丹麦 iMotions 人类行为研究平台 iMotions Lab

iMotions Lab（iMotions A/S，丹麦）是在售的多模态人类行为研究模块化软件；Core Platform 核心平台是所有模块的前提。 它可将眼动追踪、皮肤电活动、脑电、心电、肌电、呼吸、面部表情与语音数据时间同步；设备通过 API、LSL 或 TTL 接入。 它集成 20 余家厂商的 50 余种传感器，可呈现图片、视频、网站、应用与 VR，并可导出至 Excel、SPSS 与 MatLab。 iMotions 面向学术研究、消费者洞察与人因工效。 核心平台为标配；选配模块包括眼动追踪、面部表情、语音、皮肤电活动、脑电、心电、肌电、呼吸、GPS 与动作捕捉；传感器需另行购买。 iMotions 说明其面部表情与语音分析属于情绪识别系统，欧盟《人工智能法案》禁止在工作场所与教育机构中使用此类系统。

丹麦 iMotions 人类行为研究平台 iMotions Lab

仪器信息

品牌iMotions
型号iMotions Lab
分类多模态数据整合采集分析系统
仪器编码denmark-imotions-human-behavior-research-platform-imotions-lab
在售状态在售
地区来源丹麦
更新时间2026-10-10
研究领域决策神经科学/神经营销学、消费者行为与人机交互、临床交流科学与康复医学、情感计算与心理生理学

