• clustering
• data-driven
• emozioni
• espressioni emotive
• espressioni facciali

Il presente lavoro di tesi è volto a caratterizzare, attraverso la registrazione della cinematica facciale, i cambiamenti genuini nelle espressioni del volto associate a particolari stati affettivi, così da fornire una descrizione dettagliata e oggettiva della mimica facciale ad essi associata.
Il volto e le sue espressioni emotive sono fonte di indagine già da molti anni, ma in passato il dibattito si è concentrato particolarmente sulla natura innata o biologica di queste. Oggi, indipendentemente da ciò, è necessario analizzare le espressioni facciali in maniera sistematica e oggettiva in modo da comprenderle a fondo. Perciò, il presente elaborato si è concentrato sulla costruzione di una metodologia data-driven, messa a punto per il campionamento della mimica facciale, la quale combina una metodica oggettiva di registrazione della dinamica facciale caratterizzata da elevata risoluzione temporale e spaziale con l'utilizzo di stimoli validati su un grande campione di soggetti. Nei seguenti capitoli sono descritti la costruzione e la validazione di un apparato adatto alla registrazione della cinematica facciale e di un metodo di markerizzazione del volto, lo sviluppo degli algoritmi necessari all’analisi dei dati e i risultati acquisiti su un soggetto pilota.
La metodica messa a punto è risultata adatta a registrare in maniera precisa e oggettiva espressioni facciali genuine elicitate dalla visione di brevi filmati emotigeni ed è stata adottata in questo lavoro per studiare le espressioni facciali di un soggetto sperimentale in relazione a 16 categorie emotive. Prima dell’inizio di ogni sessione di acquisizione una griglia di markerizzazione, composta da 81 punti, è stata disegnata sul volto del soggetto. Questi sono stati ottenuti, a partire dall’individuazione di 12 punti di repere anatomici del volto, grazie ad un algoritmo creato ad hoc. In seguito, una GoPro, fissata tramite un supporto ad un casco indossato direttamente dal soggetto, ha permesso di registrarne il volto per l’intera durata dell’esperimento. In seguito, grazie alla tecnica che abbiamo sviluppato, è stato possibile calcolare delle misure di variazione locale della conformazione della faccia, quantificando così la grandezza dello spostamento di ciascun punto in relazione ai filmati presentati e mostrando quali aree del volto sono maggiormente interessate da un cambiamento in relazione a ciascuna delle categorie emotive in esame. Inoltre, sono stati riportati dettagli riguardanti la dinamica temporale di ciascuna delle espressioni emotive. A partire dai dati relativi allo spostamento di ciascun marker è stata utilizzata una tecnica di unsupervised learning al fine di identificare un numero ridotto di cluster che racchiudono al loro interno più categorie emotive sulla base della similarità tra i pattern di movimenti del volto. Questa procedura ha identificato 7 macro-raggruppamenti di espressioni facciali. I risultati sono congruenti con quanto riportato da precedenti studi e hanno permesso di dimostrare che pattern di espressioni facciali emotive possono essere caratterizzati nel singolo soggetto, senza bisogno della valutazione umana (es. FACS). Per questo, in futuro, lo studio delle espressioni facciali genuine associate a stimoli emotigeni deve essere ampliato a un campione numeroso di soggetti e condotto utilizzando una più ampia selezione di stimoli. Ciò, permetterà di verificare se esista effettivamente un'associazione significativa e riproducibile tra pattern di movimenti facciali e lo stato emotivo del soggetto.