基于高光谱成像的负性情感识别

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，而且在拍摄期间被试还需保持静止，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。

目录

声明

摘要

第一章 引言

1．1 研究背景及意义

1．2 论文具体工作

1．3 论文的整体结构

第二章 高光谱成像与血氧理论基础

2．1 高光谱理论基础

2．1．1 高光谱成像

2．1．2 高光谱情感识别的优势

2．2 血氧理论基础

2．3 小结

第三章 反射率转换与血氧浓度算法

3．1 反射率转换

3．2 一层皮肤模型

3．3 二层光学皮肤模型

3．3．1 模型原理

3．3．2 模型计算方法

3．4 小结

第四章 实验方案设计与实验过程

4．1 实验方案介绍

4．1．1 实验仪器原理

4．1．2 实验参数调节

4．1．3 实验过程设计

4．2 小结

第五章 数据采集与结果分析

5．1 实验数据采集

5．2 算法选择

5．3 基于面部血氧浓度的负性情感识别

5．4 小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

附录

攻读硕士期间发表的论文

攻读硕士期间参与的项目