技术参数

共 102 条规格记录

产品名称iMotions Lab
产品类型模块化软件
制造商iMotions A/S
产地丹麦
软件版本iMotions Lab 11
软件架构形式中央 Core 平台与可灵活搭配的传感器模块集成
核心模块构成CORE（必备主分析模块）
可选分析模块支持范围眼动追踪（屏幕式）、眼动追踪（VR）、眼动追踪（眼镜）、EMG、呼吸、EDA/GSR、EEG、fNIRS、ECG、动作捕捉、GPS、语音分析、自动 AOI、面部表情分析、FEA Multiface、远程数据采集、网络摄像头眼动追踪、网络摄像头呼吸
软件更新频率每两周更新一次（订阅制许可下）
仅分析许可证数据采集能力不支持数据采集（持有 Analysis Only License 时）
仅分析许可证分析功能范围支持全部分析功能，Affectiva 面部表情分析的后处理除外（持有 Analysis Only License 时）
仅分析许可证可分析模态范围任意眼动追踪模态（屏幕式、眼镜式或 VR）、EDA 以及 EEG 的额叶不对称（持有 Analysis Only License 时）
仅分析许可证数据存储与导出范围可存储、可视化并导出全部模态的数据（EEG、面部表情分析、ECG、EMG 等）（持有 Analysis Only License 时）
仅分析许可证销售方式仅作为 CORE 模块的附加组件销售（持有 Analysis Only License 时）
远程数据采集许可要求需 Core 许可证
测量原理集成并同步多种生物传感器，形成一体化系统
多传感器同步方式将多个生物传感器无缝同步到同一平台
可集成传感器数量50+ 种传感器，来自 20+ 家合作伙伴
可集成模态数量10+ 模态
可集成生物传感器类型眼动追踪、EDA/GSR、EEG、ECG、面部表情分析
可测量生理与行为指标类型视觉注意、脑活动、心率、肌肉活动、呼吸、排汗、面部表情、语音分析
硬件兼容性硬件无关（hardware agnostic）
支持的传感器设备品牌范围Smart Eye、Gazepoint、SMI、Pupil Labs、The Eye Tribe、SR Research EyeLink、ASL、Eyetech、Varjo
支持的传感器设备品牌范围Affectiva
支持的传感器设备品牌范围Advanced Brain Monitoring (ABM)、NeuroElectrics、Brain Products、Emotiv、OpenBCI
支持的传感器设备品牌范围Shimmer、BIOPAC、Empatica
支持的传感器设备品牌范围Shimmer、BIOPAC
支持的传感器设备品牌范围BIOPAC
支持的传感器设备品牌范围Smart Eye、EyeTech、SMI、Gazepoint（使用屏幕式眼动追踪模块时）
屏幕式眼动追踪测量原理向瞳孔中心投射近红外光，由红外摄像机跟踪角膜与瞳孔反射形成的向量（使用屏幕式眼动追踪模块时）
EEG 测量原理通过置于头皮表面的电极记录电活动，并输出为脑电波序列（使用 EEG 模块时）
EDA/GSR 测量信号类型皮肤电导（microsiemens, μS）（使用 EDA/GSR 模块时）
面部表情分析方法学基础面部动作编码系统（FACS）（使用面部表情分析模块时）
屏幕式眼动追踪指标范围超过 40 项眼动指标（如首次注视时间、注视时长、回访次数、注视次数、鼠标点击、按键等）（使用屏幕式眼动追踪模块时）
眼镜式眼动追踪指标范围超过 30 项注视、注视点与扫视指标（使用眼动追踪眼镜模块时）
面部表情分析指标数量32 项指标（使用 Affectiva AFFDEX 算法时）
面部表情分析可识别表情数量29 种表情（使用 Realeyes 算法时）
面部表情分析可识别情绪类型7 种核心情绪：喜悦、愤怒、恐惧、惊讶、悲伤、轻蔑、厌恶（使用面部表情分析模块时）
面部表情分析头部姿态输出偏航（yaw）、俯仰（pitch）、翻滚（roll）（使用面部表情分析模块时）
面部表情分析眼间距指标两外眼角间距，用于估算与屏幕的距离（使用面部表情分析模块时）
EDA/GSR 输出指标SCR 幅度、潜伏期、上升时间、恢复半衰期、峰值计数、SCL 均值与斜率（使用 EDA/GSR 模块时）
EDA/GSR 信号分解形式紧张性 SCL 与相位性 SCR 分解（使用 EDA/GSR 模块时）
EDA/GSR 信号处理功能自动伪迹检测、信号分解、分段、峰值检测、分箱聚合（使用 EDA/GSR 模块时）
EDA/GSR 事件锁定方式SCR 自动对 iMotions Lab 事件标记建立索引（使用 EDA/GSR 模块时）
EEG 频谱分析指标delta、theta、alpha、beta、gamma 频段功率谱密度（PSD）（使用 EEG 模块时）
EEG 额叶不对称分析功能比较左右额区特定频段功率，用于趋近—回避行为研究（使用 EEG 模块时）
EEG 跨被试相关分析功能支持多被试同时研究并比较脑活动相似性（神经同步）（使用 EEG 模块时）
ECG 输出指标由集成 R-notebooks 自动计算心率变异性（HRV）及其他指标（使用 ECG 模块时）
ECG 导联配置支持经 BIOPAC 与 Shimmer 设备支持 3 导联采集，经 Bionomadix 设备支持 2 导联采集（使用 ECG 模块时）
