Le codage facial et l’EMG fonctionnel (fEMG) sont deux méthodes de référence pour l’analyse des expressions faciales dans la recherche biométrique. Cet article compare leurs atouts en termes d’étendue, de profondeur, d’applications et de résultats afin d’aider les chercheurs à choisir l’outil le mieux adapté à leurs besoins. Découvrez dès aujourd’hui les différences entre le codage facial et l’EMG fonctionnel !
Table of Contents
Mesdames et Messieurs ! Aujourd’hui, sur le blog iMotions, nous allons mettre en concurrence deux capteurs très populaires, dans un face-à-face (ou plutôt un face-à-face ?) !
Mais tout d’abord, un peu de contexte.
Quand on parle d’« expressions émotionnelles », le visage est la première chose qui vient à l’esprit. Pourquoi donc ? Le visage humain est composé de 43 muscles fixés à la face antérieure du crâne, et ces muscles n’ont d’autre fonction apparente que de transmettre des informations émotionnelles aux autres.
Nous pouvons modifier nos expressions faciales de manière active (comme un acteur dans votre film préféré) ou de manière réactive (comme lorsque vous riez en voyant un acteur dans votre film préféré). Les expressions faciales peuvent être provoquées par un élément extérieur (comme le fait de goûter votre plat préféré) ou intérieur (comme le fait de penser à votre plat préféré alors que vous suivez un régime).
Les expressions faciales sont pour nous un indicateur émotionnel tellement important que nous essayons même de les déceler chez nos animaux de compagnie.
Bon, avouons-le (ha !) : les expressions faciales font partie intégrante de la recherche en biométrie.
Notre cerveau est déjà le champion incontesté de l’analyse des expressions faciales. En une fraction de seconde, nous pouvons déceler l’ambiance d’une pièce, percevoir la joie sur le visage d’un enfant ou déterminer si quelqu’un ment. Tant en termes de rapidité que de puissance, notre cerveau règne en maître. Malheureusement, il ne fournit pas de données exploitables que l’on pourrait mettre en forme dans Excel – et c’est là que nous intervenons.
Dans cet article, nous allons comparer l’analyse des expressions faciales (FEA) par webcam et l’électromyographie faciale (fEMG) selon quatre critères :
- Portée
- Profondeur
- Demande
- Résultat
Alors, quel capteur sortira vainqueur de cette bataille ? C’est parti pour l’enquête !
1er tour : Portée
Qu’est-ce que l’analyse des expressions faciales ?
L’analyse des expressions faciales (FEA) repose sur l’utilisation d’un algorithme de codage automatique des expressions faciales, comme ceux proposés par Affectiva ou Emotient. Cet algorithme utilise un simple flux vidéo, qu’il provienne d’un ordinateur portable, d’une tablette, d’un téléphone, d’une GoPro ou d’une webcam autonome.
Vous trouverez ici tous les détails techniques sur le fonctionnement de ces algorithmes. Mais ce qui importe, c’est que le visage soit détecté dans son ensemble et que les mouvements individuels du visage soient enregistrés grâce à la position des points de repère faciaux au niveau des yeux, des sourcils, du nez et de la bouche.
À partir du mouvement relatif de ces repères, on peut calculer des unités d’action telles que le plissement des sourcils, l’écartement des yeux ou l’abaissement des coins de la bouche. Ces unités d’action peuvent ensuite fournir des informations sur la probabilité qu’une émotion fondamentale soit exprimée. Par exemple, les scores pondérés du plissement du nez et du relèvement de la lèvre supérieure peuvent contribuer au score global correspondant au dégoût.
L’algorithme FEA d’Affectiva permet d’attribuer des scores pour 21 unités d’action et 7 émotions fondamentales, tout en fournissant également des scores relatifs à l’engagement et à la valence, le tout à partir d’une simple image capturée par webcam. C’est une portée incroyablement vaste !
En revanche, la fEMG détermine les expressions faciales en mesurant l’activation de chaque muscle. Cela implique de placer des électrodes sur la peau afin de pouvoir mesurer l’activité électrique des muscles sous-jacents.
Désormais, chacune des unités d’action décrites dans l’analyse par éléments finis (FEA) peut également être identifiée à l’aide de l’EMG fonctionnel (fEMG) ; toutefois, le matériel utilisé pour le fEMG limitera le nombre de muscles que vous pourrez enregistrer. Par exemple, un seul Shimmer EXG ne vous permettra d’enregistrer que deux muscles ; un amplificateur EMG filaire BIOPAC ne vous permettra d’en enregistrer qu’un seul.
