随着互联网科技的发展,人机交互时间越来越长,人类情感在交互过程中经常会发生变换,因此情感计算方向逐渐受到关注。如今可穿戴设备越来越多,能够在用户无知觉的情况下获取其生理信号,利用人体的生理信号进行情感识别相比于通过外部特征进行情感计算更加客观准确。因此基于生理信号的情感识别研究备受重视。在心理学研究中,学者们注意到天气对人类情绪的影响,目前光疗法已经成为我国临床医学上治疗季节性情感障碍患者的主要方法之一。气象心理学家指出,各种气象因子都会对人的身心造成影响,进而影响人的言谈和行为。本文基于生理信号探究环境因素对情绪的影响,主要研究工作如下:1.建立生理信号情感数据库。首先,结合视频网站标签搜索和人工挑选方式,建立七种情感(愤怒、厌恶、恐惧、高兴、平静、悲伤、惊奇)激励视频库;其次在有光舒适、无光舒适、有光寒冷、无光寒冷四种环境状态下,分别采集被试者在七种情感视频激励下的生理信号,包括皮电信号和脉搏信号,并采用中文简化版PAD情绪量表进行标注,形成1120条样本。2.提出基于机器学习的对生理信号情感识别方法,并探索四种环境状态下情感识别结果。首先对皮电信号和脉搏信号进行特征提取,然后分别采用KNN(K-Nearest Neighbors)和SVM(Support Vector Machine)两种分类器对GSR(Galvanic Skin Response)和BVP(Blood Volume Pulse)两种信号进行情感识别,实验结果表明,GSR信号均值化特征的SVM模型识别效果最好;其次,对四种环境下的GSR信号分别采用SVM模型进行情感识别,实验结果表明,舒适环境下,高兴识别效果相对较好,无光环境下,厌恶和恐惧情绪识别效果相对较好,而高兴情绪识别率相对有所降低,寒冷环境下,悲伤识别率最高,高兴和惊奇两种情感的识别率相对有所降低。3.提出基于LSTM(Long Short Term Memory)模型的生理信号情感识别方法,并探索不同环境状态对情感状态的影响。将GSR信号进行分割、加窗,并将加窗后的GSR信号进行统计值计算,形成特征参数,构建LSTM生理信号情感识别模型。实验结果表明,在舒适环境下,高兴识别效果相对较好,在无光条件下,愤怒和恐惧情绪识别效果相对较好,而高兴情绪识别率相对有所降低,在寒冷环境下,悲伤识别率最高,愤怒、恐惧、高兴三种情感的识别率相对有所降低。图[23]表[6]参[73]