基于观察者生理信号的情绪识别
人机交互
2020-02-20 v1
摘要
基于生理信号的情绪识别是一个热点问题，并具有广泛的应用，如安全驾驶、医疗保健和构建安全社会。本文介绍了一个生理数据集 PAFEW，该数据集以 Acted Facial Expressions in the Wild (AFEW) 数据集中的电影片段作为刺激获得。为建立基线，我们使用该数据集中的皮肤电活动（EDA）信号，并从对应于每个电影片段的每条信号序列中提取 6 个特征，以识别 7 种情绪，即愤怒、厌恶、恐惧、高兴、惊讶、悲伤和中性。总体而言，24 名观察者参与了我们训练集的采集，其中 19 名观察者仅参与一次会话观看来自 7 个类别的 80 个视频，5 名观察者参与多次并观看了所有视频。所有视频均以平衡顺序呈现。该分类任务采用留一观察者交叉验证。我们报告了基线（一个三层网络）在初始训练集上的分类准确率，训练分别使用所有参与者、仅单个参与者和仅多个参与者的信号。我们还研究了按唤醒度或效价对数据集分组后的识别准确率，分别达到 68.66% 和 72.72%。最后，我们提供了一种两步网络。第一步是通过一个网络将特征分类为高/低唤醒度或正/负效价。然后将第一步的唤醒度/效价中间输出与特征集合拼接作为第二步的输入用于情绪识别。我们发现加入唤醒度或效价信息有助于提升分类准确率。此外，在该数据集上，正/负效价信息将分类准确率提升到了更高程度。
引用
@article{arxiv.2002.08034,
title = {Emotion Recognition Through Observer's Physiological Signals},
author = {Yang Liu and Tom Gedeon and Sabrina Caldwell and Shouxu Lin and Zi Jin},
journal= {arXiv preprint arXiv:2002.08034},
year = {2020}
}
备注
6 pages, 2 figures