论文部分内容阅读
情感计算是实现和谐人机交互的关键技术,其目的是赋予计算机识别用户情感的能力,是近年来备受关注的高度综合化的新兴研究领域。情感识别是情感计算十分重要的一个组成部分。情感识别中包括面部表情、语音语调、行为姿势、生理信号等方面的研究。其中基于生理信号的识别较客观、真实,成为情感识别的一个热点方向。美国麻省理工大学MIT实验室的Picard教授带领情感计算研究小组首先从肌电(EMG)、呼吸作用(RSP)、皮肤电反应(SC)和血容量搏动(BVP)四种生理信号进行情感状态识别的研究,并证明了生理信号进行情感状态识别可行性。面部肌电信号(EMG)是肌肉收缩时伴随的电信号,反映了神经、肌肉的状态,从一些方面能体现情绪的变化。本文用肌电信号对高兴、惊奇、厌恶、悲伤、愤怒、恐惧六种情感进行识别:首先实验室共同探讨设计出一套完整的生理信号情感识别方案并建立了情感生理信号数据库,本文针对肌电信号的特点,用小波变换的方法对EMG信号进行消噪处理和原始特征提取,然后将序列后向选择(Sequential Backward Selection,简称SBS)和禁忌搜索算法(Tabu Search,简称TS)与Fisher分类器相结合进行了特征选择和情感状态分类,取得了很好的分类效果,验证了建立情感模型的可行性。本文主要研究内容如下:(1)情感生理信号的数据库的建立实验室设计了周密的方案来建立情感生理信号数据库。首先选取有效刺激情感状态的电影片段作为情感素材1,然后让被试观看情感素材以激发被试情感,与此同时采用美国Biopac公司提供的多导生理记录仪MP150采集被试生理信号,在采集过程中主试全程跟踪整个实验过程,且有事先准备好的问卷以调查被试情感状况激发情况,确保情感生理信号的有效性。实验中激发被试的情感有:高兴、惊奇、厌恶、悲伤、愤怒和恐惧,这样就建立了六种情感的情感生理信号数据库。(2)情感肌电信号特征集的获取首先选定根据被试问卷填写和主试的记录选取有效激发的情感肌电信号,进行下采样和数据的归一化处理,然后针对肌电信号的特点,用小波变换的方法对肌电信号进行消躁处理,最后提取出126种信息特征(包括时域统计特征,小波重构系数统计特征)形成情感肌电信号的原始特征集。(3)情感特征子集选择将SBS、TABU特征选择算法与fisher分类器结合用于特征选择,用fisher分类的正确率作为特征选择的评价准则,对高兴、惊奇、厌恶、悲伤、愤怒和恐惧六种情感状态进行分类识别,选出对各种情感有贡献的情感肌电信号特征,形成情感用户模型的情感肌电信号特征子集。(4)情感肌电信号特征子集的验证及结果分析用保留的新数据对选择出来的特征子集进行验证,分析不同方法选出来的特征子集的识别效果,得到最佳的维数最低的情感特征子集,分析情感肌电信号对各种情感的贡献,分析其映射关系,筛选出最能代表各种情感的肌电信号情感特征。实验结果表明:用后向选择算法与禁忌搜索算法相结合的特征选择方法,解决了禁忌搜索过程对初始解的依赖问题。降低了特征子集的维数,提高了识别率在肌电信号的情感识别上取得了很好的效果。仿真结果证明肌电信号中确实蕴含大量的情感信息,充分验证了建立“情感模型”的可行性。在识别过程中,其中高兴情感的识别效果最好,识别率和特征选择的结果都十分稳定。