人體生理信號的情感分析方法

《智能科學(xué)技術(shù)著作叢書》序
前言
第1章 緒論
1.1 情感與情感計算
1.1.1 情感和情感理論
1.1.2 情緒分類與維度
1.1.3 情感計算
1.2 生理信號的情感計算意義
1.3 國內(nèi)外研究與應(yīng)用狀況
1.3.1 國外研究狀況
1.3.2 國內(nèi)研究狀況
1.3.3 國內(nèi)外應(yīng)用狀況
1.4 情感的生理機制
1.4.1 大腦中樞機制
1.4.2 內(nèi)分泌機制
1.4.3 神經(jīng)化學(xué)機制
1.5 常用生理信號與檢測
1.5.1 生理信號檢測的歷史事件
1.5.2 常用的8種生理信號分析
1.5.3 需要注意的問題
1.6 總結(jié)與展望
參考文獻
第2章 生理信號的情感計算模型
2.1 情感建模的可計算規(guī)則
2.2 基本情感論的情感模型
2.2.1 Tomkins的情感模型
2.2.2 Izard的情感模型
2.2.3 Ekman的情感模型
2.2.4 OCC的情感模型
2.3 維度空間論的情感模型
2.3.1 情感的一維空間模型
2.3.2 情感的二維空間模型
2.3.3 情感的三維空間模型
2.3.4 情感的高維空間模型
2.4 認(rèn)知神經(jīng)科學(xué)的情感模型
2.4.1 情感相關(guān)聯(lián)的神經(jīng)結(jié)構(gòu)
2.4.2 情感的認(rèn)知神經(jīng)學(xué)模型
2.5 總結(jié)與展望
參考文獻
第3章 生理信號的測量系統(tǒng)
3.1 BIOPAC MP150的硬件系統(tǒng)
3.1.1 MP100A-CE數(shù)據(jù)獲取單元
3.1.2 MP的通用接口模塊
3.1.3 MP的生理信號放大器和傳感器
3.2 BIOPAC MP150的軟件系統(tǒng)
3.2.1 系統(tǒng)的最低配置
3.2.2 AcqKnowledge概述
3.2.3.AcqKnowledge菜單功能介紹
3.3 多參數(shù)生物反饋測量儀ProComp Infiniti
3.3.1.ProComp Infiniti硬件基本系統(tǒng)
3.3.2.ProComp Infiniti的多種傳感器
3.3.3 ProComp Infiniti的軟件系統(tǒng)
3.4 Neuroscan腦電儀
3.4.1 Neuroscan的硬件組成
3.4.2 Neuroscan軟件包
3.5 生理信號采集設(shè)備的商業(yè)開發(fā)和應(yīng)用
3.5.1 Necomimi腦控貓耳朵
3.5.2 腦立方——世界上首款注意力訓(xùn)練產(chǎn)品
3.5.3 心電芯片
3.6 總結(jié)與展望
參考文獻
第4章 生理信號的情感數(shù)據(jù)采集方法
4.1 情感誘發(fā)方法
4.1.1 情感材料誘發(fā)
4.1.2 情感情境誘發(fā)
4.2 數(shù)據(jù)有效性分析方法
4.2.1 誘發(fā)效果影響因素
4.2.2 誘發(fā)效果評估方法
4.2.3 生理數(shù)據(jù)可靠性分析
4.3 情感數(shù)據(jù)采集實例
4.3.1 采集目標(biāo)
4.3.2 情感誘發(fā)方案
4.3.3 數(shù)據(jù)采集流程
4.3.4 情感誘發(fā)效果評估
4.3.5 生理數(shù)據(jù)可靠性評估
4.3.6 實驗小結(jié)
4.4 總結(jié)與展望
參考文獻
第5章 生理信號的情感識別方法
5.1 接觸式生理信號情感識別的意義
5.1.1 在情感心理生理科學(xué)研究中的意義
5.1.2 在智能人機交互領(lǐng)域的研究意義
5.2 生理信號情感特征提取
5.2.1 生理信號的傳統(tǒng)特征
5.2.2 IBI和GSR的矩特征
5.2.3 ECG信號的瞬時頻率和局部振蕩特征
5.2.4 生理信號的非線性特征
5.2.5 生理信號的時域局部尺度特征
5.3 生理信號情感特征選擇
5.3.1 特征選擇的必要性
5.3.2 二分類情感識別的特征選擇模型
5.3.3 多種解空間搜索算法的特征選擇能力比較
5.3.4 小結(jié)
5.4 情感識別模型的建立
5.4.1 支持向量機分類器
5.4.2 隨機森林分類器
5.5 總結(jié)與展望
參考文獻
第6章 非接觸性的情感識別方法
6.1 非接觸性情感識別的意義
6.2 采用熱成像技術(shù)實現(xiàn)非接觸性的情感識別
6.2.1 TI技術(shù)的基本概念
6.2.2 基于熱成像技術(shù)識別人類情感
6.3 采用高光譜技術(shù)實現(xiàn)非接觸性的情感識別
6.3.1 高光譜成像技術(shù)
6.3.2 基于高光譜成像技術(shù)識別人類情感的優(yōu)勢
6.3.3 高光譜成像技術(shù)識別人類情感現(xiàn)狀
6.4 總結(jié)與展望
參考文獻
第7章 典型的應(yīng)用系統(tǒng)及展望
7.1 情感機器人
7.1.1 早稻田大學(xué)情感機器人KOBIAN
7.1.2 麻省理工學(xué)院媒體實驗室的Nexi
7.1.3 我國情感機器人研究現(xiàn)狀
7.2 帶有情感交互功能的玩具和寵物
7.2.1 AIBO機器狗
7.2.2 日本世嘉公司Dog電子寵物狗
7.2.3 BANDAI Smart Pet電子寵物狗
7.2.4 騰訊小Q機器人
7.3 情感計算在健康監(jiān)護中的應(yīng)用
7.3.1 情感計算在遠程家庭健康監(jiān)護中的應(yīng)用
7.3.2 穿戴式遠程生理參數(shù)監(jiān)護系統(tǒng)
7.3.3 基于多模態(tài)人機接口的智能輪椅
7.3.4 基于無線技術(shù)的測量身體狀態(tài)的移動監(jiān)視設(shè)備
7.3.5 神念科技的腦波交互和注意力訓(xùn)練產(chǎn)品
7.4 情感仿生代理
7.4.1 基于仿生代理的多模人機情感交互系統(tǒng)
7.4.2 基于移動設(shè)備的仿生代理
7.5 基于情感計算的行為輔助系統(tǒng)
7.5.1 情感計算用于檢測司機疲勞
7.5.2 智能駕駛
7.5.3 情感計算用于提升用戶工作效率
7.6 情感計算的其他應(yīng)用領(lǐng)域
7.6.1 情感計算用于游戲設(shè)計
7.6.2 智能情感教學(xué)系統(tǒng)
7.6.3 自適應(yīng)音樂譜曲系統(tǒng)
7.6.4 情感計算在電子商務(wù)中的應(yīng)用
7.7 基于生理信號的情感調(diào)節(jié)系統(tǒng)設(shè)計與實現(xiàn)
7.7.1 情感調(diào)節(jié)的基礎(chǔ)理論
7.7.2 音樂與情感調(diào)節(jié)
7.7.3 情感交互系統(tǒng)架構(gòu)
7.8 總結(jié)與展望
參考文獻
彩圖