学习的人脸情绪识别的研究》篇一基于深度学习的人脸情绪识别研究一、引言随着人工智能技术的不断发展，人脸情绪识别技术逐渐成为人工智能领域的重要研究方向之一。
人脸情绪识别是指通过计算机视觉技术，对人的面部表情进行分析，识别出其情绪状态，包括喜悦、愤怒、惊讶、厌恶、悲伤等基本情绪。
这一技术的广泛应用涉及人机交互、心理健康诊断、安防监控等领域。
近年来，随着深度学习技术的发展，基于深度学习的人脸情绪识别技术得到了广泛关注和研究。
本文旨在探讨基于深度学习的人脸情绪识别的研究现状、方法及未来发展方向。
二、研究现状目前，人脸情绪识别技术主要基于传统的计算机视觉技术和机器学习算法。
然而，由于人脸表情的复杂性和多样性，传统的算法往往难以准确识别。
近年来，随着深度学习技术的发展，基于深度学习的人脸情绪识别技术逐渐成为研究热点。
深度学习技术可以通过学习大量数据中的特征和模式，自动提取人脸表情的特征，从而提高识别准确率。
目前，基于深度学习的人脸情绪识别技术主要采用卷积神经网络（CNN）和循环神经网络（RNN）等深度学习模型。
其中，CNN模型可以自动提取人脸图像中的特征，而RNN模型则可以处理时序数据，对动态表情进行建模。
此外，还有一些研究采用深度学习技术对人脸表情进行三维建模，以更准确地识别表情。
三、方法与技术基于深度学习的人脸情绪识别技术主要包括以下几个步骤：1. 数据准备：收集大量包含人脸表情的图像或视频数据，并进行标注和预处理。
2. 特征提取：采用深度学习模型自动提取人脸表情的特征。
常用的模型包括CNN、RNN等。
3. 模型训练：使用大量的训练数据对模型进行训练，使模型能够学习到人脸表情的特征和模式。
4. 情绪识别：将测试数据输入到训练好的模型中，通过比较测试数据与训练数据中的特征和模式，识别出测试数据的情绪状态。
四、挑战与解决方案虽然基于深度学习的人脸情绪识别技术已经取得了一定的成果，但仍面临一些挑战和问题。
面孔和情绪实验报告
知觉加工：面孔和情绪姓名：赵佳娴学号：112032013054 班级：13心理摘要：目的考察对面部情绪的识别和加工是否受到加工时间的影响。
方法用E-prime软件编写程序，采用5点评价法来让被试对材料进行打分，对35名大学生的结果进行分析。
结果不同加工时间下，被试都能正确识别出不同的情绪面孔，且结果没有差异。
结论情绪信息的识别是相当快速的，基本与知觉信息的加工同步，能够在极短的时间里识别。
被试对面部情绪的识别和加工不会受到加工时间的影响。
关键词：面孔识别情绪加工时间1 引言面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态。
达尔文在《人类和动物的情绪表情》一书中提出：不同的面部表情是天生的、固有的，并且能为全人类所理解。
即使是婴儿也能正确的识别和表现出愉悦、伤心、愤怒等表情。
识别他人情绪的能力对于种族的生存具有重要意义，能否正确的识别他人的情绪面孔并对其做出反应，在一定程度上反映了个体社会交往能力的发展情况，并关系到个体社会交往、沟通的成败。
因此，研究情绪面孔的识别有重要的意义。
情绪产生于对刺激情境或对事物的评价，情绪的产生受到环境事件、生理状况和认知过程三种因素的影响，其中认知过程是决定情绪性质的关键因素。
前人对此有许多不同理论。
美国心理学家阿诺德（M. R. Arnold）在20世纪50年代提出了情绪的评定－兴奋学说。
这种理论认为，刺激情景并不直接决定情绪的性质，从刺激出现到情绪的产生，要经过对刺激的估量和评价，情绪产生的基本过程是刺激情景——评估——情绪。
同一刺激情景，由于对它的评估不同，就会产生不同的情绪反应。
20世纪60年代初，美国心理学家沙赫特（S.Schachter）和辛格（J.Singer）提出，对于特定的情绪来说，有两个因素是必不可少的。
第一，个体必须体验到高度的生理唤醒，如心率加快、手出汗、胃收缩、呼吸急促等；第二，个体必须对生理状态的变化进行认知性的唤醒。
具身情绪对情绪面孔再认的影响研究
具身情绪对情绪面孔再认的影响研究具身情绪观认为身体在个体对信息的加工和存储中也具有重要作用,为情绪和记忆的研究提供了新的视角。
而情绪性面孔作为日常生活中最常见的情绪刺激,如何迅速地解读并再认他人的情绪面孔,对个体的社会生活具有重要的意义。
本研究立足于具身情绪观,在前人研究的基础上探讨具身情绪对被试进行情绪面孔再认的影响。
针对面孔再认的情绪一致性效应、性别刻板印象效应,以及具身情绪对记忆编码和提取阶段的不同影响,设计实验一和实验二。
实验一的主要目的是探究情绪一致性效应和性别刻板印象效应。
视觉材料为中国人的情绪面孔图片,被试为80名女性大学生,将被试分为具身积极和具身消极情绪组,采用面部肌肉控制术诱发被试的具身情绪,采用变化觉察范式让被试对情绪面孔进行再认,考察不同具身情绪对被试进行情绪面孔再认的反应时和正确率的影响。
实验二在实验一的基础上进行改进,继续探讨情绪一致性效应主要出现在记忆过程的编码阶段还是提取阶段。
被试为80名女性大学生,呈现材料来自中国情绪面孔图片,采用简单再认范式被试对情绪面孔图片进行再认。
实验中将被试分为编码-具身积极情绪组、编码-具身消极情绪组、提取-具身积极情绪组、提取-具身消极情绪组,操纵诱发具身情绪的不同时间段,考察具身情绪对记忆的影响到底发生在编码阶段还是提取阶段。
结果表明:(1)具身情绪影响个体对情绪面孔的再认成绩,具身积极情绪组对积极情绪面孔的反应时更快、正确率更高;具身消极情绪组对消极情绪面孔的正确率更高,反应时无显著差异,存在部分情绪一致性效应。
(2)具身情绪对面孔记忆的影响主要发生在再认提取阶段,提取组的被试对与自身情绪效价一致的面孔图片再认成绩更好,编码组对积极和消极情绪面孔图片的再认成绩无显著差异。
(3)面孔图片的性别主效应显著,女性被试对女性面孔图片的反应时更快。
(4)面部肌肉控制术作为具身情绪范式能有效诱发被试的具身情绪,且不会被被试的意识所觉察。
情绪—面部表情的辨认实验
3.每次判断完后，还要询问被试是使用什么辅助方法来辨认面部表情的。提供四个选项，要求被试从中选出一项。
结果分析：
统计被试面部表情判断的正确次数和相应的百分数。比较使用选择方式和填空方式的两组被试的正确率，并进行统计检验。统计出被试使用各种辅助方法的次数。找出被试在拼别面部表情时最常用到的辅助方法。
备
注
参考文献：
郭秀艳，杨治良(2004) . 实验心理学，北京:人民教育出版社.