实时数据可视化功能支持数据采集期间实时可视化原始数据与指标，并可回放会话、从回放中整体或部分导出聚合传感器数据
内置数据分析工具内置 R Notebooks
数据导出格式适用于 Excel、SPSS、MatLab 等软件的文件格式
数据导出格式CSV，兼容 R、Python、MATLAB、SPSS（使用 EDA/GSR 模块时）
数据导出格式.csv 与 .snirf（使用 fNIRS 模块时）
语音转文本服务提供方由 AssemblyAI 提供支持
语音转文本支持语言范围英语（美国、英国、澳大利亚、全球）、荷兰语、法语、德语、印地语、意大利语、日语、葡萄牙语、西班牙语
语音转文本支持语言范围70 多种语言，包括阿拉伯语、中文、俄语等（使用 AssemblyAI nano 模型时）
语音转文本高级分析功能说话人识别与情感分析（仅英语录音）
语音转文本服务账户要求需要 AssemblyAI 账户
同时连接传感器设备数上限最多 6 台（使用 ECG 模块、单个 iMotions 软件许可证时）
同时录制摄像头数上限最多 3 个摄像机
事件转发协议TCP 或 UDP
事件转发工作方式软件作为服务器，在指定端口监听连接（事件转发使用 TCP 时）
事件转发工作方式将每条事件消息作为 UDP 数据报发送至配置的服务器/端口组合（事件转发使用 UDP 时）
事件转发数据内容眼动采样点、鼠标点击等实时数据流
事件数据序列化方式数据序列化为文本消息，可触发外部行为反应或视觉呈现
远程控制 API 支持支持外部程序远程控制 iMotions 软件，无需操作用户界面
远程控制命令集Next Slide、Cancel、Save、Load、Status 等直接控制命令
外部数据接入 API 支持支持第三方应用将采集到的传感器数据发送到 iMotions
LSL 支持支持 Lab Streaming Layer（LSL）
TTL 支持支持 TTL
USB 接口要求USB C、USB 3 或更高；使用 USB 集线器时仅使用有源集线器
USB 接口要求1×10 Gbps USB-C 3.1 Gen 2 或 USB-C 3.2 Gen 2，需直连芯片组（配 Varjo XR-4 与自动 AOI 时）
网络连接要求WiFi；BIOPAC MP160/MP200、Smart Eye Pro、Cedrus Stimtracker 需 Ethernet/LAN
蓝牙版本要求Bluetooth V4.0 或更高
蓝牙适配器要求Sena Bluetooth USB Adapter Parani UD100
处理器要求最低 Intel i7 第 10 代或更新（Core Ultra 7），至少 6 核；推荐 Intel i9 第 10 代或更新，至少 10 核；不支持 Qualcomm Snapdragon CPU
处理器要求推荐 8 核 12 代 Intel Core i9-12900K 或更新 / 4 代 Intel Xeon w5-2455X / AMD Ryzen 9 5950X（配 Varjo XR-4 与自动 AOI 时）
内存要求最低 32 GB，推荐 32 GB+
内存要求推荐 32 GB+（配 Varjo XR-4 与自动 AOI 时）
存储要求推荐 1 TB NVMe SSD
显卡要求最低 独立 GPU（NVIDIA、AMD）4 GB VRAM；推荐 NVIDIA RTX 或 Quadro 8 GB+ VRAM
显卡要求推荐 NVIDIA RTX 或 Quadro 12 GB+ VRAM，RTX 3090/4080 或更好（配 Varjo XR-4 与自动 AOI 时）
显卡要求需要计算能力 6 或以上的 NVIDIA RTX 显卡，RTX 3050 或更好（使用自动 AOI 模块时）
操作系统要求Windows 11
操作系统要求Windows 11 64 bit（配 Varjo XR-4 与自动 AOI 时）
浏览器要求Chrome、Firefox、MS Edge
计算平台限制不支持 Apple 电脑与虚拟化软件（如 Parallels）
数字格式设置要求操作系统建议使用句点作小数点、逗号作千位分隔符
显示器分辨率要求推荐 1920×1080
显示器尺寸要求台式机通常 22–25 inch，笔记本 14–17.3 inch
眼动仪安装空间要求显示器底部边框需 >15 mm 平坦区域（使用屏幕式眼动追踪时）
网络摄像头要求USB 网络摄像头（推荐 Logitech HD Pro C920）
内置问卷调查工具内置 Survey Tool，支持图片、李克特量表、多选题与文本输入
问卷平台集成支持支持 Qualtrics 集成
支持的刺激类型图像、视频、网站、游戏、手机/平板应用、软件与 VR 环境
刺激呈现控制功能支持随机化与呈现时长等参数设置，并可跨刺激组块与整个实验批量编辑
远程数据采集功能通过浏览器界面开展在线研究（网络摄像头眼动追踪、呼吸、面部表情与语音分析）
远程数据采集支持模态范围网络摄像头眼动追踪、面部表情分析、网络摄像头呼吸、语音分析
适用研究环境实验室、自然环境、VR 环境
应用领域学术研究、消费者洞察、产品研发测试、培训、仿真与游戏
应用领域学术研究、产品研发与设计测试、市场与用户体验测试、远程或混合式研究

