基于内隐测量和BP神经网络的产品色彩情感化设计_丁满.pdf

第 卷第期计算机集成制造系统 年月 ：收稿日期：；修订日期：。；基金项目：国家自然科学基金资助项目（）。：，（）基于内隐测量和 神经网络的产品色彩情感化设计丁满，丁婷婷，宋美佳，张新新，刘震（河北工业大学 建筑与艺术设计学院，天津 ）摘要：为准确获取用户对产品色彩的情感意象，有效缩小设计师与用户之间的情感认知差距，以电熨斗产品的色彩设计为研究对象，以内隐测量技术和 神经网络为研究手段，开展用户情感认知的演化机理研究。通过眼动、脑电和行为实验分别提取被试面对不同色彩方案时的眼动指标、脑电信号和情感意象评价值，结合 神经网络构建基于“产品色彩生理信号情感意象”三层关联结构的产品色彩情感意象评价模型。实验表明，所提方法能够准确获取用户对产品色彩的情感认知规律，为产品色彩情感化设计研究提供有效的理论依据和数据支撑。关键词：情感意象；产品色彩设计；眼动；脑电；神经网络中图分类号：文献标识码：，（，）：，（），（），“”，：；引言色彩是用户与产品沟通的重要属性，深刻影响着用户的情感体验，对用户的购买欲望和决策结果会产生重大影响。准确捕捉用户的色彩情感意象偏好与需求并转化为设计要素，可大大提升用户体验，有效提高产品设计成功率。因此，产品色彩情感化设计在工业设计领域愈发被重视，已经成为企业摆脱市场同质化现象最有效的工具。产品色彩情感化设计是一种通过挖掘用户情感意象感知与产品色彩之间内在的关联关系来指导设计的方法。其中，情感信息挖掘是设计初始阶段的关键，现有方法多采用问卷调查获得相关情感数据，然后对其进行定性和定量化分析，具体方法包括第期丁满 等：基于内隐测量和 神经网络的产品色彩情感化设计语义差异法、访谈法、法、秩位法、口语分析法等 ，这些方法虽然在粗感性评价中发挥了一定作用，但是仍存在一些缺陷：因为其过于主观化，且表达结构单一，所以可信度较低；由于情感表达的非准确性、情感认知的模糊与不确定性，以及用户对情感描述的歧义性、非精确性，导致存在无法克服的“语义”鸿沟。因此很难获得有效的情感数据，而且难以准确把握并合理表达用户多样化及深层次的色彩情感信息，导致无法深入挖掘用户情感认知内在的演化机理。近年来，认知科学的发展以及计算机技术和电子技术的进步为情感设计研究提供了新的思路与技术，如眼动、脑电以及脑成像等技术的发展与成熟，使研究人员能够测量并获得个体的生理信号，进而析取由生理信号驱动的内在心理活动 ，目前已被工业设计研究人员广泛应用于情感设计研究。例如，李运等 运用眼动追踪技术获取用户对汽车造型的情感数据，以此结合偏最小二乘法建立了眼动数据与用户情感之间的数学模型；卢兆麟等 基于眼动实验提取用户的视觉特征，并利用特征整合理论构建汽车造型的评价模型；等 以手机造型为例，发现用户在进行偏好选择时能够引发较大的晚期正成分（，）；张艳河等 以汽车造型设计为例，应用事件相关电位技术探讨了用户感知意象的思维表征；等 通过眼动和脑电技术测量用户在观察 灯造型时的情感变化；唐帮备等 以汽车工业设计为例，提出一种联合眼动和脑电的汽车工业设计用户体验评选方法，并构建了基于生理指标的汽车工业设计用户体验多维综合评价模型；冯毅雄等 通过采集提取乘客脑电信号的特征，结合随机森林算法对脑电信号进行分类，建立了一种针对高速电梯乘运性能的感性意象评价模型。通过上述研究可知，在用户情感认知的量化过程中，基于客观生理信号的产品情感化设计方法能够弥补主观获取方法的不足，从不同粒度揭示大脑 情 感认 知的 深 度 演 化 与 处 理机制。为了进一步揭示用户的情感认知形成机制，获取更加精确而客观的情感数据，本文结合眼动、脑电等内隐性测量技术和 神经网络（，）构建用户情感意象与产品色彩之间的关联模型，以期在产品色彩设计中更加充分、准确地把握用户色彩情感意象的变化规律，最大地满足用户情感需求，为产品色彩情感化设计提供客观生理依据和数据支撑，以及新的理论与方法。