基于情绪感染的赛场观众情绪建模

殷雁君，唐卫清，李蔚清

（1.南京理工大学 计算机科学与技术学院，江苏 南京210094；2.内蒙古师范大学计算机与信息工程学院，内蒙古 呼和浩特010022；3.中国科学院 计算技术研究所，北京100190）

0 引 言

虚拟赛场观众情绪模型的研究对于构建虚拟赛场、增加3d游戏的真实感、沉浸感有着重要的意义［1］。赛场环境经常会诱发参赛运动员的心理波动，影响运动员临场技能发挥［2］。营造赛场环境是训练运动员心理抵抗能力以适应赛场氛围的主要手段。采用虚拟现实技术构造相对逼真的虚拟赛场是目前采用的主要技术之一。在虚拟赛场的技术实现过程中，如何构建虚拟观众的行为与情绪是决定赛场观众是否具备真实感的关键所在。虚拟赛场观众不仅要与其它虚拟人一样具备事件反映的能力，更重要是具备与事件相适应的情绪表达，来拟真地实现整个赛场的比赛氛围。

从赛场的特殊环境入手，根据现场观众对赛事的评价，在OCC模型基础上，定义了6种观众基本情绪。以心理学实证研究为依托，通过分析现场因素对观众情绪产生的影响，提出了因赛事刺激、情绪感染而产生的观众情绪强度计算方法。该方法在构建过程中不仅考虑观众作为个体的所具备的情绪特征，特别是从群体的角度，基于情绪感染理论，考虑了个体间行为互动对个体情绪演化产生的影响。在情绪感染过程中，增加了对个体 “去个性化”现象和情绪衰减规律的考虑，是对目前以Bosse［3］为代表的基于情绪感染理论的群体情绪模型的有益补充。

1 观众情绪空间

情绪，作为影响人类认知、行为、决策的主要因素之一，受到了多学科的普遍关注与深入研究，但是关于基本情绪的组成却没有一个公认的定义。如Ekman将基本情绪与面部表情相对应，定义了6种基本情绪，而Picard却提出了8种基本情绪。在情感计算研究中所侧重的角度不同，情绪组成也不尽相同。王志良教授在虚拟人软件实现时，将基本情绪定义为4种互为反向的情绪：冷静 （cool）和愤怒 （anger）、快乐 （happy）和悲伤 （sadness）［4］。在紧急疏散的模拟研究中，恐慌情绪的研究是首选。目前，计算机领域内情绪建模研究应用最为广泛的OCC模型［5］则根据事件的诱发原因以及对事件是否满足个体需求所做的评价等相关因素定义了22类情绪。

赛场观众受场所和环境的限制，一方面情绪体验相对集中，情绪空间中情绪类别较少。另一方面赛场观众情绪的诱发主因并非观众，所以赛场观众的情绪空间将忽略以观众为诱发主因的5种情绪：抱歉 （sorry－for）、满意（gratification＝pride＋joy）、羞愧 （shame）、自豪 （pride）、懊恼 （remorse）。根据赛场发生事件是否令观众满意、事件是否发生、结果是否令观众满意3个主要因素，基于OCC模型所提供的情绪空间，将情绪再次划归为以下六类情绪：高兴、生气、期望、紧张、放松、失望 （见表1）。定义赛场观众的情绪空间 （emotional spatial）为：ES＝｛高兴、生气、期望、紧张、放松、失望｝，每一类情绪的取值范围为从0到1的实数。在任意时刻，虚拟观众的情绪是情绪空间ES中的一个元素。如果情绪值为0，则表示观众个体处于平和状态。

表1 情绪类别

2 观众情绪诱发

赛场观众情绪的诱发主要由赛事刺激和情绪感染所产生的。赛事刺激诱发的情绪强度与观众对事件的期望程度和预期判断有关。期望 （desirability）是指事件对个体目标实现产生影响的程度而导致个体对事件的期望程度。期望越大，情绪强度越大；预期判断 （likelihood）表示个体对事件是否发生在概率上的判断，即事件发生的可能性，形式化为预期 （expect）［6］，也有一些模型将可能性与预期分别赋予了不同的含义，如EMA模型［7］。

