在3D空间中分析和识别情绪,使用依赖分类器的特征选择来响应触觉增强的视听内容,使用EEG

科学领域:

• 人与计算机的交互
• 神经科学是一个神经科学.
• 多媒体系统 多媒体系统

背景情况:

• 传统媒体涉及到有限的感官 (视觉,听觉).
• 多感官媒体旨在通过整合触觉,嗅觉和味觉来提供沉浸式体验.
• 触觉增强的视听内容为视觉和听觉刺激增加了触觉,以加深用户参与度.

研究的目的:

• 调查触觉增强的视听内容对用户情绪状态的影响.
• 分析电脑电图 (EEG) 数据以响应多感官介质.
• 开发和评估由此内容引起的情绪状态 (价值,兴奋,支配) 的分类方法.

主要方法:

• 收集了参与者与触觉增强和传统视听内容互动的EEG数据.
• 使用自我评估的曼尼金尺度来标记情感维度:价值,兴奋和主导.
• 采用了依赖分类器的特征选择方法,使用三个不同的分类器来分类情绪状态.

主要成果:

• 在触觉增强和传统媒体之间,在唤起和主导方面确立了统计学上显著的差异 (95% CI).
• 获得了高分类准确率:对价值的75%;对兴奋的73.8%;对主导的75% .
• 在准确性和F分数方面,与之前的情绪识别研究相比,表现优越.

结论:

• 触觉增强的视听内容显著影响用户的情感维度,特别是兴奋和主导.
• 拟议的分类方法有效地识别出由多感官媒介引起的情绪状态.
• 这项研究在增强的多媒体中推进了情感识别,为更具身临其境的用户体验铺平了道路.