室内场景视觉特征对趋避反应及核心情感的影响机制研究

本研究通过计算机视觉技术客观量化室内场景的低、中、高三级视觉特征（如边缘密度、空间布局、语义功能），结合360张真实环境照片与60名受试者的情感及趋避行为数据，发现多层级视觉特征共同解释情感反应方差，验证了环境偏好理论（如植物存在、封闭度）并揭示亮度等新预测因子，为建筑环境设计提供量化依据。

　　

现代人平均90%时间处于室内环境，但环境心理学研究长期聚焦自然场景，对室内空间如何通过视觉特征影响人类情感与行为仍存在理论空白。传统研究依赖主观评估或单一特征分析，难以捕捉真实场景的复杂性。TU/e埃因霍温人工智能系统研究所（Eindhoven Artificial Intelligence Systems Institute, EAISI）的Kynthia Chamilothori团队在《Journal of Environmental Psychology》发表研究，首次系统量化室内场景的多层级视觉特征，揭示其与情感反应（valence, arousal）及趋避行为（approach-avoidance）的关联机制。

研究采用计算机视觉算法从360张室内照片（含办公室、客厅等）提取三类特征：低阶（边缘密度、傅里叶斜率）、中阶（空间封闭度、轮廓形状）和高阶（场景功能、物体语义）。通过实验室实验收集60名参与者对照片的情感评分（效价、紧张/活力唤醒度）及趋避倾向，采用自助逐步回归和方差分解分析数据。

主要结果

1. 多层级特征协同预测：低、中、高阶特征联合解释效价（52%）、趋避（49%）等变量的方差，其中高阶特征对效价预测贡献最大（27%），低阶特征对唤醒度影响显著。
2. 理论验证与新发现：证实植物存在（Kaplan理论）、封闭度（prospect-refuge理论）的效应，同时发现平均亮度（未见于传统理论）是活力唤醒度的最强预测因子（β=0.34）。
3. 跨层级交互：中阶空间布局特征（如开放性）与高阶场景功能存在解释方差重叠，表明环境感知存在"由粗到细"（coarse-to-fine）的视觉加工层级。

结论与意义
该研究通过计算机视觉突破传统环境心理学的主观评估局限，首次证明室内场景的客观视觉特征可系统预测情感与行为反应。结果支持逆向层级理论（Reverse Hierarchy Theory）的视觉加工模型，并为建筑信息模型（BIM）融入情感计算提供新思路。未来研究可结合眼动追踪（eye-tracking）进一步解析视觉注意力机制。