2.1 赛事刺激

赛场观众期望与预期的确定，是由影响观众情绪生成以及情绪表达的众多因素决定的，如社会因素、集团因素、个体因素、共时态因素、历时态因素等。影响赛场的共时态因素，又称现场因素是导致观众情绪产生和发展、表达的直接原因，可归纳为赛程时间、当前比分、运动员表现、裁判判罚以及观众互动等因素。从简化问题的角度出发，本文将不考虑裁判判罚失当所引发的观众情绪。观众互动造成的情绪感染，将在2.3节中详细说明。

赛程时间与赛场比分因素主要影响观众对比赛结果的期望。如在比分持平的情况下，观众对比赛胜利的期望程度要远大于大比分落后的情况，而且随时间的流逝，期望的程度也会更加迫切。运动员赛场表现因素主要涉及技术动作发挥与所处的位置。如赛场运动员在一个技术动作上屡次发挥失常，观众对于运动员技术动作完成的期待会逐渐降低。观众对处于优势位置运动员能够圆满完成技术动作的期望将高于其处于劣势位置。定义观众期望计算如式（1）所示

其中μi∈ ｛action，time，location，score｝，ρi＝weight。

观众对事件的预期是其对运动员技术动作和所处赛场位置是否可以实现目标的判断。如在足球比赛中，运动员位置处于对方禁区，观众对于此刻球员将球踢入对方球门的预期在数值上趋近于1，若在己方禁区，预期则近似为0。所以，对运动员动作产生结果的预期与动作本身和所处位置有关，定义预期的计算方法为

其中，Psuc是运动员 （athlete）技术动作 （action）的成功概率。Ploc是观众对运动员所处位置 （loc）对实现目标的判断。β随机产生，取值范围0到1之间实数，来表现不同观众间的个体差异。

2.2 赛事刺激诱发强度

情绪强度与个体所处的刺激情境及自身对事件的评价密切相关。基于情绪评价理论，从实证研究角度Jonathan Gratch［8］等研究者通过对目前较为普遍的情绪强度计算方法进行比较和分析后发现：虽然影响情绪强度的因素有许多，但核心因素是个体对事件的期望和事件发生概率的预期，并且个体情绪强度与其对事件的预期和期望呈现幂函数关系。如情绪强度PS＝a＊desire＾i＋b＊expect＾j，其中a，b，i，j均为情绪参数。通常正性情绪与预期呈正的幂函数关系，而负性情绪呈负的幂函数关系。为了进行归一化处理，本文采用的计算方法见表2，其中期望 （desire）和预期 （expect）的取值范围从0到1，Ki为常数，i＝1，2，3，4。

表2 不同情绪的计算公式

2.3 情绪感染

群体心理学研究指出，处于群体中的个体会自动和持续的模仿他人的表情、动作和行为，并倾向于捕捉他人的情感。并将这一现象定义为情绪感染［9］。在情绪感染过程中，无论是个体情绪宣泄还是感受他人情绪，在程度上均存在明显的个体差异。基于个体的情绪表现力和感受力，定义情绪感染个性为两元组：PT＝ ｛E，C｝，其中E，C∈［0，1］，E表示情绪表达和影响他人的能力；C表示个体感受他人情绪的能力。个性E，C的取值越趋于1，则表示个体的能力越强，反之，则能力越弱。例如，某个体个性值PT＝ ｛0.2，0.3｝，则表示个体不仅不善于表达自己的情绪，同时对于他人的情绪表达也缺乏应有的理解，即该个体也不善于 “察言观色”。

基于情绪感染的情绪模型的研究，Bosse［3］等人于2009年首次提出吸收模型 （absorption model）。在该模型中，情绪的感染过程比作情绪信息在不同个体间的传递和吸收。不同情绪表现力的传染者传递情绪信息给群体中的其他个体。不同接受能力的被感染者接收来自群体中他人的情绪信息，并对自己的情绪做出调整。本文根据在情绪感染过程中，个体将优先关注情绪表达强度大的个体和群体情绪对个体情绪的潜在影响，定义观众因情绪感染而产生的情绪强度PC为

式中：PCt＋1a——个体A在t＋1时刻因情绪感染而产生的情绪强度值。Pts与Pta是个体S与A在t时刻的情绪值。Es表示个体S的情绪影响能力，即个体S的情绪表现力。Ca表示个体的感染程度，即对于个体S的情绪表现个体A所能够接受的程度。σsa表示个体S与个体A之间媒介对情绪信息的传递强度。PG为观众群体的情绪值，是所有群体成员的情绪强度的加权平均值［10］。

