微表情透视“爱乐之城”:10秒分手戏潜台词知多少

  1. 云栖社区>
  2. 大数据文摘>
  3. 博客>
  4. 正文

微表情透视“爱乐之城”:10秒分手戏潜台词知多少

小旋风柴进 2017-05-23 16:15:00 浏览1432


0?wx_fmt=jpeg


过年的时候,处座带着小侄女去看了韩寒导演的《乘风破凉》。出了电影院,她一脸兴奋的说,这电影真好看,乐死她了。


然而处座却觉得,看这电影就好像刷了一个半小时的微博段子,乐是乐了,乐完了什么都没留下。小侄女一听就不乐意了,说,那你倒说说什么样的电影才算好电影?


可能年纪大了,处座喜欢有回味的电影。比如最近,处座就看了一部“后劲”很大的电影,好吧,就是《爱乐之城》。古人曰,好的故事,只不过是指向月亮的手指,砍掉手指,明月才是真理。看完《爱乐之城》之后,处座始终无法停止回味和思索,好吧,就是也想起了前任。


近来正在研究大数据微表情分析的处座,忽然想到,如果用微表情技术来分析电影中的男女主角,还有那些值得回味的地方呢?本文处座就将采用微表情分析技术来透视演员传达的潜在情绪,去深刻理解影片想要表达的思想。


0?wx_fmt=jpeg



首先,什么是微表情分析?


保罗·艾克曼发现人类存在共通的七大基础表情:惊讶,轻蔑,厌恶,恐惧,愤怒,悲伤,喜悦。这七大表情是全人类共通共有的,其所表达的含义具有跨文化和跨种族的一致性。


微表情的本质是普通表情的弱化,它也许是持续非常短的完整表情,也有可能是微弱的甚至只出现局部形态的某个表情。


我们评论一个演员演技好,即使捂住嘴、不用语言,心事会从眼睛中流出来。这其实指的是他的微表情到位。


不论完整表情,还是微表情,都是藉由人类面部动作的活动而表现。保罗·艾克曼因此把人类所有面部肌肉的活动拆分、编号,继而推出了面部行为编码系统(Facial Action Coding System,FACS)。


保罗·艾克曼总结出人类一共有39个主要的面部动作单元(Action Unit,AU)。每一个AU,就是脸部的一小组肌肉收缩代码。比如AU1就代表眉头向中间聚拢并抬起的一个动作(如图一)。

0?wx_fmt=jpeg

图一


计算机可以通过标定人类面部的68个特征点,再结合这些特征点的运动轨迹,自动判断某个面部动作单元是否存在。如图二所示,眉梢内侧的特征点上移,其余面部特征点保持不动,计算机通过一个简单的分类器,就可以判断此时AU1被触发。


0?wx_fmt=jpeg

图二


不同的AU组合代表了不同的情绪。例如,AU1通常出现在悲伤情绪里,AU1也是辨别真实悲伤情绪的关键。但AU1和AU4(皱眉动作)组合在一起(如图三),以1s-2s的速度快速出现,这个时候,这个组合就不是代表悲伤地情绪了,而是失望。这种组合多出现在当事人突然对某人或某事失望时。


0?wx_fmt=jpeg

图三:AU1+AU4


因为人类的情绪非常丰富,表达方式也多种多样,这导致AU组合与情绪的关系及其复杂。以七大基础情绪为例,常见的AU组合如表一所示。微表情与AU组合的关系更难以总结,其数据采集的困难非常之大,往往需要结合具体应用领域进行定制化整理。


基础表情

面部动作单元

愉悦

AU6+12

悲伤

AU1+4+15

惊讶

AU1+2+5+26

恐惧

AU1+2+4+5+7+20+26

气愤

AU4+5+7+23

厌恶

AU9+15+16

轻蔑

AU12+14 

表一


微表情透视《爱乐之城》分手戏


好了说完了“微表情”的定义,处座想问个问题,你觉得,爱乐之城中,男主更爱女主,还是女主更爱男主?


处座访谈了朝阳35处的两位同事,其中一个产品经理妹子认为,女主爱男主多一些,因为从一开始就是女主更主动的在追求男主,因为爱他,所以才喜欢上了自己本不喜欢的爵士乐。


另一个数据挖掘工程师汉子觉得,男主应该是更爱女主的,因为男主在听到女主父母期望他有一份稳定的工作的时候,他为了这份感情,毅然的放弃了自己的梦想,找了一份女主父母期望的工作。


下面,处座将通过微表情分析来研究这个问题。爱乐之城演员演技全程在线,其中一个最经典的片段是女主被邀请面试获得成功后,双方坐在夕阳下的长椅上,讨论他们的未来。女主先是坦诚地问:我们的未来怎么办?


