身体姿态是人类传递情绪和社会信息的重要方式。人们能够通过肢体伸展、收缩等姿态变化快速识别他人的情绪状态。然而,大脑如何提取身体姿态中的关键特征,以及这些特征如何参与情绪信息加工,仍有待进一步揭示。
本研究选取恐惧、快乐、愤怒、惊讶、悲伤和厌恶六类身体表情图片,利用OpenPose提取14个身体关键关节点,量化肢体角度、身体对称性、肩部比例、身体表面积、姿态势能和肢体收缩程度六类计算特征。结合脑电记录、时间分辨多变量模式分析(MVPA)和表征相似性分析(RSA),系统考察不同身体姿态特征的神经表征时间进程及其与情绪类别信息的关系。

研究发现,不同肢体表情的神经活动模式在刺激呈现后约110毫秒即可被显著区分,并在270毫秒左右达到解码峰值。进一步分析表明,肢体表面积和姿态势能在早期即表现出显著的神经表征,并持续较长时间,而肢体收缩程度的整体神经表征主要出现在较晚阶段。

此外,研究通过多元回归RSA和共同性分析发现,肢体表面积和姿态势能能够解释部分与情绪类别相关的神经表征方差,其中肢体表面积的共享方差贡献更大。这一结果提示,肢体情绪类别的神经表征不仅与抽象情绪信息有关,还可能与姿态的几何结构特征存在共同的神经表征基础。

该研究从计算特征角度揭示了肢体情绪知觉的动态神经加工过程,为理解身体姿态信息与情绪表征之间的联系提供了新的证据,也为未来构建肢体表情知觉的计算模型提供了参考。
辽宁师范大学心理与脑科学研究院博士生刘帅呈、张明明副教授为共同第一作者,罗文波教授为通讯作者。研究得到国家自然科学基金、辽宁省自然科学基金面上项目、辽宁省教育厅高校基本科研项目及辽宁师范大学科研创新团队项目的资助。
论文信息:Liu, S., Zhang, M., He, C., Zhen, N., Wu, Z., Guan, Y., & Luo, W. (2026). The temporal representation of computational features from body expressions. Social Cognitive and Affective Neuroscience, 21(1), nsag082. Doi: 10.1093/scan/nsag082.