论文部分内容阅读
目前,利用心率变异性(Heart Rate Variability,HRV)进行情感识别的研究越来越广泛,且逐步趋于成熟,但是其HRV参数均是利用接触式方式得到的。在实际应用中,如在机舱、广场等场合,若想在不打扰被试者正常活动的情况下,利用HRV参数对其进行情感状态的监测,接触式的生理信号采集方式会给被试者带来诸多不便,为此,本文提出使用摄像头拍摄被试者面部视频,从而进行非接触式的心率及HRV等参数的提取,并利用其进行情感识别,用以随时监测被试者的情绪变化。在利用面部视频进行HRV参数提取时,本文找到了最能够表达人体心率的面部区域,即利用皮肤检测原理将面部的皮肤部分提取出来,以此作为感兴趣区域(region of interest,ROI),从而进行后续心率特征提取分析。针对被试者身体及头部的晃动造成的HRV参数提取不准确的问题,本文提出了一种基于获得的心率曲线的晃动点定位及修正策略,用于探寻并纠正由于晃动产生的异常点在曲线中的非规律性变化。由于在实际应用中,被试者的身体晃动是一个不可避免的因素,而晃动会导致HRV参数计算不准确,本文提出的策略利用时间和心率两个阈值范围,定位心率曲线中的晃动峰值点,并采用实时性心率均值修正晃动点位置,此方案在10名志愿者中开展实验,以视频和接触式脉搏波传感器(金标准)同时采集心率信息,实验结果表明,在晃动状态下应用本文策略时,非接触式与接触式获得的HRV参数(均值,LF、HF、LF/HF)相关系数分别达到了0.9615,0.7102、0.7102、0.5982,比未使用本策略相分别提高了0.0802、0.2785、0.2785和0.2677。本文提出的修正策略有效的改善了晃动状态下基于人脸视频的HRV参数提取效果。针对利用HRV参数进行情感识别的问题,本研究首次提出利用非接触式方式提取的基于面部视频的HRV参数进行情感识别。使用国际情感图片系统中的图片进行情感诱发并采集被试的面部视频数据,利用本文提出的非接触式的HRV参数提取策略进行HRV参数的提取,并利用支持向量机Support Vector Machin(e,SVM)进行情感识别,对高-低愉悦度、高-低唤醒度进行二分类,分类正确率均高于65%,结果表明,由摄像头采集得到的HRV参数进行情感识别是可行的,为非接触式生理信号采集在情感识别中的应用奠定了基础。