相关实验室

以下机构来自本仪器关联论文的作者署名，不代表已确认采购或持有该仪器。

德国鲁尔西部应用科学大学

地区：德国

署名作者：迈克·许布纳

研究方向：情绪加工、社交媒体广告、情绪节律、面部表情分析

关联论文 1 篇

荷兰特文特大学

地区：德国 · 荷兰

署名作者：迈克·许布纳、约尔格·亨塞勒

研究方向：情绪加工、社交媒体广告、情绪节律、面部表情分析

关联论文 1 篇

葡萄牙里斯本新大学

地区：荷兰

署名作者：约尔格·亨塞勒

研究方向：情绪加工、社交媒体广告、情绪节律、面部表情分析

关联论文 1 篇

澳大利亚悉尼大学

地区：澳大利亚

署名作者：凯莉·尤、雷切尔·里特迪克

研究方向：创伤性脑损伤、软件、面部表情、评估工具

关联论文 1 篇

实验方法

研究方向：社交媒体浏览过程中面部表情分析与皮肤电反应的多模态同步采集、赞助内容引发的情绪流与参与行为研究、基于自动面部编码的创伤性脑损伤后社交沟通评估、自动面部表情分析工具的可行性与效度验证

基于iMotions的社交媒体浏览多模态同步采集实验（面部表情分析+皮肤电反应+参与行为）

方法说明：在受控实验室环境中，使用iMotions 9.3平台同步采集被试浏览模拟Instagram信息流时的面部表情数据（iMotions Affectiva模块）、皮肤电反应数据（Shimmer3 GSR传感器）以及实时点赞等参与行为。信息流包含29条帖子（8条赞助、21条自然内容），被试自定节奏浏览。通过三层分析模型（整体会话层、帖子类型层、单帖层）刻画滚动浏览的情绪微观结构，检验赞助内容是否改变情绪流以及生物特征唤醒/效价指标能否预测参与行为。

实验仪器：多模态数据整合采集分析系统 iMotions 9.3；面部表情分析模块 iMotions Affectiva（AFFDEX）；皮肤电反应传感器 Shimmer3 GSR+；统计分析软件 SPSS

实验步骤

  1. 被试招募与筛选

    说明：从高校群体中招募Instagram用户，最初招募186人，剔除GSR有效样本不足90%或未浏览完全部29条帖子的被试，最终纳入64人（女性51.6%，平均年龄24.73岁）。

    关键点：以GSR有效采样率≥90%和完整浏览为数据纳入标准。

  2. 知情同意、传感器佩戴与校准

    说明：被试签署知情同意后，在非优势手掌面粘贴GSR电极，摄像头正对面部，在iMotions中完成传感器校准，并记录3分钟基线。

    关键点：3分钟静息基线用于个体化归一化；非优势手佩戴Shimmer3电极。

  3. 刺激呈现与同步采集

    说明：在iMotions 9.3中呈现模拟Instagram信息流（29条帖子，广告比例1:3），被试自定节奏浏览，最长150秒；平台同步记录面部视频、GSR信号与点赞等交互事件。

    关键点：所有信号通过iMotions统一时间戳同步，帖子曝光与交互事件自动打标。

  4. GSR信号处理

    说明：在iMotions中使用中值滤波和Butterworth滤波预处理GSR信号（DC–15.9 Hz），采用iMotions内置峰值检测算法提取相位性皮肤电峰。

    关键点：使用iMotions实现的峰值检测算法，统一阈值参数。

  5. 面部表情分析参数设置

    说明：使用iMotions Affectiva进行面部表情分析，参数为：时间窗500 ms、无重叠，情绪通道阈值50%，动作单元阈值50%，效价阈值50%；置信度≥90%的帧才纳入，帧被分类为正性、负性或中性。

    关键点：500 ms时间窗、50%阈值、90%置信度过滤。

  6. 统计分析

    说明：在SPSS中进行重复测量GLM比较赞助与自然帖子的情绪指标；用随机截距逻辑回归、负二项与零膨胀负二项模型预测点赞行为；采用个体均值中心化与ICC分解组内/组间方差；Z分数标准化后映射至情绪环状模型。

