1. 表情認識からストレス検知

このドキュメントは、PoCの「表情認識からストレス検知」についてまとめたものである。

2. 検証内容

webカメラから取得した顔画像（表情）からストレス値を算出するアルゴリズムを作成し、その精度を検証する。

3. KPI

通常時と測定直後でSTAIのペーパーテスト（従来の心理的ストレスチェック）を受け、その結果とシステムが表情から算出したストレス値のズレが「±10%以内」に収まることが到達目標となる。

4. 実装した技術

顔検出・位置追跡: MediaPipe FaceLandmarkerを用いて、顔のランドマークとBlendshapeをリアルタイムに取得し、表情の細かな動きや顔の位置・姿勢の変化を追跡する。
感情推定: HSEmotionを利用し、顔画像から8クラスの感情（怒り、悲しみ、喜びなど）を動的に推定する。
人物認識: DeepFaceの埋め込み特徴量を活用し、完全な人物DB照合ではなく、同一セッション内でフレーム間における同一人物の識別・追跡を行い、人物IDを付与する。
ストレス推定: 感情推定に加えて、眉間のしわ、まばたき率、口元・目の緊張、頭の動きなどの微細特徴を抽出し、起動時の平常状態を基準としたzスコア評価によりストレスを推定する。
データ保存・校正: セッション中のストレス推移や人物プロファイルを保存するとともに、終了時にSTAIアンケートを実施して自己評価と照合し、モデルの重みを調整する校正機能を備えた。

Raspberry Piを用いたwebカメラによるストレス推定も可能になった。

5. 今後の検証

ストレス値測定の精度を向上させるため、STAIアンケートを用いた自己評価との整合を行っていく。