[論文レビュー] Human Emotion Recognition Based On Galvanic Skin Response signal Feature Selection and SVM

Di Fan, Mingyang Liu+2 more|arXiv (Cornell University)|Jul 4, 2023

Emotion and Mood Recognition被引用数 14

ひとこと要約

この論文は波形デノイジング、正規化、30個の特徴量の共分散ベースの特徴選択、そしてSVM分類を用いたGSR信号による人間の感情認識の手法を提示し、精度は66.67%を超える。

ABSTRACT

A novel human emotion recognition method based on automatically selected Galvanic Skin Response (GSR) signal features and SVM is proposed in this paper. GSR signals were acquired by e-Health Sensor Platform V2.0. Then, the data is de-noised by wavelet function and normalized to get rid of the individual difference. 30 features are extracted from the normalized data, however, directly using of these features will lead to a low recognition rate. In order to gain the optimized features, a covariance based feature selection is employed in our method. Finally, a SVM with input of the optimized features is utilized to achieve the human emotion recognition. The experimental results indicate that the proposed method leads to good human emotion recognition, and the recognition accuracy is more than 66.67%.

研究の動機と目的

• GSR信号からの感情認識を動機づけ、検討する。
• GSRデータからデノイズ、正規化、特徴量選択を行うパイプラインを提案する。
• 最適化された特徴量を用いて感情認識のためのSVM分類器を開発する。
• ウェアラブルプラットフォームで収集されたGSRデータに対する認識性能を評価する。

提案手法

• e-Health Sensor Platform V2.0 を用いて GSR データを取得する。
• GSR信号のノイズを低減するためにウェーブレットベースのデノイジングを適用する。
• GSRにおける個人差を緩和するためデータを正規化する。
• 正規化された信号から30の特徴量を抽出する。
• 共分散ベースの特徴選択を用いて最適化された特徴を取得する。
• 選択された特徴に対してSVM分類器を訓練して感情を認識する。

実験結果

リサーチクエスチョン

• RQ1 GSR信号と共分散ベースの特徴選択アプローチは感情認識の精度を向上させることができるか？
• RQ2 GSRデータを用いたSVMベースの感情分類性能に対する特徴選択の影響は何か？
• RQ3 デノイジングと正規化はGSRベースの感情認識の認識結果にどのような影響を与えるか？

主な発見

• 提案されたパイプラインは66.67%以上の精度で感情認識を達成する。
• 共分散ベースの特徴選択により特徴次元を30から最適化された特徴へ削減する。
• ウェーブレットデノイシングと正規化はGSRデータのノイズと被験者間変動を軽減するのに役立つ。
• 最適化された特徴を用いたSVMはGSR信号から人間の感情を効果的に分類する。