Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Emotion Recognition Method Using FLD and Staged Classification Based on Profile Data

프로파일기반의 FLD와 단계적 분류를 이용한 감성 인식 기법

  • Received : 2011.09.28
  • Published : 2011.11.25
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we proposed the method of emotion recognition using staged classification model and Fisher's linear discriminant. By organizing the staged classification model, the proposed method improves the classification rate on the Fisher's feature space with high complexity. The staged classification model is achieved by the successive combining of binary classification model which has simple structure and high performance. On each stage, it forms Fisher's linear discriminant according to the two groups which contain each emotion class, and generates the binary classification model by using Adaboost method on the Fisher's space. Whole learning process is repeatedly performed until all the separations of emotion classes are finished. In experimental results, the proposed method provides about 72% classification rate on 8 classes of emotion and about 93% classification rate on specific 3 classes of emotion.

본 논문에서는 피셔 선형 분리(FLD, Fisher's Linear Discriminant) 기반의 단계적 분류를 이용한 감성 인식 기법을 제안한다. 제안하는 기법은 2종 이상의 감성에 대한 다중 클래스 분류 문제에 대하여, 이진 분류 모델의 연속적인 결합을 통해 단계적 분류 모델을 구성함으로써 복잡도 높은 특징 공간상의 다수의 감성 클래스에 대한 분류 성능을 향상시킨다. 이를 위하여, 각 계층 단계의 학습에서는 감성 클래스들로 이루어진 두 개의 클래스 그룹에 따라 피셔 선형분리 공간을 구성하며, 구성된 공간상에서 Adaboost 방식을 이용하여 이진 분류 모델을 학습하여 생성한다. 각 계층 단계의 학습 과정은 모든 감성 클래스가 구분이 완료되는 시점까지 반복 수행된다. 본 논문에서는 MIT 생체 신호 프로파일을 이용하여 제안하는 기법을 실험하였다. 실험 결과, 8종의 감성에 대한 분류 실험을 통해 약 72%의 분류 성능을 확인하였고, 특정 3종의 감성에 대한 분류 실험을 통해 약 93% 분류 성능을 확인하였다.

Keywords

References

  1. Zhihong Z., Maja P., Glenn I. R. and Thomas S. H., "A Survey of Affect Recognition Method: Audio, Visual, and Spotaneous Expressions," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol 31, No. 1, January 2009.
  2. Carlson NR., "Physiology of Behaviour. Needham Heights," MA: Allyn and Bacon, 1998.
  3. Ekman P., Levenson R. W., and Friesen W. V., "Autonomic Nervous System Activity Distinguishes among Emotions," Science, Vol. 221, pp. 1208-1210, 1983. https://doi.org/10.1126/science.6612338
  4. Levenson R., "Autonomic nervous system differences among emotions," Psychological Science, 3(1):23-7. 1992. https://doi.org/10.1111/j.1467-9280.1992.tb00251.x
  5. Prkachin K., Williams-Avery R., Zwaal C. and Mills D., "Cardiovascular Changes During Induced Emotion: An Application of Lang's Theory of Emotional Imagery," Journal of Psychosomatic Research, 47(3):255-67. 1999. https://doi.org/10.1016/S0022-3999(99)00036-7
  6. Keil A., Bradley M., Hauk O., Rockstroh B., Elbert T. and Lang P., "Large-scale Neural Correlates of Affective Picture Processing," Psychophysiology, 39(2002):641-9. 2002. https://doi.org/10.1111/1469-8986.3950641
  7. Picard R., Vyzaz E. and Healey J., "Toward Machine Emotional Intelligence: Analysis of Affective Physiological State," IEEE Trans. on Pattern Analysis and Machine Intelligence, 23(10):1175-91, October 2001. https://doi.org/10.1109/34.954607
  8. Healey J. and Picard R., "Digital Processing of Affective Signals: Acoustics, Speech and Signal Processing," Proc. of the ICASSP'98, pp 3749 - 3752, Vol. 6, May 1998.
  9. Vyzaz E and Picard R., "Affective Pattern Classification," AAAI Fall symposium Series: Emotional and Intelligent: The Tangled Knot of Cognition, October 1998.
  10. Leon E., Clarke G., Sepulveda F. and Callaghan V., "Optimised Attribute Selection for Emotion Classification Using Physiological Signals," 26th Annual International Conference of the IEEE, pp. 184-187, September 2004.
  11. Leon E., Clarke G., Sepulveda F. and Callaghan V., "Neural network-based improvement in class separation of physiological signals for emotion classification," IEEE Int. Conf. on Cybernetics and Intelligent Systems, pp. 724-728, 2004.
  12. Leon E., Clarke G., Callaghan V. and Sepulveda F., "Real-time detection of emotional changes for inhabited environments." Computers & Graphics, Vol. 28, Issue 5, pp. 635-642, October 2004. https://doi.org/10.1016/j.cag.2004.06.002
  13. Kim J. and Elisabeth A., "Emotion Recognition Based on Physiological Changes in Music Listening," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 30, No. 12, December 2008.
  14. 신윤희, 김영래, 김은이, "컬러와 패턴을 이용한 텍스타일 영상에서의 감성인식 시스템", 대한전자공학회 논문지 CI편, 제45권, 제6호, 154-161쪽, 2008년 11월
  15. 조윤호, 박규식, "성별 구분을 통한 음성 감성인식 성능 향상에 대한 연구", 대한전자공학회 논문지SP편, 제45권, 제4호, 107-114쪽, 2008년 7월
  16. 이계환, 장준혁, "최소 분류 오차 기법과 멀티 모달 시스템을 이용한 감정 인식 알고리즘", 대한전자공학회 논문지 SP편, 제46권, 제4호, 76-81쪽,2009년 7월
  17. 김준수, 김동엽, 빈성환, 김대영, 류민우, 조국현, "감정 분석을 통한 개인화 홈 네트워크 서비스 시스템의 설계 및 구현", 대한전자공학회 논문지 CI편, 제47권, 제6호, 2010년 11월.
  18. J. Healey and R. W. Picard, "Eight-emotion Sentics Data," MIT Affective Computing Group," http://affect.media.mit.edu, 2002.
  19. Y. Freund, and R.E. Schapire, "A decision-theoretic generalization of on-line learning and application to boosting," Journal of Computer and System Sciences, Vol. 55, pp. 119-139, 1997. https://doi.org/10.1006/jcss.1997.1504