2.4 情绪衰减

情绪必然会经历情绪衰退的过程，或自然衰退或因得到心理满足、情绪宣泄和情绪适应而逐渐衰减。情绪在衰减程度上体现了个体上的差异，情绪表达能力强的个体（外向型）情绪衰减的速度要大于情绪表达能力弱 （内向型）的个体［11］。对于不同的情绪类别，情绪衰减的程度也将不同。处于群体中的个体，由于受群体情绪的影响会出现 “去个性化”现象［12］，群体成员个性的变化使个体的情绪衰减进一步复杂化。本文依据目前应用较为广泛的情绪衰减与个性因子的关系［13］，定义观众情绪衰减量为Decta＝Pta＊exp （w1＊Ea－w2＊num－1），其中Decta为个体A 在t时刻的情绪衰减量。w1为情绪调节因子，对不同情绪的衰减程度进行调节。w2为赛场群体情绪感染调节因子。不同赛场环境对于个体的去个性化不同，对个体的感染程度也有所不同。例如，足球赛场个体的去个性化程度要大于跳水比赛的赛场。num为个体A所处群体中成员的个数，但不包括个体A本身。若num＝0，则个体不受群体情绪的影响。

3 观众情绪计算

通过上述分析可知，赛场观众的情绪产生以及情绪强度的变化主要受三方面因素的影响：赛事刺激、观众间情绪感染和个体情绪衰减。心理学研究发现，不同情绪在感染传递时具有不同的感染力，如在赛场中，高兴情绪的感染强度要明显大于放松情绪。而且，相同的情绪在不同的社会氛围下，其感染力也不尽相同。如热情，在日常生活、体育赛事、学校环境下经过研究发现，在体育赛事中感染力最强，在学校中教师和学生之间几乎没有明显的热情的情绪感染［14］。所以，观众的情绪强度计算如下所示

其中βi，i＝ ｛高兴、失望、生气、放松｝为情绪感染调节因子，来体现不同情绪的感染作用。同一情绪，β为常数。

4 实验结果与分析

为了验证赛场观众是否能够就赛事环境做出合理、可信的情绪表达，在Matlab环境下对赛场观众情绪模型进行了仿真实验，主要模拟的是足球赛场环境。

在足球赛场环境中，球员的行为是诱发观众情绪的主因。当观众支持的球队进球，观众的情绪为高兴、狂喜。如球队失球，则为生气。在进行点球时，为期望紧张。点球失败，为失望。而支持对方球队的观众情绪体验则恰好相反。除了球员的行为对观众的情绪诱发外，其情绪也将受到其他观众的影响。

实验描述如下：在该比赛中，设计两个运动员，分别表示两个参赛的足球队。当赛程进行到10分钟 （T1＝10），观众支持的球队痛失一球。30分钟时 （T2＝30），本队进球。60分钟时 （T3＝60），本队点球。两分钟后 （T4＝62），点球失败。70分钟时 （T4＝70），对方球队角球，两分钟后 （T5＝72），角球没有导致进球。

数据说明：图1表示的是一个个性为激励型 （PT＝｛0.8，0.8｝）的观众个体A在整个赛程时的情绪流露，所处群体人数为10。图2则是与观众A处于相同赛场的个性为同情型PT＝ ｛0.2，0.8｝的观众个体B的情绪流露。从图1与图2，可以看出两个观众都可以对赛事做出正确的情绪表达，而且由于二者的个性不同，易于表达的激励型个体的情绪表达要明显高于不善于表达的同情型个体。图3和图4分别表示观众个体A，B处于300人的观众群体中的情绪反应，从图中可以明显看出二者均受到来者群体情绪的感染，而作为不善于表达但却易于被感染的观众B显然在感染程度上要大于激励型的个体A，这体现了观众B在群体情绪影响下，不善于表达的个性在 “去个性化”方面要比观众A突出。

从以上的模拟可以看出，模型能够就外界刺激事件使个体产生正确的情绪体验。情绪体验强度与个体个性的相关性也得到了正确的表述。与Bosse模型相比，增加了情绪衰减功能的考虑。情绪衰减功能的引入一方面其作为情绪的本质特性是符合情绪心理学的研究结论的，另一方面，重复的情绪感染过程所产生的情绪变化将被限制在正常的可以接受的范围，防止模拟过程陷入极端数据中，出现“癫狂”观众。通过对足球赛场观众情绪的模拟，虚拟观众的情绪表达是完全符合足球观众情绪一哄而起、稍纵即逝的变化规律和特点的。