    关键点：多层模型区分个体内情绪波动与个体间特质差异。

实验数据

皮肤电相位峰数据

数据来源：Shimmer3 GSR传感器经iMotions 9.3同步采集与峰值检测

实验样本：各帖子曝光期间的GSR峰数量与峰幅度，例如自然帖子与赞助帖子的每秒峰数对比

数据呈现：按帖子类型分组的均值柱状图与时间序列曲线

面部表情效价与情绪帧数据

数据来源：iMotions Affectiva面部表情分析模块

实验样本：每500 ms时间窗内正性、负性、中性帧的百分比；自然帖子引发的中性帧显著多于赞助帖子

数据呈现：情绪环状模型（唤醒-效价）散点图、帧比例堆叠图

参与行为数据（点赞）

数据来源：iMotions记录的实时交互事件日志

实验样本：每位被试对29条帖子的点赞（0/1）及点赞计数

数据呈现：点赞率按帖子类型的柱状图

方法关联论文：打断浏览体验：赞助社交媒体内容对情绪流的影响并不驱动参与行为

基于iMotions集成Affectiva的录像自动面部表情编码实验（创伤性脑损伤与健康对照比较）

方法说明：采用观察性横断面设计，将10名重度创伤性脑损伤（TBI）患者与10名匹配健康对照完成个人事件叙事和灰姑娘故事复述两项叙事任务的视频样本导入iMotions 8.2平台，利用其集成的Affectiva自动面部编码引擎，以2/100的低阈值提取参与度、微笑和皱眉三项面部指标的出现时间百分比，比较组间与任务间差异，并识别影响数据分析的混杂因素，以检验该工具用于TBI后面部表情评估的可行性。

实验仪器：多模态数据整合采集分析系统 iMotions 8.2；自动面部编码引擎 Affectiva AFFDEX；视频摄像机

实验步骤

  1. 视频样本筛选

    说明：从既有语料库中选取10名重度TBI患者（9男1女，24–54岁）与10名匹配对照（9男1女，23–57.5岁）完成两项叙事任务的录像。

    关键点：按性别、年龄与教育年限匹配对照组。

  2. 视频导入iMotions并进行Affectiva面部编码

    说明：将叙事任务视频导入iMotions 8.2，运行集成的Affectiva引擎自动检测参与度、微笑与皱眉等面部指标。

    关键点：摄像头需大致位于被试眼睛水平并正对被试，以保证面部检测质量。

  3. 阈值设置与指标提取

    说明：采用2/100的低阈值（表示表情存在的概率为2%）判定表情出现，输出每项指标出现时间的百分比。

    关键点：低阈值设置以捕捉TBI人群可能减弱的面部表情。

  4. 数据质量检查与混杂因素识别

    说明：通过箱线图识别离群值，检查录制角度、光线、面部遮挡等对检测的影响，总结影响分析的混杂因素。

    关键点：记录协议不统一是主要混杂来源。

  5. 统计比较

    说明：使用独立样本Mann–Whitney U检验比较TBI组与对照组，使用相关样本Wilcoxon符号秩检验比较同组内两项任务差异。

    关键点：非参数检验适用于小样本。

实验数据

参与度出现时间百分比

数据来源：iMotions 8.2集成Affectiva引擎的自动面部编码输出

实验样本：TBI组在两项任务中的参与度时间百分比均显著高于对照组（个人事件叙事p=0.011，故事复述p≤0.001）

数据呈现：箱线图（box and whisker plots）

微笑出现时间百分比

数据来源：iMotions 8.2集成Affectiva引擎的自动面部编码输出

实验样本：故事复述任务中TBI组微笑时间百分比高于对照组（p=0.015）

数据呈现：箱线图

皱眉出现时间百分比

数据来源：iMotions 8.2集成Affectiva引擎的自动面部编码输出

实验样本：两组间皱眉时间百分比未见显著差异

数据呈现：箱线图

方法关联论文：使用Affectiva软件区分创伤性脑损伤患者与健康人群的面部表情使用：一项初步研究

主要部件

暂未收录主要部件

相关论文

共 2 篇；当前显示第 1 页

使用Affectiva软件区分创伤性脑损伤患者与健康人群的面部表情使用：一项初步研究

原文题名：Differentiating Use of Facial Expression between Individuals with and without Traumatic Brain Injury Using Affectiva Software: A Pilot Study

