基于高斯特征的人體運動情感識別研究.pdf

1、人體運動中包含大量的情感信息，是情感識別領域新的研究方向。但是目前基于人體運動進行情感識別的工作基礎薄弱，大多是人工判別或者提取一些基本物理運動信息作為特征量進行機器學習，識別率不高。針對這一現(xiàn)狀，在該領域引入具有強描述能力的特征來準確量化各類情感的運動，然后通過機器學習方法進行情感識別，提高識別效率。
　　 現(xiàn)在常用的特征量大多為一般運動信息（速度、加速度、急動度等）的均值，沒有考慮到人體運動的空間特性。那如何選取能完整描述人

2、體運動的特征，從數(shù)學角度聯(lián)想到了高斯特征，它是基于協(xié)方差特征缺少均值信息不能組成完整高斯估計而提出的，不僅包含了均值信息，還具有概率密度函數(shù)的描述空間信息的能力。因此引入高斯特征對人體運動進行描述以提高整個識別率。但是一個高斯特征對應于一個單高斯模型，在應用上高斯混合模型具有明顯的強自適應性，是對單高斯模型的擴展及提升。所以在高斯特征基礎上，再引入混合高斯特征以進一步實現(xiàn)對不同情感類別的全面描述。觀察可知，所提取的特征和情感類別之間是復

3、雜的非線性關系，因此采用機器學習方法進行有效地情感識別實驗。基于不同數(shù)據(jù)集、不同核函數(shù)及不同特征組合下提取樣本集的特征，進行交叉驗證實驗；把樣本集合分為N份，每次留一份作為未知樣本，共N次循環(huán)學習分類：每次給已知樣本貼好情感類別標簽，送入支持向量機進行學習建模；再用所得模型對未知樣本進行識別分類。最終得到各個實驗方案下的識別結果。
　　 對實驗結果從核函數(shù)的性能、特征的描述能力和推廣能力等多個方面進行綜合分析，驗證了高斯特征和混