基于无线信号的受试者无关情绪检测深度学习框架
信号处理
2021-06-09 v1
摘要
利用无线信号进行情绪状态识别是一个新兴的研究领域，对人类社会行为的神经科学研究和幸福感监测具有影响。目前，非接触式情绪检测主要依赖于从光学或视频相机获取的面部表情和/或眼动分析。同时，尽管机器学习方法已广泛接受用于从多模态数据中识别人类情绪，但其大多局限于受试者相关分析，缺乏通用性。在本文中，我们报告了一项实验研究，该研究从身体射频（RF）反射中采集15名参与者的心跳和呼吸信号，并采用新颖的噪声滤波技术。我们提出了一种基于原始RF数据与处理后RF信号融合的新型深度神经网络（DNN）架构，用于分类和可视化各种情绪状态。所提模型在独立受试者上实现了71.67%的高分类准确率，精确率、召回率和F1-score分别为0.71、0.72和0.71。我们将结果与五种不同经典ML算法所得结果进行比较，证实即使仅有有限量的原始RF与后处理时间序列数据，深度学习仍提供更优性能。该深度学习模型还通过与ECG信号结果的比较得到验证。我们的结果表明，使用无线信号进行待机情绪状态检测是比其他技术更好的替代方案，具有高精度，并在未来行为科学研究中有更广泛的应用。
引用
@article{arxiv.2006.04744,
title = {Deep learning framework for subject-independent emotion detection using wireless signals},
author = {Ahsan Noor Khan and Achintha Avin Ihalage and Yihan Ma and Baiyang Liu and Yujie Liu and Yang Hao},
journal= {arXiv preprint arXiv:2006.04744},
year = {2021}
}
备注
13 Pages, 7 Figures