杨博民(主编) (2004). 心理实验纲要(第4次印刷).北京:北京大学出版社.
杨治良(2004).实验心理学,北京:人民教育出版社.
朱滢(主编)(2014).实验心理学(第三版).北京:北京大学出版社.
教
师
评
阅
评
分
签名： 年 月 日
讨
论
1.最容易辨认和最不易辨认的是哪一种面部表情?哪些面部表情是接近的?哪些面部表情是绝不相混的?
答：面部表情的识别通常是通过向被试者呈现各种面部表情的照片，让他们判断是何种情绪或情感。吉特、布拉克和莫斯托斯基等人研究了辨别不同情绪的表情照片的难度差异，结果发现：最容易辨认的是快乐、痛苦；较难辨认的是恐惧、悲哀；最难辨认的是怀疑、怜悯。
2.根据实验结果，分析人们的情绪状态是否有共同的面部表情模式。
答：人们的情绪状态有着共同的面部表情模式。面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态。人的眼睛是最善于传情的、不同的眼神可以表达人的各种不同的情结和情感。例如，高兴和兴奋时”眉开眼笑"，气愤时“怒目而视”，恐惧时“目瞪口呆”，悲伤时“两眼无光”，惊讶时“双目凝视”等等。眼睛不仅能传达感情，而且可以交流思想。人们之间往住有许多事情只能意会，不能或不便言传，在这种情况下，通过观察人的眼神可以了解他的内心思想和愿望，推知他们的态度是赞成还是反对、接受还是拒绝、喜欢还是不喜欢、真诚还是虚假等。可见，眼神是种十分重要的非言语交往手段。 其次，口部肌肉的变化也是表现情绪和情感的重要线索。例如，憎恨时“咬牙切齿”，紧张时“张口结舌”等，都是通过口部肌肉展现人物的精神风貌。艾克曼的实验证明，人脸的不同部位具有不同的表情作用。例如，眼睛对表达忧伤最重要，口部对表达快乐与厌恶最重要，而前额能提供惊奇的信号，眼睛、嘴和前额等对表达愤怒情绪很重要。
容貌焦虑实验报告
一、实验背景随着社会的发展和媒体传播的加速，容貌焦虑已经成为当代年轻人中普遍存在的问题。
容貌焦虑不仅影响了个体的心理健康，还可能对日常生活产生负面影响。
本实验旨在探究容貌焦虑的影响因素，以及通过何种干预措施可以有效缓解容貌焦虑。
二、实验目的1. 了解大学生群体中容貌焦虑的普遍程度。
2. 分析容貌焦虑与个体心理健康之间的关系。
3. 探索有效的干预措施，以缓解容貌焦虑。
三、实验方法1. 研究对象本实验选取了我国某高校1000名大学生作为研究对象，其中男性500名，女性500名，年龄在18-24岁之间。
2. 研究工具（1）容貌焦虑量表：用于评估个体对容貌的焦虑程度。
（2）心理健康量表：用于评估个体的心理健康状况。
（3）干预措施评估问卷：用于评估干预措施的效果。
3. 实验步骤（1）对研究对象进行问卷调查，收集容貌焦虑、心理健康和干预措施相关数据。
（2）对数据进行统计分析，探究容貌焦虑的影响因素。
（3）根据分析结果，制定针对性的干预措施。
（4）对研究对象进行干预，收集干预后的数据。
（5）对干预前后的数据进行对比分析，评估干预措施的效果。
四、实验结果1. 容貌焦虑普遍程度调查结果显示，70%的大学生存在一定程度的容貌焦虑，其中轻度焦虑者占50%，中度焦虑者占20%，重度焦虑者占10%。
2. 容貌焦虑与心理健康的关系统计分析表明，容貌焦虑与心理健康呈显著负相关。
即容貌焦虑程度越高，心理健康状况越差。
3. 容貌焦虑的影响因素（1）性别：女性比男性更容易出现容貌焦虑。
（2）年龄：随着年龄增长，容貌焦虑程度逐渐降低。
（3）家庭背景：家庭经济状况较好的个体更容易出现容貌焦虑。
（4）社交媒体使用：社交媒体使用频率越高，容貌焦虑程度越高。
4. 干预措施的效果本实验采取了以下干预措施：（1）认知行为疗法：帮助个体正确认识容貌，改变对容貌的负面评价。
（2）团体辅导：通过团体活动，增强个体之间的交流与支持。
（3）心理教育：普及心理健康知识，提高个体对容貌焦虑的认识。
正常人和抑郁症对情绪面孔刺激的fMRI研究的开题报告
正常人和抑郁症对情绪面孔刺激的fMRI研究的开题报告一、研究背景和意义随着现代社会的发展，抑郁症等情绪障碍的发病率逐年增高，给社会和家庭带来了巨大的负担和危害。
情绪面孔作为人类交流中最为重要的非语言信息之一，对于情绪障碍患者的治疗和预防具有重要意义。
目前已有许多研究探讨了情绪面孔刺激对正常人和抑郁症患者的影响，但是对于不同疾病的影响机制存在争议和不确定性，因此有必要对不同疾病患者的情绪面孔识别机制进行比较研究。
基于此，我们计划开展一项研究，使用fMRI技术比较正常人和抑郁症患者在面孔情绪刺激过程中的脑功能变化，探讨情绪面孔在两组人群中的加工差异及其机制，为抑郁症的机理解析、治疗和预防提供新的思路和依据。
二、研究内容和方法1. 研究内容本研究将比较正常人和抑郁症患者在观看情绪面孔刺激过程中的脑功能变化，探讨两组人群对不同情绪面孔的反应及其机制。
具体研究内容包括以下几个方面：（1）两组人群在面孔刺激下的行为表现差异（2）不同情绪面孔对两组人群的脑功能的影响（3）两组人群在情绪面孔处理过程中脑神经网络的差异2. 研究方法采用fMRI技术观察两组人群在情绪面孔刺激下的脑功能变化，同时采用自我报告问卷和临床评估工具测量两组人群的情感状态和抑郁症状。
具体流程如下：（1）受试者招募：招募20名正常人和20名抑郁症患者（临床诊断符合DSM-5诊断标准）。
