VR游戏中的面部情绪识别

情绪检测是游戏用户研究（GUR）的关键组成部分，因为它使游戏开发者能够深入了解玩家的情绪体验，并据此调整游戏。然而，在虚拟现实（VR）游戏中检测情绪具有挑战性，因为头戴式显示器（HMD）覆盖了玩家面部的上半部分，即眼睛和眉毛，而这些部位提供了识别表情的关键信息。为了解决这个问题，我们使用卷积神经网络（CNN）训练了一个模型，用于预测眼睛和眉毛被遮挡的全脸图像中的情绪。我们使用了FER2013数据集，并对其进行了修改，以遮挡图像中的眼睛和眉毛。该模型在这些图像上能够准确识别七种不同的情绪：愤怒、快乐、厌恶、恐惧、中性、悲伤和惊讶。我们通过在两个VR游戏上进行测试并使用该模型检测玩家的情绪来评估模型的性能。我们在游戏结束后收集了玩家自我报告的情绪数据。我们分析了实验收集的数据，以了解玩家在游戏过程中体验到的情绪。我们发现，我们的方法通过能够在VR游戏中检测玩家的情绪，有潜力增强游戏分析，从而帮助游戏开发者创造更具吸引力和沉浸感的游戏体验。