基于神經(jīng)認(rèn)知科學(xué)的衛(wèi)衣情感分析與建模

摘要：在消費(fèi)升級(jí)與情感體驗(yàn)日益重視的時(shí)代背景下，服裝的情感化設(shè)計(jì)成為制約消費(fèi)者是否購買產(chǎn)品的關(guān)鍵。為了探索服裝設(shè)計(jì)元素與消費(fèi)者情感反應(yīng)的關(guān)系，本文以衛(wèi)衣作為研究載體，借助PAD情緒模型、眼動(dòng)追蹤和腦電波（EEG）技術(shù)，系統(tǒng)分析消費(fèi)者對(duì)服裝元素（款式、色彩、圖案）的情感反應(yīng)。結(jié)果表明，色彩搭配中單色和雙色組合更易激發(fā)積極情緒，而三色較易引起消極情緒；圖案大小和位置設(shè)計(jì)更易產(chǎn)生積極情緒；款式元素引起的情緒變化無明顯規(guī)律；同時(shí)，以客觀生理指標(biāo)為輸入，以主觀情感指標(biāo)為輸出，構(gòu)建服裝情感識(shí)別模型；最后通過損失曲線、混淆矩陣、ROC曲線及誤差的分析對(duì)情感識(shí)別模型進(jìn)行了評(píng)估。研究表明，本文構(gòu)建的服裝情感識(shí)別模型準(zhǔn)確率為98%，能高效準(zhǔn)確識(shí)別服裝情感類別，可以為更契合消費(fèi)者情感需求的衛(wèi)衣情感化定制提供參考。

關(guān)鍵詞：情感識(shí)別；PAD情緒量表；眼動(dòng)追蹤；事件相關(guān)電位（ERPs）；前饋神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TS101.1

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：10017003（2025）01006908

DOI：10.3969 j.issn.1001-7003.2025.01.008

基金項(xiàng)目：安徽工程大學(xué)鳩江區(qū)產(chǎn)業(yè)協(xié)同創(chuàng)新專項(xiàng)基金項(xiàng)目（2022cyxtb7）；安徽省高校重點(diǎn)實(shí)驗(yàn)室聯(lián)合開放基金項(xiàng)目（2021AETKL20）；安徽工程大學(xué)本科生科研項(xiàng)目（FFBK202341）；安徽省大創(chuàng)項(xiàng)目（S202310363049）

作者簡(jiǎn)介：袁惠芬（1972），女，教授，主要從事服裝設(shè)計(jì)與工程研究。

在當(dāng)今消費(fèi)中，服裝不僅是遮體御寒的工具，更是消費(fèi)者個(gè)性和情感表達(dá)的重要媒介［1］。隨著消費(fèi)市場(chǎng)的不斷升級(jí)，消費(fèi)者對(duì)于服裝產(chǎn)品的期望已經(jīng)從基礎(chǔ)的功能性逐漸轉(zhuǎn)向深層次的審美享受和情感聯(lián)結(jié)［2］。這些變化促使服裝行業(yè)必須重新審視產(chǎn)品設(shè)計(jì)和市場(chǎng)定位，特別是如何在保證服裝品質(zhì)的同時(shí)，增強(qiáng)其情感表達(dá)力以滿足消費(fèi)者的心理需求［3］。而服裝的款式、色彩及圖案等視覺要素是影響消費(fèi)者情感變化的重要因素［4］。但由于消費(fèi)者情感認(rèn)知的復(fù)雜性，傳統(tǒng)的問卷調(diào)查法及語義差異等難以精準(zhǔn)捕捉真實(shí)情感［5］。隨著現(xiàn)代認(rèn)知科學(xué)的發(fā)展，如眼動(dòng)追蹤和腦電圖分析［6］，不僅能準(zhǔn)確記錄不同情感狀態(tài)下的生理指標(biāo)，量化設(shè)計(jì)元素與整體情緒反應(yīng)的關(guān)系，而且能揭示其內(nèi)在作用機(jī)制［7-8］。因此，本文從認(rèn)知科學(xué)的角度，探討服裝設(shè)計(jì)元素款式、色彩、圖案與消費(fèi)者情感反應(yīng)之間的關(guān)系。采用眼動(dòng)追蹤技術(shù)和腦電波技術(shù)記錄并分析消費(fèi)者在觀看不同設(shè)計(jì)元素時(shí)的生理反應(yīng)，從而準(zhǔn)確地分析和量化設(shè)計(jì)元素如何影響消費(fèi)者的情感和認(rèn)知過程，構(gòu)建基于認(rèn)知科學(xué)的服裝情感識(shí)別模型。期望能為設(shè)計(jì)師設(shè)計(jì)出符合消費(fèi)者情感需求的服裝提供理論參考和數(shù)據(jù)支撐。

