Share it with your network.
Stimmungsanalyse wird bereits häufig von verschiedenen Unternehmen verwendet, um die Stimmung der Verbraucher gegenüber ihrem Produkt oder ihrer Marke in der digitalen Welt einzuschätzen. In der Offline-Welt interagieren Benutzer jedoch auch mit den Marken und Produkten in Einzelhandelsgeschäften, Ausstellungsräumen usw., und Lösungen zur automatischen Messung der Benutzerreaktion unter solchen Bedingungen sind nach wie vor eine schwierige Aufgabe. Die Emotionserkennung anhand von Gesichtsausdrücken mithilfe von KI kann eine praktikable Alternative sein, um die Interaktion der Verbraucher mit ihren Inhalten und Marken automatisch zu messen.
Bei ParallelDots haben wir die Wissenschaft der Psychologie, des menschlichen Ausdrucks und der künstlichen Intelligenz kombiniert, um verschiedene Emotionen im Gesicht einer Person automatisch zu erkennen. Unser Algorithmus zur Erkennung von Gesichtsemotionen kann sieben verschiedene Arten von emotionalen Zuständen in Echtzeit identifizieren.
In diesem Beitrag werden wir erörtern, wie eine solche Technologie eingesetzt werden kann, um eine Vielzahl von realen Anwendungsfällen effektiv zu lösen.
1. Autos sicherer und personalisierter machen
Autohersteller auf der ganzen Welt konzentrieren sich zunehmend darauf, Autos für uns persönlicher und sicherer zu machen. In ihrem Bestreben, intelligentere Fahrzeugfunktionen zu entwickeln, ist es für Hersteller sinnvoll, KI einzusetzen, um ihnen zu helfen, die menschlichen Emotionen zu verstehen. Mithilfe der Gesichtserkennung können intelligente Autos den Fahrer warnen, wenn er sich schläfrig fühlt.
Nach Angaben des US-Verkehrsministeriums sind Fahrfehler für rund 95% der tödlichen Verkehrsunfälle verantwortlich. Die Gesichtserkennung erkennt subtile Veränderungen der Mikroausdrücke im Gesicht, die der Schläfrigkeit vorausgehen, und sendet personalisierte Warnmeldungen an den Fahrer, in denen er aufgefordert wird, eine Kaffeepause einzulegen, die Musik zu ändern oder die Temperatur zu ändern.
2. Erkennung von Gesichtsemotionen in Interviews
Eine Interaktion zwischen Kandidat und Interviewer ist anfällig für viele Kategorien von Urteilsvermögen und Subjektivität. Aufgrund dieser Subjektivität ist es schwierig festzustellen, ob die Persönlichkeit des Bewerbers für die Stelle geeignet ist. Es liegt nicht in unserer Hand, herauszufinden, was ein Kandidat zu sagen versucht, da es mehrere Ebenen der Sprachinterpretation, kognitive Vorurteile und den dazwischen liegenden Kontext gibt. An dieser Stelle kommt KI ins Spiel, die die Gesichtsausdrücke des Kandidaten messen kann, um seine Stimmungen zu erfassen und seine Persönlichkeitsmerkmale weiter zu beurteilen.
Die Erkennung von Gesichtsemotionen kann das allgemeine Vertrauensniveau eines Befragten ermitteln [Bildunterschrift]
Insbesondere Unilever beginnt bereits, diese Technologie in seinen Rekrutierungsprozess zu integrieren. Mit dieser Technologie wird ein Personalvermittler beispielsweise in der Lage sein, das allgemeine Selbstbewusstsein eines Befragten zu ermitteln und eine Entscheidung darüber zu treffen, ob dieser Kandidat in der Lage ist, bei einer Stelle mit Kundenkontakt gute Leistungen zu erbringen. Ebenso wird es möglich sein, herauszufinden, ob der Kandidat alle Fragen ehrlich beantwortet, indem man die Veränderung der Emotionen während seiner Antworten misst und sie mit dem riesigen Wissensbestand, der in diesem Bereich verfügbar ist, korreliert.
Mithilfe dieser Technologie kann auch die Moral der Mitarbeiter wahrgenommen werden, indem Interaktionen am Arbeitsplatz aufgezeichnet und aufgezeichnet werden. Als HR-Tool kann es nicht nur bei der Entwicklung von Rekrutierungsstrategien helfen, sondern auch bei der Gestaltung von Personalrichtlinien, die die beste Leistung der Mitarbeiter erzielen.
