PsyMo：一个用于从步态估计自我报告心理特质的数据集

从运动、外貌等外部因素估计心理特质是心理学中一个具挑战性且长期存在的问题，其 principally 基于具身心理学理论。迄今为止，解决该问题的尝试使用了带有侵入式身体附着传感器的私有小规模数据集。自动化心理特质估计系统的潜在应用包括职业疲劳与心理估计、营销与广告。本文中，我们提出 PsyMo（从运动中提取心理特质），一个新颖的、多用途多模态数据集，用于探索行走模式中表现出的心理线索。我们收集了 312 名受试者在 7 种不同行走变化和 6 个相机角度下的行走序列。除行走序列外，参与者填写了 6 份心理问卷，总计 17 项与人格、自尊、疲劳、攻击性和心理健康相关的心理测量属性。我们提出了两种心理特质估计评估协议。除从步态估计自我报告心理特质外，该数据集还可作为即插即用的替代数据集来基准测试步态识别方法。我们对所有与受试者身份相关的线索进行了匿名化，并公开发布仅包含轮廓、2D/3D 人体骨架和 3D SMPL 人体网格的数据。