1 實(shí) 驗(yàn)

1.1 樣 本

結(jié)合消費(fèi)者衛(wèi)衣設(shè)計(jì)元素偏好調(diào)研結(jié)果，綜合考慮服裝情感研究理論，確定款式、色彩、圖案作為實(shí)驗(yàn)變量，并采用CorelDRAW X8將其繪制展示，共計(jì)50款，且對(duì)其按照設(shè)計(jì)元素分類編碼，如表1所示。部分實(shí)驗(yàn)樣品示例如圖1所示。

1.2 對(duì) 象

本實(shí)驗(yàn)招募的被試者為30名筆者所在大學(xué)在校大學(xué)生及研究生，年齡在18～30周歲，其中男性12人、女性19人。所有參加本實(shí)驗(yàn)的被試者視力或矯正視力均正常，且無色盲、色弱或患有其他精神疾病。

1.3 設(shè)備及流程

1.3.1 PAD情緒測(cè)評(píng)

本實(shí)驗(yàn)采用PAD情緒測(cè)量表，即愉悅度（Pleasure）、激活度（Arousal）、優(yōu)勢(shì)度（Dominance），完成各情緒屬性指標(biāo)測(cè)量。實(shí)驗(yàn)使用E-prime 3.0軟件進(jìn)行編程，隨機(jī)展示刺激圖，利用“+”標(biāo)志引導(dǎo)注意力。刺激圖展示持續(xù)3 s，展示結(jié)束后參與者根據(jù)PAD量表進(jìn)行評(píng)估，分三輪進(jìn)行，每輪包含四個(gè)問題。所有圖像評(píng)估完成后實(shí)驗(yàn)結(jié)束，屏幕上將顯示結(jié)束語。情緒量表及歸一化公式參考文獻(xiàn)［9］。

1.3.2 眼動(dòng)實(shí)驗(yàn)

本實(shí)驗(yàn)采用Tobii Pro X3-120眼動(dòng)追蹤儀（北京津發(fā)科技股份有限公司）來記錄被試者的眼動(dòng)數(shù)據(jù)。實(shí)驗(yàn)要求被試者與眼動(dòng)儀保持60～70 cm的距離，同時(shí)確保實(shí)驗(yàn)樣本位于顯示屏中央。實(shí)驗(yàn)開始前，對(duì)被試者的視線進(jìn)行校準(zhǔn)，以確保數(shù)據(jù)的準(zhǔn)確性。校準(zhǔn)完成后，實(shí)驗(yàn)正式開始。在實(shí)驗(yàn)開始時(shí)，屏幕中央會(huì)顯示簡(jiǎn)短的介紹，以便被試者做好準(zhǔn)備。每個(gè)實(shí)驗(yàn)樣本的呈現(xiàn)時(shí)間為7 ms，隨后是一個(gè)2 ms的“+”注視點(diǎn)刺激，以引導(dǎo)被試者的視線回到屏幕中心。實(shí)驗(yàn)全程約10 min，中間沒有休息。實(shí)驗(yàn)選取注視時(shí)間、總注視時(shí)間、平均瞳孔直徑、眨眼次數(shù)和掃視次數(shù)作為評(píng)價(jià)指標(biāo)。

1.3.3 腦電實(shí)驗(yàn)

