基于3D模糊视觉情感分析和影片剪辑中脑电图特性.docx

基于3D模糊视觉的情感分析和影片剪辑中的脑电图特性摘要在本文中,我们提出一种情感识别系统对于理解人类在观看影片剪辑时的情绪状态。随着时间的推移使用各种电影剪辑场景变化,一个3 d模糊主旨是用于动态情感从低级视觉特征提取功能,和一个3 d模糊的张量用于语义层面上的大脑功能与人类的情绪状态有关。在动态视觉特性的情况下,三维模糊GISTconsists L * C * H *颜色(L:轻盈;C:色度;H:色调)和方向信息的一个影片剪辑在一个预定义的时间间隔。动态的大脑特性,我们处理脑电图扫描器信号,刺激的影片剪辑产生一种情感状态,通过一个独立成分分析(ICA)消除工件,和短时傅里叶变换)提取可靠的特性。获得一个半球的力量不对称,大脑信号的三维张量数据建立了根据时间8—13赫兹能量的α乐队()和伽玛乐队(30 - 60 Hz)。最后,3 d模糊主旨和3 d模糊张量通过模糊c均值聚类使用视觉和EEG信号,分别。的获得三维模糊主旨和3 d模糊张量特性被用作输入到一个自适应去噪推理(简称ANFIS)分类器,它提供了使用平均分数(苔藓)教学意见信号。使用一个简称ANFIS分类器,实验结果表明,提出的三维模糊视觉和脑电图功能是有效地建立一个情感识别系统。一、介绍质量改进和便利化的人机交互(HCI)已经成为计算机科学中的一个研究问题[1]。日益增长的兴趣在人机交互、智能机器正在开发满足用户需求和提供服务来提高我们的生活质量。情商需要认识和理解用户的情感。在情感计算社区,有研究趋势估计引起的情绪看电影为各种应用程序[2-4]。当用户观看视频剪辑,例如,他们根据他们的认知体验情绪判断和评估的情况(5、6)。因此,重要的是了解人类认知过程的认知情况及其与情感。场景知觉的研究已经表明,观察者可以识别一个特定的场景在一个单一的一瞥。由于视觉信息中发挥着重要作用影响用户的情绪状态[8],许多研究人员关注人类情感的视觉内容特征(9 - 12)。王、郑[13]使用音频和视频功能分类基本情绪引发了从电影场景。Hanjalic和徐[4]引入了“个性化内容交付”作为情感的有价值的工具索引和检索系统中,基于视频内容的特性选择根据他们的关系valencearousal空间。老大等。[14]提出了一个潜在的主题模型通过定义情感电影视听语言在检测期间情绪唤起不同的场景。层次结构基于激励的电影内容分析方法和价相关的特性,提出了徐et al。[15]。视频也提高了音乐的情感特征和图像推荐系统。山等。[3]使用情感特征通过内容分析来提高电影音乐推荐系统。情绪反应对电影场景使用外围生理信号的特征级融合和内容特点提出了Soleymani et al。[2]。一些证据表明,自然刺激更可靠和充分激活人类的情感反应[16]。另一方面,个人的情感体验取决于很多方面,如环境,文化,性别,和年龄。对同一刺激的情绪反应可能是主观的。如果一个可以识别的情感体验和相关的认知过程相关的刺激从直接皮层神经记录,它将与高适用性更广泛的含义,一个新的计算机接口系统的发展,以及治疗神经精神疾病,包括一个功能失调的处理情感信息[17]。脑电图,它反映了大脑的电活动,可以提供一个主观的情感偏见基于主题的经验[18]。使用脑电图和外围生理信号特性,高桥和Tsukaguchi[19]情感视频的反应分为欢乐、悲伤、厌恶、恐惧、和放松。Koelstra和佩特雷[18]还利用脑电图和外围physio-logical信号分类情感在音乐视频。然而,这两种分类方法显示平均水平的准确性。情感识别洋溢着不确定性,模糊集和可能性理论作出了重要贡献而言,如何表示和处理这种不确定性[20]。自自然场景的要点包括所有级别的视觉信息代表知觉和概念水平[21],用于处理这种不确定性的模糊概念。模糊的要点被用来提取emotion-specific当观看自然静止图像基于内容的图像特性。FCM聚类,采用模糊分区,这样一个给定的数据点在一定程度上可以分为几个不同的团体会员级别指定,用于获取图像的模糊主旨。自主情感识别系统的开发基于模糊要点,可以分析和理解情感与自然场景图像和发展自己与人的交互来理解更复杂的人类情感(22 - 24)。然而,视频刺激包括连续图像帧包含各种类型的情感根据时间序列的信息。虽然已经有大量的研究为情感识别、视频内容分析等方法没有有效地处理一个影片剪辑的动态特性。因此需要使用一种特征提取方法提取等动态特性。在本文中,我们提出一个三维模糊特征提取方法,称为三维模糊主旨,内容分析,三维模糊张量的脑电图提取情感与动态特性特征[25]。本文提出一种情感识别系统利用脑电图信号和内容特征响应等动态视觉刺激的电影。提出的三维模糊要点是用来从低级视觉信息获取情感特征,如颜色和方向信息,和3 d模糊张量是用于获得情感的特性从一个脑电图提取主观知识的情感。