男主说,你要全力以赴的追求你的梦想,至于我们,就只能等着看结果了。


在这一段短短10s的对话中,男女主的演技简直惊为天人,通过一些列面部微表情,将心理活动展示的淋漓尽致。


下面我们看看这段对话中,男女主经历了怎样的心理活动。第一个特写镜头,男主的表情如图四所示。


0?wx_fmt=jpeg

图四


我们从男主面部提取特征点(如图五),并根据特征点的运动轨迹判断面部主要AU的强度。识别结果显示,男主上眼睑抬升,对应AU5的强度从0.2增长到0.6,与此同时,眼睑收敛,对应AU7的强度从0.2增长到0.5。这个微表情一共持续了1.467s。


0?wx_fmt=jpeg

图五


在解读这组面部动作所表达的情绪之前,大家可以先尝试做一下这个表情:先抬升你的眉毛,然后保持眉毛不动,开始眯眼。


如果你成功做出了这个表情,相信你也能猜到其表达的感情。没错,这个微表情揭示了男主此刻轻微恐惧的心理。男主做出了让女主去追求自己梦想的决定,他深知这个决定意味着此生可能再无缘女主,这所预见的未来让他感到恐惧,为了他自己,他不愿放手;但为了他爱的人,他选择了放手。


女主在听到男主决定后,表情特写是这样的(如图六)。


0?wx_fmt=jpeg

图六


微表情分析结果显示(见图七),女主有一个持续非常短暂的微表情,持续时间只有0.9s。在t=2.117s到t=2.497s这段时间,女主抬起眉毛内角,同时降低眉毛,这导致AU1和AU4同时增强。这个表情从出现到达到峰值,只有0.38s,然后迅速消失。


前面提到,AU1和AU4同时出现,表示一种失望的情绪。此时女主心理戏非常丰富,先是听到男主劝自己不要囿于情感、要去追梦之后感到失望,但随即又马上将这种情绪隐藏起来,担心男主察觉到后感到难过。


0?wx_fmt=jpeg

图七


紧接着,导演给了男主一个特写,如图八所示。


0?wx_fmt=jpeg

图八


微表情分析结果显示(见图九),男主眉毛降低,同时嘴角收紧,这个情绪持续了0.467s,在这段时间,AU4的强度从1.2增长到2.8,并且AU14的强度从0.2增长到0.7。这两个动作单元的组合表达了一种思考的状态,男主从一开始的恐惧,到现在开始思考接受现实。其对女主的感情在思索中开始升华。


0?wx_fmt=jpeg

图九


结束时,导演给了男主最后一个特写,如图十所示。


0?wx_fmt=jpeg

图十


看到这张特写,你可能会说,不用微表情分析了,我都能看出来,男主开心的笑了!处座想说,光是“笑”这一种表情,就有好多种解读,有真笑、有假笑、有哭笑不得,有悲极而笑。


如果你不服气,我们来看一道微表情分析入门级题目。请问图十一中,左右两个表情,哪个是假笑,哪个是真笑?


0?wx_fmt=jpeg

图十一


下面,处座教大家如何辨别真笑假笑:真笑在嘴唇往耳窝方向提升(AU12)的同时,眼轮匝肌外圈也收缩了(AU6)。就是大家通常说的“笑得眼睛都没有了”或“一笑眼睛就没了”,真笑必须要满足这两个条件。然而假笑就没有AU6的参与。所以大家可以借此理论分辨真笑与假笑。另一个更直观的方法是,观察是否眼角出现眼角纹,真笑在眼角会出现眼角纹,而假笑没有。


那么图十中的男主,所表达的是勉强挤出一个笑呢?还是真心为女主能去追梦而感到开心呢?微表情分析显示(如图十二),男主嘴角上扬的同时,眼睛外部也收紧,是发自内心的开心。这个笑持续了1.234s。

0?wx_fmt=jpeg

图十二


男主VS女主,谁更爱对方多一些


处座总结一下这短短10秒钟,男女主角通过镜头特写表达的丰富内心戏:


我们在最失意的时候相逢,共通的地方就是各自怀着梦想和目标,如果只是为了呵护当下爱情,反而会让对方远离梦想,失去逐梦的动力。


男女主角都希望对方追逐自己的梦想。但一想到没有对方的未来,虽然感到恐惧和忧伤,但双方都在强忍也不让对方担心。


比如,女主听到这个决定,先是感到失落,随即将情绪隐藏起来,不希望男主看到她难过。


与此同时,男主内心不断挣扎思考,最终下定决心,并真心相信女主能够去成就自己的梦想而感到开心。


因为爱,男主曾放弃了自己的梦想;最后他发现,离开你是最好的选择。


这里处座再展开一下,王国维在《人间词话》中说,人生有三大境界。


第一重境界是"昨夜西风凋碧树。独上高楼,望尽天涯路。"这重境界的爱情,像是彼此缠绵相爱的情人。就像开篇男女主人公的感情,甜甜蜜蜜,只争朝夕。


第二重境界是“衣带渐宽终不悔,为伊消得人憔悴。”这重境界的爱情,彼此愿意为对方付出和牺牲。就像女主因为男主而爱上本不喜爱的爵士乐,男主为女主而放弃自己想开俱乐部的理想。


第三重境界是“众里寻他千百度,蓦然回首,那人却在灯火阑珊处。”这重境界的爱情,愿意为了爱情,放弃爱情。就像最后,男主鼓励女主不要囿于这份感情,而去努力达成梦想。


分析到这,处座想说,男主和女主谁更爱对方这个问题也有了答案:都很爱对方,但境界不一样。 


最后,处座安利所有没看过这部电影的同学去看一下,忍到最后十分钟,相信你出了电影院,一定会爆一句:”这电影后劲儿真tmd大!“处座友情提示:想一起观看这部电影的情侣要三思,因为会让现任想起前任,前任怀念自己,自己审视现任……

原文发布时间为:2017-03-08

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号