本實(shí)驗(yàn)采用Smarting Pro腦電儀（武漢格林泰克科技有限公司）進(jìn)行數(shù)據(jù)采集。實(shí)驗(yàn)前，連接32導(dǎo)聯(lián)的CM-TZ01-2032電極帽，并使用Mbtstreamer軟件進(jìn)行系統(tǒng)校準(zhǔn)，確保數(shù)據(jù)采集的準(zhǔn)確性。實(shí)驗(yàn)共包含50張刺激圖和50張非刺激圖，其中刺激圖展示1 000 ms，“+”字符號(hào)非刺激圖展示500 ms。每張圖展示后有休息時(shí)間，以幫助被試者集中注意力。所有樣本展示完畢后，將腦電數(shù)據(jù)導(dǎo)入Matlab 2021a，使用Eeglabv 2023工具箱進(jìn)行預(yù)處理，包括完整性檢查、參考轉(zhuǎn)換、重采樣、濾波和偽跡去除。隨后，進(jìn)行事件相關(guān)電位（ERP）的分段、基線校正、疊加平均，并進(jìn)行最終的數(shù)字濾波。最后，對(duì)所有有效被試者的波形進(jìn)行總平均。整個(gè)實(shí)驗(yàn)過程大約需要20 min。

2 結(jié)果分析

2.1 情緒類別分析

表2為實(shí)驗(yàn)樣本衛(wèi)衣PAD維度值及情緒類別標(biāo)注。由表2可知，款式設(shè)計(jì)中領(lǐng)型、廓形及袖型引發(fā)的情緒均為積極。色彩搭配中單色和雙色更容易激發(fā)積極情緒，而純黑和黑藍(lán)組合更易引發(fā)消極情緒，三色搭配的情緒類別存在不確定性，提示設(shè)計(jì)師在色彩選擇上需謹(jǐn)慎。圖案大小和位置的變化普遍為積極情緒。

表3為款式、色彩及圖案的PAD三維度相關(guān)性結(jié)果。由表3可知，在衛(wèi)衣款式設(shè)計(jì)研究中，愉悅度和優(yōu)勢(shì)度之間的正相關(guān)性較弱，而激活度與愉悅度、優(yōu)勢(shì)度的關(guān)系則呈負(fù)相關(guān)，表明款式設(shè)計(jì)在提升激活度的同時(shí)，會(huì)降低人們感受到的愉悅度和控制感。當(dāng)衛(wèi)衣的動(dòng)感設(shè)計(jì)與傳統(tǒng)保守風(fēng)格相沖突時(shí)，可能引發(fā)穿著者在活力與傳統(tǒng)權(quán)威感之間的情感張力，對(duì)于追求舒適或低調(diào)的消費(fèi)者來說，反而會(huì)削弱穿著者的愉悅感和權(quán)威感。色彩搭配中愉悅度與優(yōu)勢(shì)度呈負(fù)相關(guān)，激活度與愉悅度和優(yōu)勢(shì)度之間為正相關(guān)，表明愉悅的色彩會(huì)減少權(quán)威感，明亮或鮮艷的色彩顯得更開朗，但缺乏正式或權(quán)威感；高激活度的色彩，能增加愉悅度和優(yōu)勢(shì)度。圖案元素中愉悅度與激活度、優(yōu)勢(shì)度之間均為正相關(guān)性，表明圖案大小和位置的變化能提高穿著者的活躍度、自信和控制感。

2.2 眼動(dòng)數(shù)據(jù)分析

圖2為衛(wèi)衣不同設(shè)計(jì)元素的眼動(dòng)指標(biāo)差異結(jié)果。由圖2（a）可知，色彩與圖案在視覺吸引和引起視覺刺激方面相較于款式效果更顯著。色彩在視覺吸引力方面具有顯著優(yōu)勢(shì)，其中單色設(shè)計(jì)相較于多色設(shè)計(jì)更能有效吸引觀察者的注意；而在款式設(shè)計(jì)方面，廓形設(shè)計(jì)相較于領(lǐng)形和袖形更能夠引起觀察者的注意。進(jìn)一步，圖案的位置較其大小對(duì)觀察者的眨眼頻率產(chǎn)生更大的影響。由圖2（b～d）可知，色彩和款式相較于圖案能更有效地延長觀察者的注視時(shí)間，而廓形設(shè)計(jì)在激發(fā)注視和掃視行為方面表現(xiàn)最為突出，凸顯了其在視覺吸引力

和認(rèn)知加工過程中的重要性。單色搭配本身色彩元素簡(jiǎn)潔簡(jiǎn)潔，相對(duì)于多色搭配，減輕了觀察者的決策負(fù)擔(dān)并避免了決策疲勞，因此更受歡迎。由圖2（e）可知，在瞳孔反應(yīng)方面，色彩設(shè)計(jì)元素表現(xiàn)最為顯著，這反映了顏色對(duì)于情緒和興奮度的強(qiáng)烈影響力，以及其在提供視覺信息中的優(yōu)越性。在款式元素中，廓形對(duì)視覺影響的影響最為顯著，而圖案設(shè)計(jì)在情緒激發(fā)方面的作用相對(duì)有限。