On pourrait théoriquement enregistrer l’EMG de chaque muscle pour obtenir toutes les unités d’action, mais cela impliquerait de se coller tout un tas de capteurs sur le visage, ce qui est une expérience désagréable, quoi qu’on en dise.
VAINQUEUR : ANALYSE DES EXPRESSIONS FACIALES
2e tour : Profondeur
Comme nous l’avons vu précédemment, l’analyse FEA utilise un simple flux vidéo pour calculer la probabilité qu’un mouvement facial se produise. Cette probabilité est exprimée sous forme de pourcentage. Cependant, cela pose un petit problème :
Cela signifie que la capacité de détection de l’analyse des expressions faciales (FEA) se limite aux expressions faciales visibles.
Qu’en est-il des micro-expressions, ces infimes expressions faciales qui ne durent qu’un cinquantième de seconde ? Ou encore des expressions faciales très subtiles, où les muscles sous-jacents sont sollicités, mais pas suffisamment pour faire bouger la peau ?
C’est là que la fEMG prend tout son sens.
L’EMG de surface consiste à placer des électrodes à la surface de la peau afin de mesurer l’activité électrique du muscle sous-jacent. Cette activité est généralement exprimée en millivolts, mais peut même descendre jusqu’à quelques microvolts selon le muscle concerné, ce qui représente une quantité infime !
Cela signifie que les résultats de l’EMG fonctionnel constituent un indicateur fiable de l’activation faciale, et non une probabilité comme celle fournie par l’analyse par éléments finis.
Il convient également de noter que la fEMG offre une résolution temporelle bien supérieure à celle de la FEA : les données EMG de qualité sont enregistrées à une fréquence impressionnante de 512 Hz, contre 30 Hz pour la FEA. Ces micro-expressions ultra-rapides ? Elles sont facilement détectables avec la fEMG, mais beaucoup moins avec la FEA.
Cela fait du fEMG un capteur idéal lorsque l’on cherche à détecter des expressions très subtiles ou fugaces.
Ainsi, même si la fEMG n’offre peut-être pas une gamme de mesures aussi complète pour l’ensemble des expressions faciales humaines, si vous vous intéressez à un ou deux muscles spécifiques (comme ceux utilisés pour froncer les sourcils ou sourire), la fEMG fait preuve d’une sensibilité et d’une précision exceptionnelles, tant en termes de synchronisation que d’amplitude.
VAINQUEUR : ÉLECTROMYOGRAPHIE FACIALE
3e étape : candidature
Quel match ! Les deux camps ont remporté des victoires en termes de profondeur et d’étendue des données. Mais quels sont les cas d’utilisation les plus adaptés à l’analyse par éléments finis (FEA) et ceux qui conviennent le mieux à l’analyse par éléments finis magnétiques (fEMG) ?
Eh bien, pour les stimuli affichés à l’écran, tels que les images, les vidéos, les sites web, les sondages et les enregistrements d’écran, la FEA est très facile à mettre en œuvre puisqu’elle ne nécessite qu’une webcam. Personnellement, nous apprécions la Logitech C920, même si pratiquement n’importe quelle webcam fera l’affaire. Il suffit de la placer au-dessus de l’écran de votre participant, et le tour est joué !
L’un des avantages souvent méconnus de l’analyse des expressions faciales (FEA) est qu’il n’est pas nécessaire d’enregistrer les participants en direct pour obtenir des données sur leurs expressions faciales : iMotions propose en effet une fonctionnalité très pratique qui permet d’importer des vidéos a posteriori pour effectuer une analyse rétrospective. C’est une excellente option si vous disposez de plusieurs flux vidéo à partir desquels vous souhaitez analyser les expressions faciales. Vous pouvez également choisir le visage à analyser s’il y a plusieurs personnes dans un flux vidéo !
On pourrait donc penser que l’analyse FEA est polyvalente, simple et qu’elle fournit une multitude de données avec un minimum d’efforts. Cependant, cette méthode a ses limites : le participant étudié doit en effet être entièrement visible par la webcam. Or, compte tenu de la multitude d’options qui s’offrent dans la recherche sur le comportement humain, il arrive parfois que l’utilisation d’une webcam ne soit pas possible.
Dans les études en réalité virtuelle, il est impossible de recourir à l’analyse des expressions faciales (FEA) car le visage est masqué par le casque. Cela vaut également pour les études en situation mobile : non seulement parce que les participants se déplacent dans l’espace et sont donc difficiles à filmer, mais aussi parce qu’ils peuvent porter des lunettes d’oculométrie, qui masquent également le front et peuvent perturber l’analyse FEA. Dans les deux cas, un dispositif d’EMG fonctionnel constitue une alternative idéale pour recueillir des données sur la valence dans ces contextes particuliers.
