Journal of the Korea Institute of Information and Communication Engineering (한국정보통신학회논문지)

The Korea Institute of Information and Commucation Engineering (한국정보통신학회)
권호 표지
DOI QR코드

DOI QR Code

Maximum Entropy-based Emotion Recognition Model using Individual Average Difference

개인별 평균차를 이용한 최대 엔트로피 기반 감성 인식 모델

  • 박소영 (상명대학교 디지털미디어학부) ;
  • 김동근 (상명대학교 디지털미디어학부) ;
  • 황민철 (상명대학교 디지털미디어학부)
  • Received : 2010.05.19
  • Accepted : 2010.06.15
  • Published : 2010.07.30
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a maximum entropy-based emotion recognition model using the individual average difference of emotional signal, because an emotional signal pattern depends on each individual. In order to accurately recognize a user's emotion, the proposed model utilizes the difference between the average of the input emotional signals and the average of each emotional state's signals(such as positive emotional signals and negative emotional signals), rather than only the given input signal. With the aim of easily constructing the emotion recognition model without the professional knowledge of the emotion recognition, it utilizes a maximum entropy model, one of the best-performed and well-known machine learning techniques. Considering that it is difficult to obtain enough training data based on the numerical value of emotional signal for machine learning, the proposed model substitutes two simple symbols such as +(positive number)/-(negative number) for every average difference value, and calculates the average of emotional signals per second rather than the total emotion response time(10 seconds).

감성신호는 개인에 따라 그 패턴이 매우 다르게 나타나므로, 본 논문에서는 감성신호의 개인별 특징을 고려한 최대 엔트로피 기반 감성 인식 모델을 제안한다. 제안하는 모델은 보다 정확하게 사용자의 감성을 인식하기 위해서, 단순히 주어진 입력 감성 신호 값만을 사용하지 않고, 긍정 감성 신호 값의 평균과 부정 감성 신호 값의 평균을 입력 감성 신호의 값과 비교하여 활용한다. 또한, 감성 인식에 대한 전문적인 지식이 없이도 감성 인식 모델의 구축이 용이하도록, 제안하는 모델은 성능이 높다고 잘 알려진 기계학습기법의 하나인 최대 엔트로피 모델을 이용한다. 감성 신호의 수치 값을 그대로 사용하면 기계 학습에 필요한 학습 패턴 자료를 충분히 확보하기 어렵다는 점을 고려하여, 제안하는 모델은 평균차를 수치 값 대신 +(양수)와 -(음수)로 단순하게 표현하며, 감성 반응 전체 시간인 10초 대신 초단위로 분할하여 학습 패턴 자료의 양을 늘렸다.

Keywords

References

  1. 김나연, 신윤희, 김수정, 김지인, 정갑주, 구현진, 김은이, "신경망을 이용한 감성인식 시스템" 한국정보과학회 2006 한국컴퓨터종합학술대회논문집(B), pp.271-273, 2006.
  2. T. Moriyama, and S. Ozawa, "Emotion recognition and synthesis system on speech," in Proceedings of IEEE International Conference on Multimedia Computing and Systems, vol. 2, pp. 9840-844, 1999.
  3. V. A. Petrushin, "Emotion in Speech: Recognition and Application to Call Centers," in Proceedings of Artificial Neural Networks in Engineering (ANNIE), Vol. 1, pp. 7-10, 1999.
  4. V. A. Petrushin, "Emotion Recognition Agents in Real World," in Proceedings of 2000 AAAI Fall Symposium on Socially Intelligent Agents: Human in the Loop, 2000.
  5. G. Ball, and J. Breese, "Emotion and Personality in a Conversational Agent," in Embodied Conversational Agents, J. Cassell, et al., Eds., Cambridge, MA: MIT Press, 2000.
  6. A. Nogueiras, A. Moreno, A. Bonafonte, J. B. Marino, "Speech Emotion Recognition Using Hidden Markov Models," in Proceedings of European Conference on Speech Communication and Technology. EUROSPEECH, 2001.
  7. I. Cohen, N. Sebe, A. Garg, L. Chen, and T. Huang, "Facial Expression Recognition from Video Sequences: Temporal and Static Modeling," Computer Vision and Image Understanding, vol. 91, nos. 1-2, pp. 160-187, 2003. https://doi.org/10.1016/S1077-3142(03)00081-X
  8. 주영훈, 오재홍, 박창현, 심귀보, "영상과 음성의 출력 데이터를 이용한 감성 인식", 퍼지 및 지능시스템학회 논문지, 제13권, 3호, pp.275-280, 2003.
  9. N. Sebe, Y. Sun, E. Bakker, M.S. Lew, I. Cohen, T.S. Huang, "Towards Authentic Emotion Recognition," in Proceedings of International Conference on Systems, Man, and Cybernetics (IEEE SMC'04), 2004.
  10. 양현창, 김호덕, 박창현, 심귀보, "감성인식을 위한 Interactive Feature Selection(IFS) 알고리즘", 퍼지 및 지능정보시스템 학회 논문지, 제16권, 6호, pp.647-652, 2006.
  11. Kyung Hwan Kim, Seok Won Bang Sang Ryong Kim, "Development of person-independent emotion recognition system based on multiple physiological signals", in Proceedings of the Second Joint In EMBS/BMES Conference, pp. 50-51, 2002.
  12. 박준영, 박동수, 박장현, 박지형, "히든 마르코프 모델을 이용한 감성 인식 시스템 개발," HCI 2004년 학술대회 발표 논문집, pp. 16-21, 2004년.
  13. 황세희, 박창현, 심귀보, "감성인식을 위한 생체 정보 수집", 한국퍼지 및 지능시스템학회 2005년도 춘계학술대회 학술발표논문집 제15권 제1호, pp. 353-356, 2005.
  14. Pramila Rani, Changchun Liu, and Nilanjan Sarkar. "An empirical study of machine learning techniques for affect recognition in human-robot interaction". Pattern Analysis and Applications, Vol.9 Num.1, pp. 58-59, 2006. https://doi.org/10.1007/s10044-006-0025-y
  15. 김종화, 황민철, 김영주, 우진철, "TDP (time-dependent parameters)를 적용하여 분석한 자율신경계 반응에 의한 감성인식에 대한 연구", 감성과학, 제 11권 4호, pp. 637-643, 2008.
  16. 김종화, 황민철, 우진철, 김치중, 김용우, 김지혜, 박영충, 정광모. "자율신경계 반응의 적응적 TDP(Time Dependent Parameters) 추출을 통한 감성 인식 개인화에 대한 연구", 한국감성과학회 춘계학술대회, pp. 67-70, 2009년.
  17. 김호덕, 양현창, 박창현, 심귀보, "생체신호와 몸짓을 이용한 감성인식 방법", 한국 퍼지 및 지능시스템 학회 논문집, 제17권 제3호, pp. 322-327, 2007
  18. 이충기, "생체신호를 이용한 감정상태 검출 알고리즘에 대한 연구", 연세대학교 대학원 석사학위 논문, 2006.
  19. Adwait Ratnaparkhi. 1996. A maximum entropymodel for part-of-speech tagging. In Proceeding of the Conference on Empirical Methods in Natural Language Processing EMNLP-96, Philadelphia, PA.
  20. 장정호, 장병탁, 김영택, "최대 엔트로피 기반 문서 분류기의 학습", 한국정보과학회 가을 학술발표 논문집 (II), 제26권 2호, pp. 57-59, 1999.

Cited by

  1. Research on Music Emotion Recognition Model of Deep Learning Based on Musical Stage Effect vol.2021, pp.None, 2010, https://doi.org/10.1155/2021/3807666