2.3 腦電成分分析

圖3為款式誘發(fā)的ERP總平均波形。由圖3可知，各款式設(shè)計(jì)元素均誘發(fā)了明顯的N1、P2及N400成分，且前額區(qū)和中央?yún)^(qū)的N1成分明顯高于后枕區(qū)。N1成分通常被認(rèn)為與初步的感官處理活動(dòng)相關(guān)［10］，表明款式各設(shè)計(jì)元素首先在大腦的早期感知處理階段就引起了較強(qiáng)烈的注意力集中，而領(lǐng)形相對(duì)于袖形和廓形誘發(fā)了更明顯的N1成分，表明在視覺處理中更具有吸引力或需要更多的初步感知處理資源。在N400成分中，袖形誘發(fā)的N400成分在左半球的波動(dòng)大于右半球，右半球中N400成分的波動(dòng)相對(duì)一致。N400與語言加工和語義理解密切相關(guān)，特別是在處理語言意義不匹配或與預(yù)期違背時(shí)N400振幅會(huì)增加［11］，表明右腦在評(píng)估袖形時(shí)，不如左腦敏感且具體的語義或概念不匹配，更多的是參與到對(duì)袖形視覺外貌的加工中。

圖4為色彩誘發(fā)的ERP總平均波形。由圖4可知，不同色彩搭配均誘發(fā)了明顯的N1、P2及N400成分。雙色搭配誘發(fā)的N1成分高于單色和三色，表明雙色搭配提供比單色更為豐富的視覺信息或?qū)Ρ?，增加視覺處理的復(fù)雜性，而誘發(fā)了更高的N1振幅。而三色搭配的N1振幅程度小于雙色N1振幅，可能由于存在較多的顏色引起更復(fù)雜的處理需求，造成了一種抑制效果。N1和N400成分在前額區(qū)和中央?yún)^(qū)的波峰高于后枕區(qū)，表明色彩搭配主要通過影響大腦的高級(jí)認(rèn)知處理機(jī)制，而非通過直接影響初級(jí)視覺處理來影響個(gè)體的視覺感知評(píng)價(jià)。而P2成分相反，后枕區(qū)高于前額區(qū)和中央?yún)^(qū)，表明后枕區(qū)在初步視覺分析和注意力引導(dǎo)方面起到重要的作用，這與其作為視覺皮層處理中心的功能相符合［13］。

圖5為圖案元素誘發(fā)的ERP總平均波形。由圖5可知，圖案大小和位置元素在左右半球均誘發(fā)了N1、P2成分，誘發(fā)的N400成分主要在前額區(qū)和中央?yún)^(qū)，P3成分主要在后枕區(qū)，表明P3在后枕區(qū)激活則涉及對(duì)圖案的最終識(shí)別和評(píng)價(jià)，圖案在視覺審美和設(shè)計(jì)意圖方面需后續(xù)加工。圖案大小誘發(fā)的各成分波幅整體高于圖案位置，表明在視覺加工階段，大腦對(duì)圖案大小的變化更為敏感。大小變化作為更顯著的視覺刺激，需要更多的認(rèn)知資源來加工，從而導(dǎo)致了較大的波幅。

2.4 神經(jīng)網(wǎng)絡(luò)建模與訓(xùn)練

2.4.1 樣本準(zhǔn)備

將提取的眼動(dòng)指標(biāo)（注視次數(shù)、總注視時(shí)間、平均瞳孔直徑、眨眼次數(shù)、掃視次數(shù)）和腦電指標(biāo)（F3、F4、O1、O2、CZ）作為輸入特征值xi，構(gòu)造了一個(gè)輸入特征向量；將其對(duì)應(yīng)的PAD情緒測(cè)量情緒分類（積極性、消極性）作為輸出特征值yi，構(gòu)造一維的目標(biāo)輸出。對(duì)于每一款衛(wèi)衣都有一個(gè)具體的輸入特征向量x∈R10，以及相對(duì)應(yīng)的情感類別標(biāo)簽y∈{1，2}，將所有特征向量和情感標(biāo)簽整合形成一個(gè)由輸入輸出對(duì)構(gòu)成的數(shù)據(jù)矩陣，如下所示。

