情绪和运动:基于站立和行走的情绪识别

科学领域:

• 人与计算机的互动.
• 情感计算是一种情感计算.
• 生物医学工程 生物医学工程

背景情况:

• 情绪识别对于有效的人机交互至关重要.
• 之前的研究经常使用表演情绪和有限的运动参数,阻碍了现实世界的适用性.
• 自然主义的身体运动提供了更丰富,更真实的情感识别来源.

研究的目的:

• 开发和评估一种使用自然主义的身体运动来识别情绪的方法.
• 调查各种机器学习模型在从全面的运动参数集中对情绪进行分类方面的有效性.
• 推进情绪识别能力,以实现实际的人机交互.

主要方法:

• 一项实验室实验,24名参与者被电影诱发的五种情绪状态 (快乐,放松,恐惧,悲伤,中立).
• 运动捕捉系统和力板用于在站立和走路时收集姿势,运动和压力数据的中心.
• 6个机器学习模型 (k-NN,决策树,逻辑回归,SVM变体) 使用229个运动参数进行训练和评估.

主要成果:

• 传统的统计分析显示,情绪对个体运动参数的显著影响有限 (共229人中7人).
• 使用25个参数的决策树模型实现了最高的平均准确率45.8%,明显优于随机机会.
• 这种准确性超过了以前的研究,归因于自然主义的设置和全面的参数集.

结论:

• 从自然身体运动中识别情绪是可行的,使用机器学习,尽管单个参数的影响有限.
• 机器学习模型,特别是决策树,是在现实场景中推进情感识别的宝贵工具.
• 这项研究为开发用于人机交互的实用情绪识别设备提供了基础.