（2）fMRI实验任务：采用面孔情绪识别实验，包括基线、中性、愤怒、快乐、悲伤、恐惧6个条件。
每个条件分别有18个试次，每个试次呈现1000ms，随即呈现注视点500ms，等待参与者做出回应。
实验时采用Siemens 3T磁共振成像仪，并记录受试者的行为表现。
（3）数据分析：使用SPM12软件对fMRI数据进行预处理和分析，包括运动校正、空间标准化、平滑和统计分析。
统计分析主要包括群体差异、情绪效应和功能连通性等方面。
（4）数据分析和结果解读：对fMRI数据进行分析，并结合自我报告问卷和临床评估工具的结果进行结果解读。
不同时间长度眼部提示下自闭症幼儿面孔情绪识别的实验研究的开题报告
不同时间长度眼部提示下自闭症幼儿面孔情绪识别的实验研究的开题报告一、研究题目不同时间长度眼部提示下自闭症幼儿面孔情绪识别的实验研究二、研究背景和意义自闭症是一种神经发育障碍，患者面临许多社交和情绪交流的困难。
这些困难包括面部表情识别，这是人类情感交流的关键之一。
一些研究表明自闭症患者在情感识别任务中表现得比典型的发展者差。
由于面部表情是以微妙的方式展示的，因此需要那些能够区分面部细节的观察者和长时间的目光固定时间。
我们需要更深入地探讨，自闭症患者的情感识别缺陷是因为他们没有看到足够的面部信息，还是因为他们不具有这些信息的处理能力。
因此，本研究的目的是探讨幼儿自闭症患者在面孔情绪识别任务中，所需的眼部提示和时间长度。
这将有助于更好地了解自闭症患者的面部情感识别缺陷，从而为日后可能的干预和治疗提供更细致的指导。
三、研究内容及方法1. 实验对象本实验将招募10名幼儿自闭症患者及10名年龄和性别相似的典型发展儿童作为控制组，年龄范围为3-5岁。
2. 实验设计本实验将设计两种不同的实验范式。
第一种实验范式将仅呈现面部图像的眼部区域，持续不同时间长度，以便研究被试在处理面孔情感信息时的需求。
第二种实验范式将呈现面孔全貌，让被试自由观察面孔，并模拟自然面孔表情的变化。
3. 数据分析我们将记录被试的反应时间、正确率和错误数。
我们还将评估被试对基本情绪（喜悦，悲伤，愤怒，恐惧）和混淆情绪（惊异，厌恶）的识别能力。
四、研究期望成果本研究期待发现幼儿自闭症患者在情感识别中的眼部提示是一个更加重要的因素，并且需要更长时间来处理情感信息。
这将有助于改进未来的干预和治疗，以便更好地满足自闭症患者的需求，提高他们的情感识别能力。
面部表情识别实验报告
面部表情识别实验报告一、实验背景面部表情是人类情感和心理状态的重要外在表现形式。
准确识别面部表情对于理解他人的情绪、改善人际交往、以及在医疗、教育、娱乐等多个领域都具有重要的意义。
在本次实验中，我们旨在探索有效的面部表情识别方法和技术。
二、实验目的本次实验的主要目的是：1、研究不同面部表情的特征和模式。
2、比较和评估现有的面部表情识别算法和模型。
3、提高面部表情识别的准确率和可靠性。
三、实验设备与材料1、高性能计算机：用于运行面部表情识别算法和处理大量的数据。
2、摄像头：用于采集实验参与者的面部图像。
3、面部表情数据库：包含了各种不同表情的图片和视频，如开心、悲伤、愤怒、惊讶、恐惧等。
四、实验方法1、数据采集招募了_____名志愿者作为实验参与者，年龄范围在_____岁至_____岁之间，涵盖了不同的性别和种族。
要求参与者在摄像头前做出一系列指定的面部表情，每个表情持续_____秒，并采集了大量的面部图像。
2、数据预处理对采集到的面部图像进行了裁剪、旋转、缩放等操作，以确保图像的一致性和规范性。
对面部图像进行了灰度化和归一化处理，以便于后续的特征提取和分析。
3、特征提取采用了多种特征提取方法，包括基于几何形状的特征（如眼睛、嘴巴的形状和位置）、基于纹理的特征（如局部二值模式 LBP）以及基于深度学习的特征（如卷积神经网络 CNN 提取的特征）。
4、模型训练使用了常见的机器学习算法，如支持向量机 SVM、决策树 DT 以及深度学习中的卷积神经网络 CNN 等。
将预处理后的数据集分为训练集、验证集和测试集，比例分别为_____、＿____和_____。
5、模型评估使用准确率、召回率、F1 值等指标来评估不同模型的性能。
五、实验结果与分析1、不同特征提取方法的比较基于几何形状的特征提取方法在简单表情（如开心、悲伤）的识别上表现较好，但对于复杂表情（如惊讶、恐惧）的识别准确率较低。
基于纹理的特征提取方法在不同表情的识别上表现较为均衡，但整体准确率不如基于深度学习的特征提取方法。
面孔知觉左优势与情绪、自我面孔评价的研究的开题报告
面孔知觉左优势与情绪、自我面孔评价的研究的开题报告一、研究背景与意义面孔是人类社交交往中一个极为重要的信息源，而对面孔的知觉能力是人类智力的重要组成部分之一。
在面孔知觉领域，有关左右脑优势的研究已经取得了不少成果，尤其是面孔的知觉与加工在右脑半球中更加突出。
然而，目前大多数研究仅着重于面孔知觉的底层加工，很少探索其与高层加工（如情绪、自我面孔评价等）之间的联系。
因此，本文旨在以此为切入点，探究面孔知觉左优势与情绪、自我面孔评价的关系，为加深对面孔知觉加工机制的认识和开发相关应用提供理论基础。