基于内隐测量和 的产品色彩情感设计方法与流程为准确捕捉用户情感认知的内在演化机理，本文通过内隐测量技术提取用户情感状态以及与情感状态变化显著相关的生理指标，并利用 建立实验样本与脑电、眼动指标，以及脑电、眼动指标与被试情感意象之间的映射关系，以此构建“产品色彩生理信号情感意象”三层关联结构的产品色彩情感意象评价模型，研究流程如图所示，具体步骤如下：（）基于内隐测量的产品色彩情感意象获取实验首先采用问卷调查法、聚类分析法、形态分析法等构建实验样本；然后用 软件编程，呈现实验样本，通过行为实验记录被试对不同实验样本的情感意象评价值，采用眼动和脑电技术采集被试在观察实验样本时的眼动和脑电信号。（）构建产品色彩情感数据集通过 和 对眼动和脑电信号进行处理分析，筛选提取眼动特征和脑电指标，和用户情感意象评价值共同组成与用户情感状态相关的情感数据集，用于后续建立产品色彩情感意象评价模型。（）建立基于 的产品色彩情感意象评价模型基于产品色彩情感数据集，应用 建立表达产品色彩方案、生理信号和情感意象评价之间映射关系的产品色彩情感意象评价模型，预测用户对产品色彩的情感反应与偏好。基于内隐测量的产品色彩情感意象获取实验为构建更加客观、可靠的产品色彩情感数据集，本文通过联合眼动与脑电技术获取产品色彩情感意象实验来采集主客观数据。实验材料本文以电熨斗产品为实验对象，定义实验样本为三色色彩设计。首先采用问卷调查法和聚类分析法，得到白、蓝、红、黑、紫、橙个电熨斗产品的代表性色彩，作为后续研究的基础色彩；然后通过形态分析法与专家访谈法，确定种具有研究价值的色彩布局形式。实验样本的渲染流程如图所示，图中计算机集成制造系统第 卷将种基础色彩进行排列组合得到 种三色组合方式，每种组合方式在每种布局形式中形成种渲染顺序，最终得到 个电熨斗实验样本。实验被试招募 名河北工业大学工业设计专业在读硕士研究生及本科生参与该实验，男女各 人，年龄第期丁满 等：基于内隐测量和 神经网络的产品色彩情感化设计范围在 周岁之间（平均数 ，标准差 ），惯用右手，无视力缺陷。实验设备实验采用瑞典 眼动仪采集眼动数据；采用芬兰 公司的 导 脑电系统采集脑电数据，每导采样率可达 ，所有导联同步采集信号，同时准备实验所需的其他用品。实验流程本次实验同步采集被试的情感意象评价值、眼动数据和脑电数据，被试完全熟悉实验流程后按开始键进行正式实验，实验流程如图所示。实验过程中随机呈现实验样本，每个实验样本呈现一次且出现时间相同，两个实验样本之间间隔时长 的灰度空白页和 的“”注视页。实验通过按键记录被试对产品色彩的情感意象评价，并基于三级评价量表（如图左下）对不同按键进行赋值，点击数字键表示被试对产品色彩产生了积极的心理感受，点击键表示被试产生了中性感受，点击键表示被试产生了消极感受。实验分为个 ，每 个 包 括 个 ，共 计 个 。每个 结束后被试可选择休息或继续，在后期处理数据时会对被试休息时记录的脑电数据进行过滤。实验采用 软件进行数据 分 析，分 析 前 需 对 数 据 进 行 正 态 分 布 检 验、球 面 型 检 验 和 方 差 同 质 性 检 验，采 用 方法对不符合检验结果的数据进行修正，采用 进行事后检验，统计学比较采用 的显著性水平。产品色彩情感数据集的构建整理与分析实验所得的主观情感意象评价值、眼动数据和脑电数据，提取与由产品色彩引发的用户情感状态相关的生理指标，构建产品色彩情感数据集作为建立产品色彩情感意象评价模型的客观生理依据和数据支撑。统计主观情感意象评价值被试的情感状态通过按键（积极，中性，消极）表达，其面对不同布局色彩样本的主观情感意象评价值的描述统计结果如图所示。被试对布局的喜欢程度最高（），对布局（）的喜欢程度最低（），结合样本发现布局的主体面积（）为纯色，而其他布局方式的主体面积均为拼接色，同时发现当有中性色（白色）参与产品配色时，受试者情感状态的积极程度较高。提取眼动指标 分析眼动数据对实验获取的所有眼动指标和主观情感意象评价值之间的相关性进行分析，得到与被试主观情感意象相关的眼动指标，如表所示。