发表年份：2023

作者：凯莉·尤；利安·托格；艾玛·鲍尔；梅丽莎·布伦纳；雷切尔·里特迪克

刊源：International Journal of Environmental Research and Public Health

DOI 10.3390/ijerph20021169
查看论文摘要与书目信息

摘要 · 中文整理：本研究探讨了使用自动面部编码引擎Affectiva（集成于iMotions 8.2版本）评估创伤性脑损伤（TBI）后面部表情的可行性。研究采用观察性横断面设计，基于TBI患者与对照被试的视频面部表情数据，旨在比较TBI组与对照组，并识别影响数据分析的混杂因素。分析了10名TBI患者和10名对照被试完成两项叙事任务的视频样本。Affectiva检测到TBI患者在两项任务中的参与度时间百分比均高于对照被试，在其中一项任务中TBI患者的微笑时间百分比也更高。Affectiva可提供关于面部表情的标准化数据，可能对检测TBI后面部表情使用的变化具有敏感性。未来研究可采用标准化的录制协议，在更大、更多样化的样本中重复本研究。

原文摘要：This study investigated the feasibility of using an automated facial coding engine, Affectiva (integrated in iMotions, version 8.2), for evaluating facial expression after traumatic brain injury (TBI). An observational cross-sectional study was conducted based on facial expression data from videos of participants with TBI and control participants, with the aims to compare TBI and control groups and identify confounding factors affecting the data analysis. Video samples of ten participants with TBI and ten control participants completing two narrative tasks were analysed. Affectiva detected a higher percentage of time of engagement for TBI participants than for control participants on both tasks. There was also a higher percentage of time of smiling for TBI participants in one task. Affectiva provides standardized data about facial expression and may be sensitive to detecting change in the use of facial expression after TBI. Future research could replicate this study with a standardized recording protocol using a larger and more diverse sample.

关键词：创伤性脑损伤、软件、面部表情、评估工具、社交沟通

研究目标：检验集成于iMotions平台的Affectiva自动面部编码引擎能否用于评估创伤性脑损伤后的面部表情使用差异，并识别影响此类自动分析的混杂因素。

主要结论：Affectiva能够提供标准化的面部表情数据，在两项叙事任务中均检测到TBI组参与度时间百分比高于对照组，在故事复述任务中TBI组微笑更多；该工具可能对检测TBI后面部表情变化具有敏感性，但需在标准化录制协议和更大样本下进一步验证。

创新点：首次将iMotions/Affectiva自动面部编码应用于TBI人群的叙事语料，提供了客观、标准化的面部表情量化方法以替代人工编码，并系统梳理了录制条件等混杂因素。

后续建议：制定统一的摄像角度、光线与距离录制协议以减少混杂；扩大样本量并纳入女性及不同损伤严重程度的TBI患者；结合眼动或语音数据进行多模态社交沟通评估；将自动编码结果与人工编码及临床量表进行效度校验；开展纵向研究以检验该工具对康复干预效果的敏感性

APA 引文：Yiew, K., Togher, L., Power, E., Brunner, M., & Rietdijk, R. (2023). Differentiating Use of Facial Expression between Individuals with and without Traumatic Brain Injury Using Affectiva Software: A Pilot Study. International Journal of Environmental Research and Public Health, 20(2), 1169. https://doi.org/10.3390/ijerph20021169

仪器引用：This study investigated the feasibility of using an automated facial coding engine, Affectiva (integrated in iMotions, version 8.2), for evaluating facial expression after traumatic brain injury (TBI). A low threshold of 2/100 (representing a 2% probability that the expression was present) was used.