二、研究问题和研究目的本研究旨在探究面孔知觉左优势与情绪、自我面孔评价之间的关系，具体研究问题为：（1）面孔知觉左优势是否会影响情绪的加工与表达？（2）面孔知觉左优势是否会影响自我面孔评价的加工与表达？为了回答上述问题，本研究具体目的如下：1. 系统探究面孔知觉左优势的概念、特点和作用机制；2. 分析面孔情绪加工和自我面孔评价的概念、特点和作用机制；3. 探究面孔知觉左优势与情绪加工和自我面孔评价之间的关系；4. 探讨影响面孔知觉左优势与情绪加工和自我面孔评价之间关系的内在机制，为后续应用提供理论基础。
三、研究方法及步骤根据研究目的和问题，本研究将运用文献调查、实验法及相关分析方法集中研究探究范围内的问题。
具体研究步骤如下：1. 文献调查：综述相关已有的文献，收集和分析有关面孔知觉左优势与情绪、自我面孔评价的实验结果，确定研究方向和重点，提出研究假设。
2. 实验设定：根据前期文献调查的结果，设计实验方案，选择实验材料和方法，确保实验的有效性和可重复性。
3. 实验执行：对参与实验的受试者进行面孔知觉测试，对实验结果进行数据收集和统计分析。
4. 数据分析：对实验结果进行数据处理和分析，依据实验假设并结合已有的文献研究成果，深入探究面孔知觉左优势与情绪、自我面孔评价之间的关系。
5. 结论讨论：针对研究成果，进一步探讨影响面孔知觉左优势与情绪加工和自我面孔评价之间关系的内在机制，为后续应用提供理论基础。
《基于深度学习的人脸情绪识别的研究》范文
《基于深度学习的人脸情绪识别的研究》篇一一、引言随着人工智能的不断发展，人脸情绪识别技术在现实生活中扮演着越来越重要的角色。
作为一种自然且非言语交流方式，情绪表达在人际交往中占据着举足轻重的地位。
因此，基于深度学习的人脸情绪识别技术的研究显得尤为重要。
本文旨在探讨基于深度学习的人脸情绪识别技术的原理、方法、应用及未来发展趋势。
二、深度学习与情绪识别的基本原理深度学习是一种模拟人脑神经网络的学习算法，通过构建多层神经网络来提取数据的特征信息。
在人脸情绪识别中，深度学习通过分析人脸的面部表情、眼神、嘴巴等特征，提取出与情绪相关的信息，进而实现情绪的识别与分类。
情绪识别主要依赖于对人脸表情的识别。
人脸表情是情绪表达的主要方式，通过分析人脸的肌肉运动、面部特征等，可以推断出人的情绪状态。
在深度学习算法中，通过大量的训练数据和算法优化，使得模型能够自动提取出与情绪相关的特征信息，从而实现对情绪的准确识别。
三、基于深度学习的人脸情绪识别的方法基于深度学习的人脸情绪识别主要采用卷积神经网络（CNN）和循环神经网络（RNN）等算法。
其中，CNN主要用于提取人脸的特征信息，如面部轮廓、眼睛、嘴巴等部位的形状和运动；RNN则用于处理时间序列数据，如视频帧序列，以实现对动态表情的识别。
在具体实现过程中，首先需要构建一个深度学习模型，通过大量的训练数据对模型进行训练，使其能够自动提取出与情绪相关的特征信息。
然后，将待识别的图像或视频输入到模型中，模型会根据其学习到的知识对图像或视频进行分析和处理，最终输出对应的情绪类别。
四、应用领域基于深度学习的人脸情绪识别技术在多个领域具有广泛的应用价值。
首先，在社交媒体和在线交流中，该技术可以帮助人们更好地理解他人的情感状态，从而更好地进行沟通和交流。
其次，在医疗领域，该技术可以用于评估患者的情感状态，帮助医生更好地了解患者的病情和需求。
此外，在安全领域，该技术可以用于监控和识别潜在的安全威胁，如通过分析人的面部表情来判断其是否具有攻击性等。
面部表情识别实验报告
面部表情识别实验实验报告小组成员：面部表情识别实验西南大学重庆400715摘要：情绪认知是一种复杂的过程，它包含观察、分析、判断、推理等，是借助于许多线索，特别是借助面部那些活动性更大的肌肉群的运动而实现的。
所以，情绪认知的准确度受多种因素的影响。
当我们与他人相互交往的时候，不管是不是面对面。
我们都正在不断的表达着情绪，同时又正在观察，解释着的对方做出的表情，在人际交往过程中，情绪的表达和认知是十分的迅速和及时，那么人是借助于哪些表情来认知他人的情绪的呢？情绪识别实际上并不是针对表情本身的，而是针对这它背后的意义。
例如：皱眉可能是一种情绪的表现，我们见到这种面部表情就试图解释潜在于它背后的情绪。
尖锐，短促，声音嘶哑可能是一种情绪表现，我们听到这种语言表情就试图解释潜在于它背后的情绪捶胸，顿足可能是一种情绪的表现，我们见到这种动作表情就是试图解释潜在于它背后的情绪。
对于这个复杂的问题，心理学家曾经做过许多的研究。
面部表情认知的研究可分为两个步骤：第一步是面部表情刺激物的制作或选择，这可以用专门拍摄(录像)或图示来描画，也可以用完全装扮出的活生生的表情或自发的表情等。
第二步时对表情进行识别评定。
也可以用多种方法，如自由评定法，即让被试自由地对表情给出情绪词汇；或限制评定法，即向被试提供各种提供各种情绪词汇或情绪情境，要求被试只能根据所提供的情绪词汇或者情绪情境进行分类或者匹配等；或参照自由评定法，即向被试提供参考线索（如情境，人格特征等），让其说出所表达的情绪的词汇等。
关键词：情绪表情认知线索1 前言传统心理学把情绪列为心理现象的三大方面之一。
情绪也是心理学理论体系中一个不可缺少的研究环节。
情绪（emotion）是体验，又是反应；是冲动，又是行为；它是有机体的一种复合状态。
情绪的表现有和缓的和激动的，细微的和强烈的，轻松的和紧张的等诸多形式，广泛地同其他心理过程相联系。
自古以来，科学家们十分注意探讨情绪之奥妙，但与情绪的重要性不相适应的是，长期以来情绪研究一直是心理学尤其是实验心理学研究中的一个薄弱环节。
《基于深度学习的人脸情绪识别的研究》范文
