EMOTHAW：用于从笔迹识别情绪状态的新型数据库
计算机视觉与模式识别
2022-02-25 v1 机器学习
摘要
通过 handwriting 等日常活动检测负面情绪有助于促进身心健康。平板电脑等人机界面的普及使得笔迹样本采集更为便捷。在此背景下，我们提出首个公开可用的、将情绪状态与笔迹相关联的数据库，称之为 EMOTHAW。该数据库包含 129 名参与者的样本，其情绪状态（即焦虑、抑郁和压力）通过抑郁焦虑压力量表（DASS）问卷评估。通过数字化平板记录七项任务：五边形与房屋绘制、手写印刷体抄写单词、画圆与时钟绘制，以及一句连笔抄写句子。记录包含笔位置（纸上与空中）、时间戳、压力、笔方位角与高度角。我们报告了基于此数据库的分析。从采集数据中，我们首先计算与时间和运笔相关的测量值。我们根据书写设备位置（纸上或空中）分别计算测量值。我们使用随机森林方法分析并分类这组测量值（称为特征），后者是一种基于决策树集成的机器学习方法[2]，包含特征排序过程。我们利用该排序过程识别最能揭示目标情绪状态的特征。随后我们构建与每种情绪状态相关的随机森林分类器。通过交叉验证实验获得的结果表明，目标情绪状态可被识别的准确率在 60% 至 71% 之间。
引用
@article{arxiv.2202.12245,
title = {EMOTHAW: A novel database for emotional state recognition from handwriting},
author = {Laurence Likforman-Sulem and Anna Esposito and Marcos Faundez-Zanuy and Stephan Clemençon and Gennaro Cordasco},
journal= {arXiv preprint arXiv:2202.12245},
year = {2022}
}
备注
31 pages