x1x2x3x4x5x6x7x8x9x10y

x1_1x2_1x3_1x4_1x5_1x6_1x7_1x8_1x9_1x10_1y_1

x1_2x2_2x3_2x4_2x5_2x6_2x7_2x8_2x9_2x10_2y_1

x1_3x2_3x3_3x4_3x5_3x6_3x7_3x8_3x9_3x10_3y_3

x1_nx2_nx3_nx4_nx5_nx6_nx7_nx8_nx9_nx10_ny_n

（1）

式中：每一行代表一個(gè)樣本，xi_ j表示第j個(gè)樣本的第i個(gè)特征值，y_ j表示第j個(gè)樣本的情感類別輸出（1或2）。

2.4.2 模型訓(xùn)練

在建立神經(jīng)網(wǎng)絡(luò)模型進(jìn)行情感識(shí)別研究時(shí)，網(wǎng)絡(luò)參數(shù)的設(shè)置對(duì)于保證模型有效性和預(yù)測(cè)精度至關(guān)重要［14］。本實(shí)驗(yàn)中，使用Matlab軟件作為衛(wèi)衣情感模型建立前饋神經(jīng)網(wǎng)絡(luò)，如圖6所示。

訓(xùn)練過程如下：

1）輸入層。設(shè)（x1，x2，x3，…，xn）為神經(jīng)網(wǎng)絡(luò)的n個(gè)輸入，表示為向量形式如下：

X=［x1，x2，x3，…，xn］T（2）

2）第一隱層。①權(quán)值和閾值：輸入層至第一隱層權(quán)重矩陣表示為W1，其中元素代表第個(gè)輸入神經(jīng)元到第個(gè)隱層神經(jīng)元的權(quán)重。每個(gè)隱層神經(jīng)元有一個(gè)閾值，整體的向量形式如下：

b1=［b（1）1，b（2）2，b（1）3，…，b（1）m］T（3）

式中：m為第一隱層神經(jīng)元的數(shù)量。

②加權(quán)求和與激活：每一個(gè)隱層神經(jīng)元將輸入信號(hào)進(jìn)行加權(quán)求和，加上閾值偏置后通過激活函數(shù)進(jìn)行非線性變換，生成輸出為：

h1=f1（WT1X+b1）（4）

式中： f1為激活函數(shù)。

3）本文選用Sigmoid函數(shù)作為激活函數(shù)，其數(shù)學(xué)表述為：

y^=σ（z）=11+e-z（5）

通過隨機(jī)抽樣的方式將整個(gè)數(shù)據(jù)集劃分為三部分：70%的數(shù)據(jù)用于訓(xùn)練，15%的數(shù)據(jù)用于驗(yàn)證，15%的數(shù)據(jù)用于測(cè)試，設(shè)置交叉熵作為損失函數(shù)。為了提高模型的泛化能力，訓(xùn)練過程中調(diào)整權(quán)重和偏差，直到驗(yàn)證數(shù)據(jù)集收斂，停止網(wǎng)絡(luò)訓(xùn)練，獲得網(wǎng)絡(luò)即可用于數(shù)據(jù)的處理和情感預(yù)測(cè)中。