《基于深度学习的人脸情绪识别的研究》篇一一、引言人脸情绪识别是人工智能领域中一个重要的研究方向，它主要涉及到对人类面部表情的分析与理解。
在日常生活和工作中，人脸情绪识别有着广泛的应用场景，如心理咨询、人机交互、安全监控等。
随着深度学习技术的发展，基于深度学习的人脸情绪识别已经成为当前研究的热点。
本文旨在探讨基于深度学习的人脸情绪识别的研究现状、方法及挑战，以期为相关研究提供参考。
二、人脸情绪识别的研究背景与意义人脸情绪识别是指通过分析人的面部表情来推断其情绪状态的过程。
随着人工智能技术的不断发展，人脸情绪识别在多个领域都发挥着重要作用。
在心理辅导领域，通过分析患者的面部表情，心理医生可以更准确地了解患者的情绪状态，从而提供更有效的心理治疗。
在人机交互领域，人脸情绪识别技术可以提高人机交互的智能性和友好性，提升用户体验。
在安全监控领域，人脸情绪识别技术可以用于监测人员的情绪状态，及时发现异常情况。
三、深度学习在人脸情绪识别中的应用深度学习是一种模拟人脑神经网络的工作方式，通过对大量数据进行学习和分析，从而自动提取数据的特征。
在人脸情绪识别中，深度学习主要通过卷积神经网络（CNN）等技术对人脸图像进行特征提取和情感分类。
目前，基于深度学习的人脸情绪识别已经取得了显著的成果。
例如，通过训练大量的面部表情数据，深度学习模型可以自动提取出与情绪相关的特征，如眉毛的抬起、眼睛的扩大等，从而实现对情绪的准确识别。
四、人脸情绪识别的研究方法1. 数据集：人脸情绪识别的研究首先需要大量的面部表情数据集。
目前，公开的面部表情数据集如AFEW、FER2013等为研究者提供了丰富的数据资源。
2. 特征提取：特征提取是人脸情绪识别的关键步骤。
传统的特征提取方法主要依赖于人工设计的特征，如LBP、HOG等。
而基于深度学习的特征提取方法则可以自动提取与情绪相关的特征。
3. 模型训练：在特征提取后，需要使用分类器对特征进行训练和分类。
辨别面孔实验报告
一、实验目的本实验旨在探究人类对面孔的辨别能力，以及不同条件下辨别效果的影响。
通过实验，了解个体在识别熟悉与陌生面孔、不同表情和光照条件下的辨别准确率，从而为心理学研究提供实证数据。
二、实验方法1. 实验材料实验材料包括100张彩色照片，其中50张为熟悉面孔（实验者熟悉的亲朋好友照片），50张为陌生面孔（实验者不熟悉的人的照片）。
照片中的人物表情分为正常、微笑、哭泣三种。
2. 实验设计实验采用2（熟悉度：熟悉面孔 vs. 陌生面孔）× 3（表情：正常、微笑、哭泣）的混合实验设计，其中熟悉度和表情为自变量，辨别准确率为因变量。
3. 实验程序（1）实验者随机抽取50张熟悉面孔和50张陌生面孔，分别编号为1-50。
（2）将100张照片随机分为10组，每组10张，每组包含2张熟悉面孔和8张陌生面孔。
（3）实验者观看每组照片，并记录在规定时间内识别出熟悉面孔的准确率。
（4）实验重复3次，以确保实验结果的可靠性。
三、实验结果1. 熟悉度对辨别准确率的影响通过数据分析，我们发现熟悉面孔的辨别准确率显著高于陌生面孔（p < 0.05）。
这说明个体在识别熟悉面孔时具有更高的准确率。
2. 表情对辨别准确率的影响数据分析结果显示，不同表情面孔的辨别准确率存在显著差异（p < 0.05）。
在正常表情面孔中，辨别准确率最高；在微笑表情面孔中，辨别准确率次之；在哭泣表情面孔中，辨别准确率最低。
3. 熟悉度与表情的交互作用进一步分析发现，熟悉度与表情之间存在显著的交互作用（p < 0.05）。
具体表现为：在熟悉面孔中，正常表情面孔的辨别准确率最高，微笑表情面孔次之，哭泣表情面孔最低；在陌生面孔中，正常表情面孔的辨别准确率最高，微笑表情面孔次之，哭泣表情面孔最低。
四、讨论1. 熟悉度对面孔辨别准确率的影响实验结果表明，熟悉面孔的辨别准确率显著高于陌生面孔。
这可能是因为个体在面对熟悉面孔时，能够更好地提取和利用面部特征，从而提高辨别准确率。
不同面部特征对大学生情绪面孔识别的影响
目录1前言 (1)1.1面孔识别的定义 (1)1.2面孔识别的主要理论模型 (1)1.3面孔识别的实验范式 (2)1.3.1倒立效应 (2)1.3.2整体局部改变范式 (3)1.3.3模糊—打乱效应 (3)1.3.4整体部分范式 (3)1.3.5边缘识别技术 (4)1.4面孔识别的研究进展 (4)1.4.1不同文化背景群体的面孔识别 (4)1.4.2不同种族的面孔识别 (4)1.4.3面孔识别的同性别偏向效应和同龄偏向效应 (5)1.4.4不同人格特质的情绪面孔识别 (5)1.5问题提出 (5)1.6研究目的 (6)1.7研究假设 (6)2研究方法 (6)2.1实验设计 (6)2.2被试 (6)2.3研究材料与工具 (6)2.4实验程序 (7)3研究结果 (8)3.1被试对不同面孔特征的情绪类型的识别的正确率分析 (8)3.2被试对不同面孔特征的情绪类型的识别的反应时分析 (10)4讨论 (12)5结论 (13)参考文献： (13)致谢 (16)附录 (17)不同面部特征对大学生情绪面孔识别的影响摘要:研究以广东培正学院大学生为被试，使用经过Photoshop软件开窗、高斯模糊处理的CFAPS图片，采用E-Prime 2.0软件设计2×3×3的混合实验设计，来探求不同情绪类型和不同面部特征的识别差异性。
