[論文レビュー] Identifying Emotion from Natural Walking

Liqing Cui, Shun Li+3 more|arXiv (Cornell University)|Aug 3, 2015

Anomaly Detection Techniques and Applications参考文献 8被引用数 3

ひとこと要約

本稿では、腕と足首に装着したスマートフォンの加速度計データを用いて、自然な歩行から人の感情を特定する手法を提案する。移動平均フィルタを適用し、114個の時間領域および周波数領域特徴量を抽出、次に主成分分析（PCA）を用いて次元削減を施した結果、サポートベクターマシン（SVM）を用いた分類において、怒りの分類で最大90.31%、幸せの分類で89.76%の精度を達成した。足首に装着したセンサーのデータが腕に装着した場合を上回る性能を示し、歩行パターンが感情状態を信頼性高く反映することを示した。

ABSTRACT

Emotion identification from gait aims to automatically determine persons affective state, it has attracted a great deal of interests and offered immense potential value in action tendency, health care, psychological detection and human-computer(robot) interaction.In this paper, we propose a new method of identifying emotion from natural walking, and analyze the relevance between the traits of walking and affective states. After obtaining the pure acceleration data of wrist and ankle, we set a moving average filter window with different sizes w, then extract 114 features including time-domain, frequency-domain, power and distribution features from each data slice, and run principal component analysis (PCA) to reduce dimension. In experiments, we train SVM, Decision Tree, multilayerperception, Random Tree and Random Forest classification models, and compare the classification accuracy on data of wrist and ankle with respect to different w. The performance of emotion identification on acceleration data of ankle is better than wrist.Comparing different classification models' results, SVM has best accuracy of identifying anger and happy could achieve 90:31% and 89:76% respectively, and identification ratio of anger-happy is 87:10%.The anger-neutral-happy classification reaches 85%-78%-78%.The results show that it is capable of identifying personal emotional states through the gait of walking.

研究の動機と目的

• ウェアラブル加速度計データを用いて、自然な歩行から感情状態を信頼性高く推定できるかどうかを調査すること。
• 感情識別における、腕と足首へのセンサー装着位置の有効性を比較すること。
• 特に、可変ウィンドウサイズを用いた移動平均フィルタの影響が分類精度に与える影響を評価すること。
• gait特徴量から感情を分類する際、どの機械学習モデルが最も高い精度を示すかを特定すること。
• 日常的なスマートフォンセンサーを用いた、連続的で非侵襲的な感情状態モニタリングの可能性を検討すること。

提案手法

• 参加者が自然に歩行している際、腕と足首にスマートフォンを装着して加速度計データを収集した。
• ノイズ低減のため、可変ウィンドウサイズ w（3 または 5）を用いた移動平均フィルタを、生の加速度信号に適用した。
• 各フィルタ処理済みデータセグメントから、合計114個の特徴量（時間領域、周波数領域、パワー、分布特徴量）を抽出した。
• 高次元特徴量集合からの冗長情報を排除し次元削減するために、主成分分析（PCA）を用いた。
• 10-fold交差検証を用いて、SVM、決定木、マルチレイヤーパーセプトロン、ランダムツリー、ランダムフォレストの5つの分類モデルを学習・評価した。
• 分類精度への影響を評価するため、異なるウィンドウサイズ（w=3, w=5）とセンサー装着位置（腕 vs. 足首）を比較した。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンの加速度計データを用いて、怒り、幸せ、中立といった感情状態を自然な歩行から正確に分類できるか？
• RQ2 センサーの装着位置（腕 vs. 足首）が感情分類の精度に顕著な影響を与えるか？
• RQ3 移動平均フィルタのウィンドウサイズ（w）が、感情分類モデルの性能にどのように影響するか？
• RQ4 gait特徴量から感情状態を認識する際、どの機械学習モデルが最も高い分類精度を示すか？
• RQ5 ノイズ低減と特徴抽出を含むデータ前処理が、最終的な分類性能にどの程度影響を与えるか？

主な発見

• SVM分類器が最も高い精度を示し、足首の加速度計データを用いた場合、怒りの識別で90.31%、幸せの識別で89.76%の精度に達した。
• 足首に装着したデータは、腕に装着したデータを常に上回り、移動平均ウィンドウサイズ w=5 の際に全体で最高の精度90.31%を記録した。
• 混同行列の結果から、幸せが最も頻繁に怒りに誤分類され、逆に怒りが幸せに誤分類される傾向にあり、これらの2つの感情間に類似した歩行パターンが存在することが示唆された。
• 中立感情は最も正確に分類された感情であり、w=3 の場合、腕データで86%、足首データで86%の精度を示した。w=5 の場合、足首データでは78%の精度を記録した。
• 怒り・中立・幸せの3クラス分類において、足首データと w=5 を用いた場合、怒りの分類精度が85%、中立が78%、幸せが78%となり、3クラスとも中程度ながら一貫した性能を示した。
• 本研究では、歩行パターンが感情状態を識別するための特徴を内包しており、移動平均フィルタやPCAといった前処理ステップがモデル性能を顕著に向上させることを確認した。