其中平均瞳孔直径与情感意象评价值之间呈现边缘相关，；而平均眨眼时间、眨眼率和平均注视时间个眼动指标的值均小于 ，说明这个指标与情感意象评价值显著相关，都会受到被试主观情感状态变化的显著影响。表眼动指标与主观情感意象评价值的相关性分析眼动指标斯皮尔曼相关系数显著性平均瞳孔直径 平均眨眼时间 平均注视时间 眨眼率（次）不同布局形式下眼动指标与主观情感意象的评价值如表所示。可见，平均瞳孔直径与情感意象评价值呈现相似的规律，被试对刺激的情感意象评价值越高，平均瞳孔直径越大，表明被试对刺激图片计算机集成制造系统第 卷有积极感受时瞳孔直径会相应扩大。表不同布局形式下眼动指标与主观情感意象评价值的关系布局形式 平均瞳孔直径 平均眨眼时间 眨眼率（次）平均注视时间 情感意象评价值 筛选显著眼动指标对不同的眼动指标进行重复测量方差分析，其中项眼动指标对被试情感意象评价值的主效应显著，即平均瞳孔直径（，），）、平均眨眼时间（，），）、平 均 注 视 时 间（，），）、眨眼率（，），）、注 视 次 数（，），）、注视率（，），）、总注视时间（，），）、最大 瞳 孔 直 径（，），）、最小瞳孔直径（，），）。因此将以上项眼动指标用作被试情感状态的评判标准，为后续构建产品色彩情感意象评价模型提供参考。提取特征眼动指标各指标的属性不同，为了后续能更好地将生理指标用于模型构建，通常对指标作如式（）所示的归一化。以（，）为例，图所示为数据进行归一化前后的优化路线。归一化前无用步长较多，优化效率较低；归一化后其梯度几乎垂直等高线，减少了不必要的步长，因此提高了优化效率。（）式中：为待归一化的生理指标；为归一化后的生理指标；为生理指标数据的最小值；为生理指标数据的最大值。对与情感状态显著相关的项眼动指标进行归一化，部分结果如表所示。表生理指标归一化结果指标归一化前归一化后注视次数次 总注视时间 平均瞳孔直径 第期丁满 等：基于内隐测量和 神经网络的产品色彩情感化设计续表平均眨眼时间 平均注视时间 眨眼率（次）注视率（次）最大瞳孔直径 最小瞳孔直径 为降低无关特征变量的影响，得到更好的预测效果，本文对归一化后的眼动指标进行主成分分析，提取更能反映用户情感状态变化的特征眼动指标。表所示为眼动指标的成分矩阵，成分与总注视时间、最小瞳孔直径、注视次数、最大瞳孔直径、平均注视时间、平均瞳孔直径和平均眨眼时间正相关，与注视率和眨眼率负相关；而且从图 碎石图可见，成分包含了大部分特征信息，因此选取一个成分作为眼动指标的特征值，并在下一步建模中将眼动指标定义为一类。表眼动指标成分矩阵成分总注视时间最小瞳孔直径注视率（次）注视次数次最大瞳孔直径平均注视时间平均瞳孔直径平均眨眼时间眨眼率（次）提取脑电指标 分析脑电数据所有数据均在 中调用内部脚本 进行预处理。选取 个电极位置采集的脑电数据进行事件相关电位（，）统计分析，将电极位置分为左半球（，）、中线（，）和右半球（，）类，各电极的 波形如图所示。可见，被试在实验样本的刺激下产生了较明显的成分，。（）成分分析对不同主观情感状态下 的平均波幅进行重复测量方差分析。统计结果显示，不同情感状态下 的平均波幅具有显著的主效应，（，），说明 的平均波幅与被试的情感状态显著相关，因此在探究脑电信号与情感意象间的映射关系时，的平均波幅可以作为脑电指标的参考依据之一；在不同情感状态之间进行成对比较，结果表明积极和消极状态（）、积极和中性状态之间的 平均波幅（）具有显著性差异，而中性和消极状态之间 平均波幅（）的差异性不具有统计学意义；积极状态时诱发的 平均波幅最大，中性状态时 的平均波幅最小，表明在早期阶段，包含积极或消极这类鲜明情感的刺激更容易引起被试注意。（）成分分析对不同主观情感状态下 的平均波幅进行重复测量方差分析。统计结果显示，不同情感状态下 的平均波幅具有显著的主效应，（，），说明 的平均波幅与被试的情感状态显著相关，因此 的平均波幅在探究脑电信号与情感意象间的映射