2.4.3 模型訓(xùn)練結(jié)果評(píng)估

為評(píng)估模型訓(xùn)練結(jié)果效率，本文采用損失曲線、混淆矩陣、ROC曲線及訓(xùn)練誤差進(jìn)行效率評(píng)估，具體如下：

圖7（a）為損失曲線，在訓(xùn)練初期損失快速下降，驗(yàn)證損失在第7輪達(dá)到最佳（0.086 854），表明模型快速學(xué)習(xí)且泛化能力提高。隨后，損失曲線平緩，顯示進(jìn)一步性能提升有限，模型在第7輪后達(dá)到收斂，繼續(xù)訓(xùn)練可能導(dǎo)致過擬合。因此，第7輪是停止訓(xùn)練、避免過度擬合和資源浪費(fèi)的最佳時(shí)機(jī)，保證了模型的高效性能利用。圖7（b）為混淆矩陣，通過訓(xùn)練、驗(yàn)證、測(cè)試階段的數(shù)據(jù)表明模型高效準(zhǔn)確。訓(xùn)練集中，一類情感識(shí)別率為96.7%，二類為100%，總準(zhǔn)確率97.1%；驗(yàn)證集兩類情感識(shí)別率均為100%；測(cè)試集一類情感識(shí)別率為100%。整體模型在一類情感識(shí)別率為97.8%，二類為100%，總體準(zhǔn)確率達(dá)98%，有效證明了模型對(duì)衛(wèi)衣情感的高準(zhǔn)確度識(shí)別能力。圖7（c）為訓(xùn)練誤差，絕大多數(shù)預(yù)測(cè)誤差集中在0.033 54附近，誤差區(qū)間內(nèi)的高度表明模型預(yù)測(cè)接近實(shí)際值，凸顯了其高準(zhǔn)確性與穩(wěn)定性。隨誤差增大，預(yù)測(cè)次數(shù)減少，顯示出模型預(yù)測(cè)主要集中在小誤差范圍內(nèi)，證明了模型在衛(wèi)衣情感識(shí)別上的高準(zhǔn)確度。圖7（d）為ROC曲線，可見FNN模型在衛(wèi)衣情感識(shí)別中表現(xiàn)優(yōu)異，具有較低假陽性率（FPR）的同時(shí)保持高真陽性率（TPR）。訓(xùn)練階段，模型能在較低FPR下捕捉大多數(shù)正面情感，雖然增加FPR后性能提升有限。對(duì)負(fù)面情感，模型在低FPR時(shí)敏感，盡管中途有性能略微下降，但最終TPR接近1，驗(yàn)證和測(cè)試階段的ROC曲線“L”形走勢(shì)確認(rèn)了模型的高區(qū)分能力。整體而言，模型能有效區(qū)分正負(fù)面情感，盡管有誤判，但整體識(shí)別能力仍較高，表明該FNN模型在識(shí)別任務(wù)上具有良好性能。

3 結(jié) 論

本文通過綜合運(yùn)用眼動(dòng)追蹤技術(shù)、腦電圖實(shí)驗(yàn)和PAD情緒評(píng)價(jià)模型，深入分析了服裝款式、色彩和圖案設(shè)計(jì)元素對(duì)消費(fèi)者情緒反應(yīng)的影響。研究結(jié)果表明，廓形的注視時(shí)間和平均瞳孔直徑高于領(lǐng)形和袖形，但誘發(fā)的腦電成分波幅低于領(lǐng)形和袖形，說明廓形在視覺上相較于袖形和領(lǐng)形更易吸引消費(fèi)者的注意力，但大腦對(duì)其信息的處理和認(rèn)知負(fù)荷相對(duì)較低；色彩搭配中，單色和雙色組合的眨眼次數(shù)、注視時(shí)間及掃視次數(shù)均高于三色，且誘發(fā)的腦電成分波幅相對(duì)于三色更顯著，說明單色和雙色組合更易激發(fā)消費(fèi)者積極情緒；圖案位置的眨眼次數(shù)、注視時(shí)間及掃視次數(shù)高于圖案大小，但誘發(fā)的腦電成分波幅低于圖案大小，說明圖案位置的變化在視覺上更具吸引力，而圖案大小的變化需要更多的認(rèn)知負(fù)荷。通過構(gòu)建前饋神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)了高達(dá)98%的情感識(shí)別準(zhǔn)確率，說明客觀生理指標(biāo)與主觀情緒評(píng)價(jià)相結(jié)合對(duì)服裝情感進(jìn)行識(shí)別的有效性。本研究不僅為服裝設(shè)計(jì)師預(yù)測(cè)消費(fèi)者情緒反應(yīng)提供科學(xué)的數(shù)據(jù)支持，而且可優(yōu)化服裝情感設(shè)計(jì)過程，從而提升消費(fèi)者體驗(yàn)。

參考文獻(xiàn)：

［1］李森， 李明明， 郭伏， 等. 基于眼動(dòng)追蹤和腦電技術(shù)的多維設(shè)計(jì)特征產(chǎn)品外觀的用戶情感預(yù)測(cè)模型［J］. 人類工效學(xué)， 2019， 25（5）： 26-33.