3. Testen für Videospiele
Videospiele wurden unter Berücksichtigung einer bestimmten Zielgruppe entwickelt. Jedes Videospiel zielt darauf ab, bei den Benutzern ein bestimmtes Verhalten und eine Reihe von Emotionen hervorzurufen. Während der Testphase werden die Benutzer gebeten, das Spiel für einen bestimmten Zeitraum zu spielen, und ihr Feedback fließt in das Endprodukt ein. Mithilfe der Gesichtserkennung können Sie in Echtzeit nachvollziehen, welche Emotionen ein Nutzer während des Spiels durchlebt, ohne das komplette Video manuell analysieren zu müssen.
Ein solches Produktfeedback kann aufgenommen werden, indem ein Live-Feed des Benutzers analysiert und seine Gesichtsemotionen erkannt werden. Während in fortgeschrittenen Videospielen häufig Gefühle von Frustration und Wut auftreten, hilft der Einsatz der Gesichtserkennung, zu verstehen, welche Emotionen an welchen Stellen im Spiel erlebt werden. Es ist auch möglich, dass während des Spiels einige unerwartete oder unerwünschte Emotionen beobachtet werden. Das Einholen von Feedback von Nutzern, die das Spiel erlebt haben, kann ineffizient sein. Das liegt daran, dass es oft schwierig sein kann, ein Erlebnis in Worte zu fassen. Darüber hinaus können sich die Benutzer möglicherweise nicht daran erinnern, was genau sie in den verschiedenen Teilen des Spiels emotional durchgemacht haben. Die Erkennung von Emotionen im Gesicht ist ein praktisches Mittel, um über das mündliche oder schriftliche Feedback hinauszugehen und zu verstehen, was der Nutzer gerade erlebt. Wenn Feedback in diesem Format aufgenommen wird, wirkt es wirklich unaufdringlich, wenn es um das Nutzererlebnis geht. Gleichzeitig ist ein solches Feedback zuverlässiger als andere Formen.
4. Marktforschung
Traditionell setzen Marktforschungsunternehmen verbale Methoden wie Umfragen ein, um die Wünsche und Bedürfnisse der Verbraucher zu ermitteln. Bei solchen Methoden wird jedoch davon ausgegangen, dass die Verbraucher ihre Präferenzen mündlich formulieren können und dass die angegebenen Präferenzen zukünftigen Maßnahmen entsprechen, die möglicherweise nicht immer richtig sind.
Ein weiterer beliebter Ansatz in der Marktforschungsbranche ist der Einsatz von Verhaltensmethoden, die die Reaktion des Benutzers bei der Interaktion mit einer Marke oder einem Produkt beobachten. Solche Methoden werden als objektiver angesehen als verbale Methoden. Verhaltensmethoden verwenden Video-Feeds von Benutzern, die mit dem Produkt interagieren. Diese werden dann manuell analysiert, um ihre Reaktionen und Emotionen zu beobachten. Solche Techniken können jedoch mit zunehmender Stichprobengröße schnell sehr arbeitsintensiv werden. Die Gesichtserkennung kann Abhilfe schaffen, indem sie es Marktforschungsunternehmen ermöglicht, Gesichtsausdrücke von Emotionen von Moment zu Moment automatisch zu messen (Gesichtskodierung) und die Ergebnisse zu aggregieren.
Das Erkennen von Emotionen mithilfe von Technologie ist eine herausfordernde Aufgabe, bei der sich Algorithmen für maschinelles Lernen jedoch als vielversprechend erwiesen haben. Mithilfe der Facial Emotion Detection API von ParallelDots können Kunden Bilder und Videos in Echtzeit verarbeiten, um Videofeeds zu überwachen oder Videoanalysen zu automatisieren. So sparen sie Kosten und machen das Leben ihrer Benutzer besser. Der Preis der API basiert auf einem Pay-As-You-Go-Modell, sodass Sie die Technologie vor der Skalierung testen können.
Die Erkennung von Gesichtsemotionen ist nur ein Teil dessen, was visuelle Intelligenz tun könnte, um Videos und Bilder automatisch zu analysieren.
Wir hoffen, dir hat der Artikel gefallen. Bitte Melde dich an für ein kostenloses Komprehend-Konto, um Ihre KI-Reise zu beginnen. Sie können sich auch die Demos der Komprehend APIs ansehen hier.
.jpg)