结果：（1）男性对于面孔的识别绩效低于女性，但没有显著差异；（2）在平静面孔条件下，被试对于面孔的识别绩效显著优于高兴和恐惧情绪；（3）在高兴、恐惧情绪面孔条件下，被试对眼部特征的识别成绩显著高于鼻部；（4）在平静面孔条件下，被试对鼻部特征的识别成绩显著高于嘴部，对嘴部的识别成绩显著高于眼部。
关键词：面孔识别；情绪；特征信息；大学生The Influence of Different Facial Features on College Students' Emotional Face RecognitionAbstract: This study took students from Guangdong PeiZheng College as subjects, and used CFAPS pictures with Windows opened by Photoshop and gaussian blur processed. The mixed experiment design of 2×3×3 was designed by E-PRIME 2.0 software to explore the differences of facial emotion recognition and the influence of different facial feature parts on face recognition. The results showed that: (1) the female's ability of face recognition was better than the male's, but there was no significant difference; (2) under the condition of normal emotion, the recognition performance of subjects was significantly higher than that of happy and fear; (3) under the conditions of happy and fear emotions, the recognition performance of subjects on the eyes was significantly higher than that of nose; (4) under normal emotion, the results of nose recognition was significantly higher than the mouth, and the mouth was higher than the eyes.Keywords: facial recognition; emotion; feature information; college students1前言1.1面孔识别的定义面孔识别（Facial Cognition）是指个体准确地认知和识别人脸面孔以及辨认其种族、性别、年龄和表情等的能力。
面部表情控制对情绪面孔识别的影响
面部表情控制对情绪面孔识别的影响
具身情绪观认为情绪是基于身体加工的,受到身体构造、身体活动、身体的感知觉及其经验的影响,而面部表情作为最常见的外显情绪表征,因此研究面部表情识别的影响因素,从而促进他人情绪的理解,对个体适应社会生活具有重要意义。
本研究在前人有关情绪具身性研究的基础上,探讨面部表情控制对情绪面孔图片识别的影响。
针对情绪面孔图片识别的情绪一致性效应、局部线索效应以及面部模仿效应,设计了实验一、实验二和实验三。
实验一和实验二的研究目的是探究具身行为下的情绪一致性效应。
所采用的实验材料为中国化面孔情绪图片系统,被试为60名重庆师范大学本科生和研究生,将被试分为积极具身行为组和消极具身行为组,通过积极与消极的面部肌肉控制方式引发相对应的具身情绪,并采用识别-判断范式让被试对情绪面孔图片进行识别和判断,研究面部表情控制下个体对情绪面孔图片识别的反应时和正确率。
实验三在实验一和实验二的基础上进行,继续探讨具身情绪下对面孔图片识别的干扰因素。
呈现材料来自中国化面孔情绪图片,将面孔图片分为上半部(眼部)以及下半部(嘴部),采用识别判断范式,考察具身情绪下,局部线索及面部模仿效应对情绪面孔识别的影响。
结论:(1)面部肌肉控制能够有效诱发被试情绪;(2)积极具身行为状态比消极具身行为状态,识别正性面孔图片更快,识别消极面孔图片更慢;(3)消极具身行为状态比积极具身行为状态,识别消极情绪更快,识别积极情绪更慢。
(4)识别正性面孔图片时,嘴部线索作用更大;识别负性图片时,眼部线索作用更大;(5)具身情绪下识别情绪面孔图片会受到面部模仿效应和局部线索的影
响。
面部情绪识别实验报告(3篇)
第1篇一、实验背景与目的随着计算机视觉和人工智能技术的快速发展，面部情绪识别技术在心理学、人机交互、人机通信等领域得到了广泛应用。
本实验旨在探究面部情绪识别的有效性，通过分析实验数据，评估不同情绪识别方法的性能，为实际应用提供理论依据。
二、实验方法1. 实验材料：实验材料包括100张真实面部表情图片，其中包含基本情绪（高兴、愤怒、惊讶、害怕、悲伤、厌恶、轻蔑）和高级情绪（沉浸程度、心理效价）。
2. 实验设备：实验设备包括一台高性能计算机、高清摄像头、眼动仪等。
