基于高光谱成像的负性情感识别

发布时间：2017-07-20 11:28

  本文关键词：基于高光谱成像的负性情感识别

  更多相关文章： 面部血氧图 负性情感 情感识别 Beer-Lambert law 光学模型算法

【摘要】：传统的生理信号情感识别主要是通过分析皮肤电、心电、呼吸等信号来实现,属于直接性测量,在应用上会带来不便之处。本文提出的基于高光谱成像技术的远距离检测方法能够非接触地提取被试的生理信号。经研究表明,由高光谱相机检测出的面部血氧浓度(StO2)随着人类情感变化会产生较为显著的差异,其原因是StO2浓度值与当前情感状态密切相关,依然有着客观准确性。本文对采用高光谱技术识别人类负性情感的若干问题进行了较为深入的研究,并对情感识别过程中使用到的两种不同的血氧浓度计算方法做了比较,就人脸面部血氧浓度与人类当前情绪状态间的关系做了相应解读。在经过严格实验之后,得到了相对精确的结果并进行了总结与分析,最后由实验结果来对理论依据做出验证。具体工作与结论如下：(1)制定信号采集方案并调试相应的实验仪器。从IAPS(国际情感图片库)中选取能够激发被试偏负性情感以及维持被试情绪稳定的两类图片,在一定顺序规定的情况下逐一对被试展示,中途被试会有相应的休息时间来调整情绪。同时在实验过程中要保证被试受到均匀的光照才能够成功达到拍摄效果,而且在拍摄期问被试还需保持静止,同时将相机的转动速度、角度、焦距以及一系列参数做合理调整,直到被拍摄物体清晰可见。(2)初步建立血氧浓度情感样本库。从20名被试当中采集其在平静状态以及负面状态下的面部血氧浓度,并将诱发对比度较明显区域的浓度值记录下来,从而得到不同被试在两种情绪状态下的区域血氧浓度,最终建立样本库。研究结果表明：被试在受到不同的情感刺激并产生负性和平静的情感状态后,其面部血氧浓度会根据该情感发生一系列的变化,尤其在负性情感状态下血氧浓度会得到显著提升。同时面部的不同区域当中对情感状态的相应程度也不一样,负性情感主要会在面颊(人眼下方)部位引起最明显的血氧浓度变化,所以最终选取面颊来作为平均血氧浓度的计算区域。(3)比较血氧浓度计算方法。采用基于Beer-Lambert law的一层模型算法和二层光学皮肤模型的两种算法来计算手掌血氧信息,发现用一层皮肤模型计算出选定区域内的面部血氧浓度准确性和效率更高。(4)不同情感状态下的血氧浓度矩阵的统计检验。在选取特定区域并计算出该区域的平均血氧浓度之后,将其分为中性情感和负性情感两类,对其作T检验来验证血氧浓度与情感状态的关系,并由此得出人在负性情感的状态下面部血氧浓度会相对受到提升的结论。综上分析,人类的面部血氧浓度是可以用来鉴别当前是否处于平静或者负性情感状态的一个依据,对情感识别的模型有着一定的帮助。
【关键词】：面部血氧图 负性情感 情感识别 Beer-Lambert law 光学模型算法
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：B842.6;TN911.7
【目录】：

• 摘要5-7
• Abstract7-9
• 第一章 引言9-15
• 1.1 研究背景及意义9-12
• 1.2 论文具体工作12
• 1.3 论文的整体结构12-15
• 第二章 高光谱成像与血氧理论基础15-19
• 2.1 高光谱理论基础15-17
• 2.1.1 高光谱成像15-16
• 2.1.2 高光谱情感识别的优势16-17
• 2.2 血氧理论基础17-18
• 2.3 小结18-19
• 第三章 反射率转换与血氧浓度算法19-29
• 3.1 反射率转换19-20
• 3.2 一层皮肤模型20-24
• 3.3 二层光学皮肤模型24-27
• 3.3.1 模型原理24-25
• 3.3.2 模型计算方法25-27
• 3.4 小结27-29
• 第四章 实验方案设计与实验过程29-39
• 4.1 实验方案介绍29-38
• 4.1.1 实验仪器原理29-30
• 4.1.2 实验参数调节30-35
• 4.1.3 实验过程设计35-38
• 4.2 小结38-39
• 第五章 数据采集与结果分析39-47
• 5.1 实验数据采集39-40
• 5.2 算法选择40-41
• 5.3 基于面部血氧浓度的负性情感识别41-46
• 5.4 小结46-47
• 第六章 总结与展望47-49
• 6.1 总结47
• 6.2 展望47-49
• 参考文献49-53
• 致谢53-55
• 附录55-59
• 攻读硕士期间发表的论文59-61
• 攻读硕士期间参与的项目61

【参考文献】

中国期刊全文数据库 前6条

1 王海宁;孙守迁;吴剑锋;;基于混合智能优化算法的生理信号情感识别[J];电信科学;2010年09期

2 韩玉芹 ,雍德卿;脉冲血氧定量法原理及运动期间脉冲血氧计测定值的精确度[J];国外医学(物理医学与康复学分册);1995年01期

3 刘烨;付秋芳;傅小兰;;认知与情绪的交互作用[J];科学通报;2009年18期

4 温万惠;邱玉辉;刘光远;程南璞;黄希庭;;情感生理反应样本库的建立与数据相关性分析[J];中国科学:信息科学;2011年01期

5 郝勇;朗伯－比尔定律在定量计算中的活用[J];数理医药学杂志;1996年04期

6 刘烨;陶霖密;傅小兰;;基于情绪图片的PAD情感状态模型分析[J];中国图象图形学报;2009年05期

中国博士学位论文全文数据库 前1条

1 赵腊生;语音情感特征提取与识别方法研究[D];大连理工大学;2010年

中国硕士学位论文全文数据库 前1条

1 刘敏;基于改进遗传算法的最优潮流问题的研究[D];中南大学;2010年

，

本文编号：567849