Érzelemfelismerés mozgáselemzéssel: az emberi és a gépi feldolgozás összehasonlítása = Emotion detection by motion analysis: a comparison of human and machinebased processing

Barbara, Naor and Dóra, Egri and Somogyi, Angéla and Schwartz, Kristóf (2025) Érzelemfelismerés mozgáselemzéssel: az emberi és a gépi feldolgozás összehasonlítása = Emotion detection by motion analysis: a comparison of human and machinebased processing. ORVOSI HETILAP, 166 (46). pp. 1803-1809. ISSN 0030-6002

Preview

Text 650-article-p1803.pdf - Published Version Available under License Creative Commons Attribution. Download (251kB) | Preview

Abstract

Bevezetés: Az emberi érzelmek és azok testi kifejezései közötti kapcsolat egyre nagyobb figyelmet kap a pszichológia és a kognitív tudományok területén. Az érzelmek nemcsak verbális és mimikai úton fejeződnek ki, hanem a testtartás, a gesztusok és a mozgásmintázatok révén is. A mozgáselemzés az érzelmek azonosításának egyik lehetséges módja, jelenleg azonban nincs egyértelmű konszenzus arról, hogy melyik módszer a legalkalmasabb erre a célra. Célkitűzés: A tanulmány célja, hogy szisztematikusan áttekintse a mozgáselemzésnek az érzelmek azonosítására alkal- mazott módszereit, és összehasonlítsa az emberi és a mesterségesintelligencia-alapú megközelítéseket. Módszer: A kutatás során PRISMA-protokoll szerinti szisztematikus szakirodalmi áttekintést végeztünk. A kezdeti keresés alapján 7699 tudományos közleményt azonosítottunk, amelyek közül a beválasztási és kizárási kritériumok alkalmazása után 16 releváns cikk maradt. Az elemzéssel a különböző mozgáselemzési technikákat, azok alkalmazha- tóságát és pontosságát vizsgáltuk. Eredmények: Összesen 9 különböző mozgáselemzési módszert azonosítottunk a szakirodalomban, amelyek közül 4 alkalmazott mesterséges intelligenciát az érzelmek felismerésére. A módszerek eltérnek az adatelemzési eljárásokban, az alkalmazott technológiákban és az érzelemfelismerés pontosságában. Megbeszélés: A mozgáselemzés ígéretes eszköz az érzelmek vizsgálatára, nincs azonban egyetlen univerzálisan alkal- mazható technika. A mesterséges intelligencia egyre nagyobb szerepet kap az érzelmek felismerésében, de az algorit- musok fejlesztésében és az egyéni különbségek kezelésében még kihívások állnak fenn. Következtetés: Jelenleg nincs egységesen elfogadott mozgáselemzési technika az érzelmek azonosítására. A mestersé- ges intelligencia hasznos eszköz lehet, de önmagában korlátokkal rendelkezik. Orv Hetil. 2025; 166(46): 1803–1809. | Introduction: The relationship between human emotions and their bodily expressions has been receiving increasing attention in psychology and cognitive sciences. Emotions are not only expressed through verbal and facial cues but also through posture, gestures, and movement patterns. Motion analysis is one of the possible methods for identify- ing emotions; however, there is currently no clear consensus on which method is the most suitable for this purpose. Objective: The aim of this study is to systematically review motion analysis methods used for emotion recognition and to compare human-based and artificial intelligence-based approaches. Method: This study follows a systematic literature review using the PRISMA protocol. The initial search identified 7699 scientific articles from various databases. After applying inclusion and exclusion criteria, 16 relevant studies were selected for detailed analysis. The research examines different motion analysis techniques, their applicability, and their accuracy. Results: A total of 9 different motion analysis methods were identified in the literature, of which 4 utilized artificial intelligence for emotion recognition. These methods differ in terms of data processing techniques, applied technolo- gies, and accuracy in detecting emotions. Discussion: Motion analysis is a promising tool for studying emotions; however, no universally applicable technique currently exists. Artificial intelligence plays an increasing role in emotion recognition, yet challenges remain in algo- rithm development and handling individual differences in emotional expression. Conclusion: Currently, there is no single, universally accepted motion analysis technique for emotion identification. Artificial intelligence can be a useful tool, but it has limitations when used alone. The most reliable approach appears to be the application of multidisciplinary methods, which combine human observation, classical motion analysis, and machine learning techniques.

Actions (login required)

Edit Item