5 结束语

目前，个体情绪模型的构建方法，主要考虑个体独处时的情况，即缺乏对个体间情感交流的考虑。本文构建群体环境下个体情绪模型。在构建过程中，以社会心理学所提出的情绪感染作为个体间情感交流的主要机制，模拟了个体在群体环境下个体情绪的演化过程。模拟结果表示该模型不仅能够体现个体接受外界刺激时的情绪反应，而且能够合理的表现群体氛围对其情绪产生的影响，特别是正确地体现了群体情绪与群体人数的正相关关系。为从情绪角度研究场景性群体的涌现行为提供了群体情绪构建的思路。

由于对情绪变化规律认识的局限性和情绪本身的复杂性，对于群体环境下个体情绪的研究仍需要进一步的深化。希望在今后可以通过对群体理论的深入研究来了解网络环境下舆论形成过程中个体情绪的诱发和变化过程，分析社会群体情绪的涌现对网络舆论的形成产生的影响。

［1］Olivier Szymanezyk，Grzegorz Cielniak.Group emotion modeling and the use of middleware for virtual crowds in video－games［C］／／Leicester，UK：Proc of the Annual Convention of the Society for the Study of Artificial Intelligence and Simulation of Behavior，2010：25－30.

［2］FAN Daoming.Audience effect in sports competition and its influencing factors ［J］.Journal of Sports and Science，2007，28（6）：77－79 （in Chinese）.［樊道明.竞技运动比赛中的观众效应及其影响因素 ［J］.体育与科学，2007，28 （6）：77－79.］

［3］Bosse T，Duell R，Memon Z A，et al.A multi－agent model for mutual absorption of emotions ［C］／／Proceedings of the 23rd European Conference on Modeling and Simulation，European Council for Modeling and Simulation，2009：212－218.

［4］WANG Zhiliang，QIAO Xiangjie，WANG Chao，et al.Research on emotion modeling based on custom space and OCC model［J］.Computer Engineering，2007，33 （4）：189－192 （in Chinese）.［王志良，乔向杰，王超，等.基于自定义空间和OCC模型的情绪建模研究 ［J］.计算机工程，2007，33 （4）：189－192.］

［5］Steunebrink B R，Dastani M，Meyer J－J C.The OCC model revisited ［C］／／Proceedings of the 4th Workshop on Emotion and Computing－Current Research and Future Impact，2009：2047－2056.

［6］Adam C B，Gaudou A Herzig，Longin D.OCC’s emotions：A formalization in a BDI logic ［C］／／Proc of the Twelfth Int Conf on Artificial Intelligence：Methodology，Systems，and Applications，2006：24－32.

［7］Marsella S，Gratch J.EMA：A process model of appraisal dynamics ［J］.Journal of Cognitive Systems Research，2009，10（1）：70－90.

［8］Gratch J，Marsella S，Wang N，et al.Assessing the validity of appraisal－based models of emotion ［C］／／3rd International Conference on Affective Computing and Intelligent Interaction and Workshops.IEEE，2009：1－8.

［9］WANG Xiao，LI Wenzhong，DU Jiangang.The advance research of emotional contagion theory ［J］.Advances in Psychological Science，2010，18 （8）：1236－1245 （in Chinese）. ［王潇，李文忠，杜建刚.情绪感染理论研究述评 ［J］.心理科学进展，2010，18 （8）：1236－1245.］

［10］Duell R，Memon Z A，Treur J，et al.An ambient agent model for group emotion support ［C］／／Proceedings of the International Conference on Affective Computing and Intelligent Interaction，2009：550－557.

［11］CHEN Shaohua.The psychology of emotion ［M］.Guangzhou：Jinan University Press，2005 （in Chinese）.［陈少华.情绪心理学 ［M］.广州：暨南大学出版社，2005.］

［12］ZHANG Hongwei.Audience’s deindividualization in football matches ［J］.Journal of Sports Adult Education，2008，24（4）：20－22 （in Chinese）.［张宏伟.足球比赛中观众的去个性化行为 ［J］.体育成人教育学刊，2008，24 （4）：20－22.］

［13］Keyou Hu，Shangbo Guo，Na Pang，et al.An intensitybased personalized affective model ［C］／／IEEE International Conference on Robotics and Iomimetics，2007：2212－2215.

［14］Poggi I.Enthusiasm and its contagion：Nature and function［C］／／Affective Computing and Intelligent Interaction，2007：410－421.