通过动作解码心理状态：应用于建筑环境的人类运动功能推断
计算机视觉与模式识别
2026-02-13 v1
摘要
社会基础设施和其他建筑环境正越来越被期望通过促进社交互动来支持福祉和社区韧性。然而在民事和建筑环境研究中，缺乏一致且可保护隐私的方式来代表和度量这些空间中有意义的社交互动，导致不同情境下的研究在操作化"互动"时采取不同的方式，限制了实践者评估设计干预是否改变社会资本理论预测的应当重要的互动形式的能力。为此，我们引入了 Dyadic User Engagement DataseT (DUET) 数据集，并构建一种嵌入式的动作识别框架，将Ekman 和 Friesen的动作学分类作为功能级互动词汇，与社会资本相关的行为（如 reciprocity 和 attention coordination）相吻合。DUET 捕获了12种双人互动，涵盖动作学的五大功能——象征符号、说明符、情感显示、适应器和调节器——在四种感知模态和三种建筑环境情境中，使通过动作进行隐私保护的交流意图分析成为可能。对六种开源、最先进的人类活动识别模型进行基准测试，量化了DUET上交际功能识别的难度，并突显了将普遍的单体动作级识别扩展到双人、社交导向互动测量时局限性。基于DUET，我们的识别框架可直接从隐私保护的骨架运动中推断交际功能；使用迁移学习架构，它揭示了动作功能的结构化聚类，以及表示质量与分类性能之间的强关联，同时在被试和情境之间具有良好泛化能力。
引用
@article{arxiv.2601.17194,
title = {Decoding Psychological States Through Movement: Inferring Human Kinesic Functions with Application to Built Environments},
author = {Cheyu Lin and Katherine A. Flanigan and Sirajum Munir},
journal= {arXiv preprint arXiv:2601.17194},
year = {2026}
}