Un autre avantage méconnu de l’EMG est qu’il ne se limite pas aux muscles faciaux. En fonction de votre sujet de recherche, vous pouvez mesurer l’activité musculaire sur n’importe quelle partie du corps. Par exemple, l’EMG du cou et des épaules peut servir à évaluer le stress et les réactions de sursaut. L’EMG des bras et des mains permet quant à lui de quantifier les mouvements de préhension. Pour les laboratoires de kinésiologie, d’ergonomie et des sciences du mouvement, l’EMG est un outil indispensable.
En résumé, il est impossible de déterminer laquelle des deux techniques est la plus adaptée. En réalité, l’analyse par éléments finis (FEA) et l’électroencéphalographie fonctionnelle (fEMG) se complètent parfaitement et peuvent être utilisées dans un large éventail d’applications couvrant tout le spectre de la recherche sur le comportement humain.
Vainqueur : Match nul
4e tour : Résultats
On arrive au coude à coude à l’approche de la dernière étape ! Nous avons démontré que l’analyse par éléments finis (FEA) et l’électroencéphalographie fonctionnelle (fEMG) offrent toutes deux une polyvalence équivalente dans leurs applications. Mais une fois l’étude terminée et les données collectées, que pouvez-vous en faire ?
Une fois le post-traitement des données d’analyse par éléments finis (FEA) effectué dans iMotions, nos outils d’analyse intègrent un algorithme appelé « seuil de signal ». Cela vous permet essentiellement de convertir des données FEA continues en valeurs binaires (1 = oui ou 0 = non) au fil du temps, pour chaque participant et chaque stimulus.
Le seuillage des signaux est un excellent outil pour deux raisons : a) il permet de quantifier facilement les données (puisque l’on travaille désormais avec des 0 et des 1) ; et b) il facilite l’agrégation des mesures de population, ce qui permet, pour un stimulus donné, de voir combien de personnes ont manifesté une émotion particulière à un moment donné, et pendant combien de temps. Cela facilite la synthèse et la visualisation des données, deux opérations que vous pouvez effectuer facilement et rapidement dans iMotions !
Le fEMG, bien que théoriquement plus performant en matière d’exportation, nécessite un peu plus de travail une fois les données collectées. Les données brutes sont exprimées en millivolts, et le signal doit être nettoyé et lissé pour obtenir des résultats quantifiables. Cela signifie que si vous souhaitez utiliser le fEMG, vous aurez besoin :
- Logiciels complémentaires pour le nettoyage des données (tels que Matlab, Acknowledge de BIOPAC, Python ou R)
- Expertise en programmation et en traitement du signal
Cependant, une fois que les données fEMG sont dans un format exploitable, vous pouvez en extraire des indicateurs pertinents, tels que les niveaux exacts d’activation musculaire et la synchronisation. Vous pouvez également réimporter les données EMG nettoyées dans iMotions pour faciliter leur visualisation.
Cependant… au moment de l’analyse finale, lorsqu’il s’agit d’interpréter les résultats d’une mesure, l’analyse par éléments finis (FEA) s’impose comme l’outil incontournable grâce à la facilité avec laquelle elle permet de tirer des conclusions pertinentes à partir des données.
VAINQUEUR : ANALYSE DES EXPRESSIONS FACIALES
Et voilà, mesdames et messieurs ! Voici le tableau des scores de ce match exceptionnel auquel nous venons d’assister :
Portée : Analyse des expressions faciales
Profondeur : EMG facial
Application : DRAW
Résultat : Analyse des expressions faciales
Pour un aperçu rapide des différences entre ces deux outils d’analyse des expressions faciales, consultez le tableau ci-dessous.
Mais, même si l’analyse par éléments finis (FEA) présente peut-être plus d’avantages que l’électroencéphalographie de surface (fEMG), une de ces techniques est-elle vraiment meilleure que l’autre ?
Pas vraiment… car tout dépend de votre question de recherche. L’analyse par éléments finis (FEA) et l’électroencéphalographie fonctionnelle (fEMG) peuvent toutes deux être des outils puissants lorsqu’elles sont utilisées à bon escient. Mais ne laissez pas un manque d’expertise technique limiter vos recherches. Après tout, c’est pour cela que nous sommes là : pour vous faciliter la tâche. Si vous souhaitez plus d’informations, n’hésitez pas à consulter notre Guide de poche sur les expressions faciales, ou à contacter votre représentant iMotions local pour découvrir comment les expressions faciales peuvent améliorer vos recherches !