3. 实验步骤：（1）参与者观看实验材料，并记录下自己对每张图片的情绪识别结果。
（2）参与者通过眼动仪观察每张图片，眼动数据用于后续分析。
（3）对参与者情绪识别结果和眼动数据进行统计分析。
三、实验结果与分析1. 情绪识别准确率：实验结果显示，参与者在基本情绪识别方面的准确率为85%，在高级情绪识别方面的准确率为75%。
与现有文献报道的准确率相比，本实验结果较为理想。
2. 眼动数据分析：眼动数据分析表明，参与者在观察面部表情图片时，对表情的关键区域（如眼睛、嘴巴）注视时间较长，这与情绪识别过程相一致。
3. 情绪识别方法比较：本实验采用多种情绪识别方法，包括基于传统机器学习的方法和基于深度学习的方法。
实验结果表明，基于深度学习的方法在情绪识别方面具有更高的准确率。
四、实验讨论1. 情绪识别准确性：本实验结果表明，面部情绪识别具有较高的准确性，这与现有研究结论相一致。
然而，不同情绪类型的识别准确率存在差异，这可能受情绪表达的复杂性和多样性影响。
2. 眼动数据在情绪识别中的作用：眼动数据在情绪识别中具有重要作用，通过分析眼动数据，可以揭示情绪识别过程中的认知机制。
本实验结果表明，眼动数据与情绪识别结果具有较高的相关性。
3. 情绪识别方法的选择：本实验比较了多种情绪识别方法，结果表明，基于深度学习的方法在情绪识别方面具有更高的准确率。
这可能与深度学习模型能够有效提取面部表情特征有关。
个人脸部形象分析报告
个人脸部形象分析报告个人脸部形象分析报告脸部形象在人与人之间的交往中起着重要的作用，它是一个人的窗户，通过脸部表情可以看出一个人的情绪状态、个性特点等。
本报告将对被分析者的脸部形象进行全面分析，以期更好地了解被分析者的特点和潜在的发展方向。
被分析者为一位年轻女性，面部特征包括五官以及脸型、面容等。
以下将对这些方面进行逐一分析。
首先，从五官来看，被分析者的眼睛较大，明亮而有神，眼眸清澈透明，给人以温和、善良、聪明的感觉。
这种眼神往往能够给人带来信任和舒适的感觉，从而更容易与人建立联系和沟通。
其次，被分析者的鼻子较直挺，鼻翼没有过分扩张，鼻孔明显，整体呈现出一种积极向上的气质。
这种鼻子形态给人一种坚定、刚毅的感觉，透露出一种自信和自尊，容易让人产生信任感。
再次，被分析者的嘴唇较红润，丰满而富有弹性，给人一种活泼、开朗的感觉。
这种嘴唇形态往往能够给人带来亲近感和亲和力，容易让人觉得被分析者是一个乐于助人、善解人意的人。
此外，被分析者的脸型为瓜子脸，脸颊较瘦，颧骨饱满，下巴稍尖。
这种脸型给人一种细致、精致、有活力的感觉，容易让人觉得被分析者是一个聪明、理智、有条理的人。
最后，被分析者的面容整体看起来较为和谐，五官之间的比例适中，没有明显的不协调。
这种面容给人一种和善、美好的感觉，容易让人觉得被分析者是一个友善、可靠的人。
综上所述，通过对被分析者脸部形象的分析，可以发现被分析者给人一种善良、聪明、自信、开朗、活泼的感觉。
这些优点可以成为被分析者在与人交往、工作、生活等方面的优势，为其未来的发展提供有力支撑。
然而，脸部形象只是外在特征的一种显现，更重要的是个人的内在素质和能力。
因此，被分析者在发展自己的同时，也需要注重提升自己的素质和能力，从而更好地展现自己的潜力和价值。
在人际交往中，被分析者可以通过优秀的沟通能力和表达能力，更好地与他人建立联系和合作，提升自己的人际关系能力；在工作中，被分析者可以通过学习和提升专业知识，不断提高自己的工作能力和专业素养，追求更高的职业发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
知觉加工：面孔和情绪
姓名：赵佳娴学号：112032013054 班级：13心理
摘要：目的考察对面部情绪的识别和加工是否受到加工时间的影响。
方法用E-prime软件编写程序，采用5点评价法来让被试对材料进行打分，对35名大学生的结果进行分析。
结果不同加工时间下，被试都能正确识别出不同的情绪面孔，且结果没有差异。
结论情绪信息的识别是相当快速的，基本与知觉信息的加工同步，能够在极短的时间里识别。
被试对面部情绪的识别和加工不会受到加工时间的影响。
关键词：面孔识别情绪加工时间
1 引言
面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态。
达尔文在《人类和动物的情绪表情》一书中提出：不同的面部表情是天生的、固有的，并且能为全人类所理解。
即使是婴儿也能正确的识别和表现出愉悦、伤心、愤怒等表情。
识别他人情绪的能力对于种族的生存具有重要意义，能否正确的识别他人的情绪面孔并对其做出反应，在一定程度上反映了个体社会交往能力的发展情况，并关系到个体社会交往、沟通的成败。
因此，研究情绪面孔的识别有重要的意义。
情绪产生于对刺激情境或对事物的评价，情绪的产生受到环境事件、生理状况和认知过程三种因素的影响，其中认知过程是决定情绪性质的关键因素。
前人对此有许多不同理论。
美国心理学家阿诺德（M. R. Arnold）在20世纪50年代提出了情绪的评定－兴奋学说。
这种理论认为，刺激情景并不直接决定情绪的性质，从刺激出现到情绪的产生，要经过对刺激的估量和评价，情绪产生的基本过程是刺激情景——评估——情绪。
同一刺激情景，由于对它的评估不同，就会产生不同的情绪反应。