使用资料与操作视频

iMotions -客户成功故事- GSK

简介：Hello,my name is Crispin Haywood,welfare of GlaxoSmithKline and I sit within the Indonesia and America's commercial excellence organization.and I'm responsible for shopper capability.That also involves heading up the european job science lab，and having an oversight for our global shop science lab network within the consumer healthcare division of GSK。

发布时间：2020-03-04T05:45:51Z

iMotions客户故事-测试观众对预告片的反应

简介：Dan Schönemann and Morten Thomsen sought out the iMotions Enablement Services team when they wanted to gather better audience data on movie trailers for a collaborative project involving Nordisk Film, The Danish Broadcasting Corporation, The Danish Film Institute, and Biografklub Danmark. By using Galvanic Skin Response to test trailers, iMotions helped them push beyond relying on how audiences think they react to trailers, to discovering how they actually respond emotionally.

发布时间：2020-03-04T03:03:12Z

iMotions 8.1 - R Notebooks的数据报告

简介：The R integration now also allows detailed participant reports to be easily generated. Transparent methods and results can be shown on an individual level: Method descriptions – the methods used to generate the results are explained in accessible terms, streamlining the process of article submission. Fully transparent – all R code that is used to generate the results is shown, allowing you to understand the methodology in detail.

发布时间：2020-03-03T10:37:58Z

iMotions 8.1 -新的用户界面

简介：Quantifying human behavior can provide a deep and unbiased understand human thoughts imotions and actions collecting this data is as simple process and imotions.the challenge is therefore being to make sense and conclude from the data that is collected.With that mind the new release of imotions 8.1 Introduces a completely revised use interface.and examining data.users can now flexibly view data sources of their choosing mix and match the displayed,and adaptive Leah just the signal visualization.

发布时间：2020-03-03T09:46:16Z

iMotions -客户成功的故事- Marco Palma教授，德州A&M

简介：My name is Marco Palma, I'm a professor in the department of agricultural economics and the director the human behavior laboratory here at Texas A&M University.So the type of research that we do has a lot of different angles,most of them we do about need to present relates to food choices and how that relates to nutrition and different outcomes elated to chronic diseases like obesity and diabetes and how can we lose the propensity of people to be to be at the risk of.......

发布时间：2020-03-03T08:31:14Z

iMotions 8.1 版本更新介绍

简介：I sense data offers the possibility to capture how humans truly respond to stimuli.The analysis of this data to you understanding often remains a hurdle for researchers.Our latest software release.imotons 8.1 Includes updates to our automatic analysis capabilities,removing much of the challenge that is present in the analysis step,By using fully transparent R Notbooks , data can be automatically processed and analyzed.

发布时间：2020-03-02T10:31:34Z

iMotions应用介绍

简介：Why do we act the way we do? iMotions helps you quantify engagement and emotional responses, and helps you get closer to understanding human behavior in rich detail. iMotions is high tech software made to execute human behavior research with high validity. iMotions seamlessly integrates multiple biosensors that provide different insight; such as Eye Tracking, EDA/GSR, EEG, ECG and Facial Expression Analysis.

发布时间：2020-03-02T09:56:42Z

移动眼控眼镜与iMotions结合的应用

简介：Mobile eye tracking glasses have been around for quite some time in the industry to track eye movements of participants across experiments. However, many new technological advancements are allowing these great devices to gather even more accurate data than ever before. Additionally, new software platforms have been created to get even more out of eye tracking glasses by allowing them to be combined with other physiological sensors.

发布时间：2020-03-02T09:39:23Z

眼睛跟踪软件，面部表情，脑电图和API的使用

简介：How can you change the way you do physiological research in two minutes? This demo gives an overview of how the iMotions Biometric Research Platform can take your research on human behavior to the next level. iMotions software is used by leading universities and companies around the world, exploring areas like marketing, product development, psychology, human computer interaction, engineering, and more.

发布时间：2020-03-02T05:28:45Z

驾驶模拟器中的眼动跟踪和面部表情分析

简介：iMotions and Stanford University team up to make use of eye tracking and facial expression analysis with one of the most advance driving simulator. See how data coming in from multiple sources is being used to perform in depth analysis and generate unique insight into a drivers experience. This particular simulator is using data from devices & technology like eye tracking glasses, facial coding software, as well as events generated from the user operating the vehicle itself.

发布时间：2020-03-02T03:39:40Z