లీనా సిదావోంగ్, తమరా స్జిటిండా మరియు సారా లాల్
సమస్య యొక్క ప్రకటన: ముఖ కవళికల ద్వారా వ్యక్తమయ్యే భావోద్వేగాలపై పరిశోధనలు ప్రిడిక్టివ్ బిహేవియరల్ స్టడీస్లో విలువైన అనువర్తనాలను కలిగి ఉన్నాయి. ఇది ముఖ కవళిక విశ్లేషణ కోసం తెలివైన దృశ్య నిఘాను అభివృద్ధి చేయడానికి ఆసక్తిని రేకెత్తించింది. క్లోజ్డ్ సర్క్యూట్ టెలివిజన్ (CCTV) నిఘాలో దాని తక్షణ ప్రయోజనం మరియు ఆత్మాశ్రయ అనుభవం మరియు భావోద్వేగం ఒకరి ముఖ కవళిక మార్పులను ప్రతిబింబిస్తాయనే నమ్మకం పెరగడం ద్వారా ఈ ఆలోచన శాశ్వతంగా ఉంటుంది. ముఖ భావోద్వేగాల నమూనాలను గుర్తించగలిగితే ఫోరెన్సిక్ మరియు నిఘా ప్రయోజనాల కోసం ముఖ కవళికలను మూల్యాంకనం చేయడానికి రూపొందించబడిన ముఖ గుర్తింపు కార్యక్రమం నెరవేరుతుంది. ఈ అధ్యయనం యొక్క ఉద్దేశ్యం ఆప్టికల్ ఫ్లో విశ్లేషణ ద్వారా వివిధ వ్యక్తీకరణల సమయంలో నిర్దిష్ట ముఖ కదలికలను గుర్తించవచ్చో లేదో తెలుసుకోవడానికి వ్యక్తులలో భావోద్వేగాలను ప్రేరేపించడం. పద్దతి: మూడు భావోద్వేగాలను ప్రేరేపించే షార్ట్ ఫిల్మ్లను చూస్తున్నప్పుడు వ్యక్తులు వీడియో టేప్ చేయబడ్డారు. వినోదం, విచారం మరియు భయం అనే మూడు భావోద్వేగాలలో ఒకదాన్ని ప్రేరేపించే ఉద్దేశ్యంతో చలనచిత్రాలు ప్రదర్శించబడ్డాయి. స్కిన్ కండక్టెన్స్ (SC)ని నైన్పాయింట్ లైకర్ట్ స్కేల్ (స్వీయ-నివేదిత ఎమోషనల్ అసెస్మెంట్) ప్రశ్నాపత్రంతో పాటు భావోద్వేగం యొక్క రకం మరియు పరిధిని స్థాపించడానికి కొలుస్తారు. ఇది రికార్డెడ్ ఫుటేజ్ నుండి తటస్థ మరియు భావ వ్యక్తీకరణల యొక్క శిఖరానికి ప్రాతినిధ్యం వహించే స్టిల్ ముఖ చిత్రాలను సంగ్రహించడానికి అనుమతించింది. తటస్థ మరియు గరిష్ట భావోద్వేగ స్థితుల మధ్య ముఖ కార్యాచరణ యొక్క పరిమాణం మరియు దిశను లెక్కించడానికి MATLAB సాఫ్ట్వేర్ను ఉపయోగించి ఇమేజ్ సెట్లలో ఆప్టికల్ ఫ్లో విశ్లేషణ జరిగింది. ఫలితాలు: ఆప్టికల్ ఫ్లో విశ్లేషణ ముఖ కదలిక యొక్క గ్లోబల్ వెలాసిటీ వెక్టర్లను వర్ణించే వెక్టార్ మ్యాప్లను ఉత్పత్తి చేసింది. వినోదం, విచారం మరియు భయం యొక్క వెక్టర్ మ్యాప్ల నుండి తీసుకోబడిన ఈ సమాచారాన్ని క్లుప్తీకరించినప్పుడు, విచారం మరియు భయంతో పోల్చితే వినోదం యొక్క వ్యక్తీకరణకు ఎక్కువ పరిమాణంలో ఇలాంటి పోకడలు మరియు కార్యాచరణ నమూనాలను మేము గమనించాము. ముగింపు మరియు ప్రాముఖ్యత: ఆప్టికల్ ఫ్లో విశ్లేషణ భావోద్వేగ ముఖ కవళికల వివక్షలో సంభావ్యతను చూపుతుంది. ఏది ఏమైనప్పటికీ, ఆప్టికల్ ఫ్లో లేదా అలాంటి ఇతర పద్ధతులను ఉపయోగించి వివిధ రకాల భావోద్వేగాలను స్పష్టంగా గుర్తించవచ్చో లేదో నిర్ధారించడానికి మరింత డేటా విశ్లేషణ అవసరం.