人機(jī)交互環(huán)境下基于皮膚電信號(hào)的情感實(shí)時(shí)識(shí)別與調(diào)節(jié)方法研究.pdf

1、情感計(jì)算作為一個(gè)前沿的研究課題，得到了國(guó)內(nèi)外學(xué)者的廣泛重視。由于生理信號(hào)的客觀真實(shí)性，基于生理信號(hào)的情感識(shí)別成為了情感計(jì)算領(lǐng)域的重要研究方向。同時(shí)，隨著人機(jī)交互友好性需求的不斷提升，情感調(diào)節(jié)的重要性也與日俱增。本文主要針對(duì)皮膚電的情感識(shí)別提出了一種改進(jìn)的K近鄰實(shí)時(shí)識(shí)別方法，在識(shí)別效果和識(shí)別效率上有顯著的提升；在情感調(diào)節(jié)方面，參考Gross和其他學(xué)者的情感調(diào)節(jié)模型，提出了人機(jī)交互環(huán)境下可行性情感調(diào)節(jié)模型。并根據(jù)研究的理論成果建立了一款可以

2、改善人機(jī)交互和諧性的開放式人機(jī)情感交互助手。
　　本研究主要內(nèi)容包括：⑴制定皮膚電信號(hào)采集實(shí)驗(yàn)方案，建立皮膚電信號(hào)的情感樣本庫(kù)。通過不同的情感誘發(fā)視頻片段誘發(fā)被試的喜怒哀懼四種情感，并在誘發(fā)過程中采集皮膚電信號(hào)。這四種情感狀態(tài)下的皮膚電信號(hào)與被試平靜狀態(tài)下的皮膚電信號(hào)一起組成情感樣本庫(kù)。⑵對(duì)皮膚電信號(hào)預(yù)處理與特征提取。這部分的工作主要包括信號(hào)截取、平滑去噪、特征提取、特征歸一化、特征選擇。信號(hào)截取是從一段長(zhǎng)度約為5分鐘的皮膚電信號(hào)

3、中截取長(zhǎng)度為15秒的信號(hào)，目的是找出最能代表被試處于誘發(fā)情緒時(shí)的信號(hào)片段。平滑去噪是利用小波去噪去除噪聲頻段的信號(hào)得到最真實(shí)的生理信號(hào)。在特征提取環(huán)節(jié)，研究提取了包括均值、最大值、一階差分最小值和頻域中值在內(nèi)的30個(gè)統(tǒng)計(jì)特征。提取的特征值在不同的數(shù)量級(jí)范圍，特別是時(shí)域特征與頻域特征，所以對(duì)特征值進(jìn)行歸一化操作，使得每個(gè)特征在分類的時(shí)候都有平等的投票權(quán)利。特征選擇是利用Relief特征選擇算法剔除了6個(gè)無(wú)效特征。⑶提出了一個(gè)改進(jìn)的K近鄰實(shí)

4、時(shí)識(shí)別方法。K近鄰算法的主要耗時(shí)用在尋找測(cè)試樣本最近的K個(gè)訓(xùn)練樣本。所以利用K近鄰快速搜索算法改變?cè)械膶ふ矣?xùn)練樣本方法。同時(shí)，利用實(shí)時(shí)識(shí)別的特點(diǎn)，采用一種半監(jiān)督的K近鄰識(shí)別方法，讓當(dāng)前測(cè)試樣本時(shí)間序列上的前C個(gè)樣本也參與識(shí)別的過程。研究驗(yàn)證了當(dāng)C和K取不同值時(shí)的識(shí)別率和運(yùn)行時(shí)間，與原始的K近鄰方法進(jìn)行了對(duì)比，證明了改進(jìn)方案在識(shí)別率和運(yùn)行時(shí)間上的有效的。⑷建立人機(jī)交互環(huán)境下可行性情感調(diào)節(jié)模型。Gross的情緒調(diào)節(jié)過程模型可以有效的反應(yīng)情

5、感產(chǎn)生各個(gè)階段的原理以及調(diào)節(jié)方法，但是不適應(yīng)于人機(jī)交互環(huán)境下。本文參考Gross的情緒調(diào)節(jié)過程模型和Bonanno的情緒自我調(diào)節(jié)序列模型建立了人機(jī)交互環(huán)境下可行性情感調(diào)節(jié)模型。⑸設(shè)計(jì)并實(shí)現(xiàn)了開放式人機(jī)情感交互助手。用戶在使用這款軟件時(shí)，可以利用外接設(shè)備實(shí)時(shí)采集皮膚電信號(hào)，通過后臺(tái)算法的運(yùn)算實(shí)時(shí)呈現(xiàn)情緒識(shí)別結(jié)果。當(dāng)檢測(cè)到用戶長(zhǎng)時(shí)間處于負(fù)性情感時(shí)，軟件會(huì)根據(jù)用戶的特點(diǎn)定制化的推送包括視頻、音樂、游戲和文字在內(nèi)的不同情感調(diào)節(jié)方案。使得人機(jī)交互