20世纪60年代初，美国心理学家沙赫特（S.Schachter）和辛格（J.Singer）提出，对于特定的情绪来说，有两个因素是必不可少的。
第一，个体必须体验到高度的生理唤醒，如心率加快、手出汗、胃收缩、呼吸急促等；第二，个体必须对生理状态的变化进行认知性的唤醒。
事实上，情绪状态是由认知过程（期望）、生理状态和环境因素在大脑皮层中整合的结果。
拉扎勒斯认为情绪是人和环境相互作用的产物，具体来讲，有三个层次的评价：初评价、次评价和再评价。
因此，就出现了两种对立的基本假设：1）情绪信息的加工是在基本感知觉信息加工完毕之后进行的，如果加工时间太短，则不能很好地识别情绪；2）情绪信息的识别是相当快速的，基本与知觉信息的加工同步，能够在极短的时间里识别。
为了考察对面部情绪的识别和加工是否受到加工时间的影响，将被试分为3组，给他们呈现微笑或严肃的面孔，让他们对其微笑程度做出5点式的评价，各组照片呈现时间不同。
实验结束后，分析不同加工时间下被试能否正确识别不同情绪的面孔，以及对于面孔的情绪识别的结果是否有差异。
实验假设：不同加工时间下，被试都能正确识别出不同的情绪面孔，而且结果没有差异。
2 方法
2.1 被试
福建师范大学在校大学生35人，平均年龄20岁左右，视觉或矫正视觉正常，色觉正常，均为右利手。
2.2 实验仪器与实验材料
2.2.1 实验仪器
计算机，E-prime软件，键盘。
2.2.2 实验材料
16张成年人的面部照片，其中8张微笑，8张平静或严肃。
2.3 实验设计
本次实验为2×3的混合实验设计，自变量有两个：因素一（组内）：照片的脸部表情：平静或严肃、微笑；因素二（组间）：照片呈现的时间长短：2500ms、500ms、100ms。
因变量为被试对情绪面孔的评价，采用五点量表的计分方法。
2.4 程序
2.4.1 将被试分为三组，各个小组照片呈现时间分别为2500ms、500ms和100ms。
不同小组之间互不影响。
2.4.2 请被试坐好，开始阅读指导语。
指导语为：“您好！感谢您参加本实验！：）本次试验中，您将会看到一些脸部照片。
请根据提示，对这些照片进行评价。
实验分为三个小节。
每节开始前会提示评价的维度，之后呈现16张不同的照片。
评价采用五点量表，请把手指放在数字键1~5上面。
每节结束后有30秒的休息时间。
16张照片重复使用3次。
整个实验持续6~9分钟。
实验中遇到任何问题，都请举手向主试示意。
准备好了请按空格键开始。
：）”
2.4.3 被试准备好之后开始第一节实验。
要求被试判断照片上的人是否在笑，1为“严肃”，3为“平静”，5为“微笑”。
被试评价完16张照片后休息30秒。
2.4.4 第二节实验要求被试判断照片上的人的性格，1为“严肃”，3为“平静”，5为“和善”。
被试评价完16张照片后休息30秒。
2.4.5 第三节实验要求被试判断照片上的人的情绪状态，1为“生气”，3为“平静”，5为“愉悦”。
被试评价完16张照片后实验结束。
3 结果
3.1 不同加工时间下被试对面孔情绪的评价结果
表1 不同加工时间下被试的评价结果的统计表
加工时间N Mean SD
平静或严肃2500ms13 2.010.560 500ms10 2.140.232 100ms12 2.110.375总计35 2.080.417
微笑2500ms13 4.610.227 500ms10 4.300.504 100ms12 4.540.417总计35 4.500.398
3.2 不同加工时间下被试结果的差异检验
对实验结果进行重复测量方差分析，结果如下：
表2 对两个因素的主效应和交互效应的检验
df F p 照片情绪 1 563.301 0.000**
加工时间 2 0.464 0.633 照片情绪*加工时间 2 1.513 0.236
注：*表示差异比较显著，**表示差异非常显著
由表2可以看出，被试对不同情绪面孔的照片的评价有非常显著的差异，即被试均能正确判断照片上面孔的情绪；而不同加工时间下被试的结果没有显著差异，即不同的加工时间不影响被试对于情绪面孔的判断；两个自变量之间交互效应不显著。
4讨论
从结果可以看出，在不同加工时间下，被试都能正确识别出不同的情绪面孔，而且结果没有差异，验证了实验假设。
被试对面部情绪的识别和加工没有受到加工时间的影响。
这说明了在情绪加工方式的两种对立的基本假设（1、情绪信息的加工是在基本感知觉信息加工完毕之后进行的，如果加工时间太短，则不能很好地识别情绪；2、情绪信息的识别是相当快速的，基本与知觉信息的加工同步，能够在极短的时间里识别）中，正确的是假设2：情绪信息的识别是相当快速的，基本与知觉信息的加工同步，能够在极短的时间里识别。
但是，我们也不能完全排除假设1，因为信息加工在大脑中是极为迅速的，感知觉加工和情绪信息的加工有可能在100ms之内就完成了。
因此，有条件的话，可以做情绪识别的脑电研究，结果将会更加准确。
5结论
情绪信息的识别是相当快速的，基本与知觉信息的加工同步，能够在极短的时间里识别。
被试对面部情绪的识别和加工不会受到加工时间的影响。
6参考文献
[1]彭聃龄.普通心理学（第四版）.北京：北京师范大学出版社.2012.5，432-440
[2]马聘聘，王异芳，魏萍.消极情绪面孔识别的认知偏向性研究.中华行为医学与脑科学杂志.2011年2月第20卷第2期
[3]王赟，杨世昌.情绪面孔识别的研究进展.精神医学杂志.2013年第26卷第3期。