LI S， LI M M， GUO F， et al. The prediction model of users’ emotion toward product appearance with multiple design features based on eye： Trackingand EEG technologies［J］. Chinese Journal of Ergonomics， 2019， 25 （5）： 26-33.

［2］程琳. 基于情感化的現(xiàn)代服裝設(shè)計(jì)研究［J］. 化纖與紡織技術(shù)， 2022， 51（1）： 163-165.

CHENG L. Research on emotional modern fashion design［J］. Chemical Fiber and Textile Technology， 2022， 51（1）： 163-165.

［3］方蕾蕾. 感性工學(xué)在服裝領(lǐng)域中的研究進(jìn)展可視化分析［J］. 紡織科技進(jìn)展， 2022（7）： 19-25.

FANG L L. Visual analysis of the research progress of kansei engineering in garment domain［J］. Progress in Textile Science amp; Technology， 2022（7）： 19-25.

［4］張偉萌， 李曉英， 郭子軒， 等. 女風(fēng)衣領(lǐng)型與廓形搭配的感性意向評(píng)價(jià)［J］. 毛紡科技， 2022， 50（5）： 110-116.

ZHANG W M， LI X Y， GUO Z X， et al. Perceptual intention evaluation of collar type and silhouette matching of women’s windbreaker［J］. Wool Textile Journal， 2022， 50（5）： 110-116.

［5］宋瑩， 阮勝坤. 基于數(shù)量化理論Ⅰ的男襯衫設(shè)計(jì)要素感性評(píng)價(jià)［J］. 絲綢， 2023， 60（3）： 105-112.

SONG Y， RUAN S K. Perceptual evaluation of men’s shirt design based on quantitative theory I［J］. Journal of Silk， 2023， 60（3）： 105-112.

［6］陳田， 蔡從虎， 袁曉輝， 等. 基于多尺度卷積和自注意力特征融合的多模態(tài)情感識(shí)別方法［J］. 計(jì)算機(jī)應(yīng)用， 2024， 44（2）： 369-376.

CHEN T， CAI C H， YUAN X H， et al. Multimodal emotion recognition method based onmultiscale convolution and self-attention feature fusion［J］. Journal of Computer Applications， 2024， 44（2）： 369-376.

［7］王崴， 趙敏睿， 高虹霓， 等. 基于腦電和眼動(dòng)信號(hào)的人機(jī)交互意圖識(shí)別［J］. 航空學(xué)報(bào)， 2021， 42（2）： 292-302.

WANG W， ZHAO M R， GAO H N， et al. Human-computer interaction： Intention reconition based on EEG and eye tracking［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（2）： 292-302.

［8］陳弈菲， 劉馳， 楊萌. 基于情緒測(cè)量的文胸結(jié)構(gòu)情感計(jì)算研究［J］. 現(xiàn)代紡織技術(shù)， 2022， 30（2）： 208-215.

CHEN Y F， LIU C， YANG M. Research on emotional calculation of bra structure basedon emotiona measurement［J］. Advanced Textile Technology， 2022， 30（2）： 208-215.

［9］韋玉輝， 夏敏， 蘇兆偉， 等. 基于PAD模型的服裝圖案設(shè)計(jì)效果影響因素評(píng)測(cè)［J］. 服裝學(xué)報(bào)， 2020， 5（6）： 507-512.

WEI Y H， XIA M， SU Z W， et al. Evaluation on the influence factors of clothing pattern design based on PAD model［J］. Journal of Clothing Research， 2020， 5（6）： 507-512.

［10］齊悅廷， 韓海燕， 韓曉宇， 等. 界面設(shè)計(jì)影響蒙漢用戶視覺注意的腦電研究［J］. 包裝工程， 2024， 45（6）： 290-298.

QI Y T， HAN H Y， HAN X Y， et al. Electroencephalographic study on the influence of interface design on visual attention of Mongolian and Chinese users［J］. Packing Engineering， 2024， 45（6）： 290-298.

［11］呂佳， 陳東生. 基于事件相關(guān)電位技術(shù)的服裝審美情緒研究［J］. 人類工效學(xué)， 2013， 19（2）： 63-65.

L J， CHEN D S. Research on aesthetic emotions of clothing based on event related potential technology［J］. Chinese Journal of Ergonomics， 2013， 19（2）： 63-65.

［12］孫風(fēng)哲， 楊碩， 韓雪， 等. 前額葉Gamma頻段tACS對(duì)工作記憶影響的研究［J］. 科學(xué)技術(shù)與工程， 2023， 23（36）： 15404-15411.

SUN F Z， YANG S， HAN X， et al. Effect of Gamma tACS in the prefrontal lobe on working memory［J］. Science Technology and Engineering， 2023， 23（36）： 15404-15411.

［13］韓智超. 基于空時(shí)神經(jīng)網(wǎng)絡(luò)的腦電情感識(shí)別研究［D］. 南京： 南京信息工程大學(xué)， 2024.

HAN Z C. Research on EEG Emotion Recognition Based on Spatiotemporal Neural Networks［D］. Nanjing： Nanjing University of Information Technology， 2024.

Analysis and modeling of hoodie sentiment based on neurocognitive science

YUAN Huifen1， ZHANG Haiyan1， WEI Yuhui1， SU Zhaowei1， PAN Wei2

（1.School of Textile and Garment， Anhui Polytechnic University， Wuhu 241000， China;

2.Anhui Suli Technology Co.， Ltd.， Wuhu 241000， China）

Abstract：In the context of consumer upgrade and the increasing emphasis on emotional experience， the emotional demands of consumers on clothing have become increasingly prominent. Emotional design in clothing has become a key factor affecting purchase decisions. However， consumer emotion cognition is complex， and traditional survey methods find it difficult to accurately grasp their emotional responses to clothing elements. Therefore， this study uses hoodies as a research vehicle， and with the aid of the PAD emotional model， eye-tracking， and electroencephalogram （EEG） technology， it systematically investigates the impact of different clothing elements （style， color， and pattern） on consumer emotions. The aim is to delve into the intrinsic connection between clothing design elements （style， color， and pattern） and consumer emotional responses， to construct an effective clothing emotional recognition model， and to provide a scientific basis for the emotional design of clothing.

The specific research approach is as follows： first， by combining consumer preference research with the emotional research theory， style， color， and pattern are determined as experimental variables. 50 samples are drawn by using CorelDRAW X8 and categorized with coding. Second， 30 students aged 18-30 from Anhui Polytechnic University with normal vision and without related diseases are recruited as experimental subjects. Then， various experimental devices and technologies are used for data collection and analysis， including the use of the PAD emotional measurement scale for emotional evaluation， the use of E-prime 3.0 software for programming and displaying stimulus images; Tobii Pro X3-120 eye tracker is used to record eye movement data， and indicators such as fixation time are selected for evaluation; Smarting Pro EEG device is used to collect EEG data， which are analyzed after preprocessing. Finally， a data matrix is constructed with eye movement and EEG indicators as inputs and PAD emotional classification as outputs， and a feedforward neural network is established using Matlab， parameters are set， and training is conducted. The performance of the model is evaluated through loss curves， confusion matrices， ROC curves， and error analysis.

The study shows that in terms of style， collar type， silhouette， and sleeve type elicit positive emotions， but the pattern of style on emotional changes is not obvious; in terms of color， single and double color combinations are more likely to stimulate positive emotions， while triple colors are more likely to cause negative emotions; the size and position design of patterns mostly generate positive emotions. Eye-tracking data indicate that color and pattern are superior to style in visual attraction， with single-color designs attracting more attention， silhouette being more prominent among styles， pattern position having a significant impact on blink frequency， color and style being able to extend fixation time， and color having a significant effect on pupil response， while the role of patterns in emotion arousal is limited. EEG component analysis shows that various style elements evoke specific EEG components with regional differences， and color matching and pattern elements also show different characteristics and regional distributions. The neural network model training results show that the model converges in the 7th round， with an accuracy rate of 98%， effectively distinguishing between positive and negative emotions. The research can provide reference for designers to design hoodies that better meet consumer emotional needs and enrich the theory of clothing design.

Furthermore， to further improve the representativeness and precision of the research results， future research can expand the scope of the experimental sample to include consumers of different ages， regions， and cultural backgrounds. At the same time， the clothing emotional recognition model can be continuously improved to enhance its accuracy and stability， so that it can be better applied to actual clothing product design and development， and contribute to the development of emotional design theory in the clothing industry.

Key words：emotional recognition; PAD emotional scale; eye tracking; event-related potentials （ERPs）; feedforward neural network