Vom physiologischen Signal zur Emotion: Implementierung und Vergleich ausgewählter Methoden zur Merkmalsextraktion und Klassifikation

  • Dem Computer die Fähigkeit zu verleihen, die Emotionen seines Benutzers zu erkennen, stellt eine große Herausforderung dar, die seit vielen Jahren die Forschung auf diesem Gebiet vorantreibt. Bisher wurden vor allem die Gesicht- und Spracherkennung fokussiert. Emotionen aus physiologischen Daten abzuleiten, ist erst in den letzten Jahren als eine weitere Komponente dazugestoßen. Dabei gibt es einige Vorteile gegenüber den herkömmlichen Methoden. Da die biologischen Reaktionen unseres Körpers durch das zentrale Nervensystem gesteuert werden, sind sie nur teilweise oder gar nicht der Kontrolle unseres Bewusstseins unterlegen. So besteht eine direkte Verbindung zu unseren Emotionen, die einen unmittelbaren Einblick in unseren affektiven Zustand gewährt. Die vorliegende Arbeit erörtert alle Schritte, um ein System zu entwickeln, das in der Lage ist, emotionsspezifische Muster aus physiologischen Signalen zu extrahieren und zu klassifizieren. Dabei werden jeweils verschiedene bekannteDem Computer die Fähigkeit zu verleihen, die Emotionen seines Benutzers zu erkennen, stellt eine große Herausforderung dar, die seit vielen Jahren die Forschung auf diesem Gebiet vorantreibt. Bisher wurden vor allem die Gesicht- und Spracherkennung fokussiert. Emotionen aus physiologischen Daten abzuleiten, ist erst in den letzten Jahren als eine weitere Komponente dazugestoßen. Dabei gibt es einige Vorteile gegenüber den herkömmlichen Methoden. Da die biologischen Reaktionen unseres Körpers durch das zentrale Nervensystem gesteuert werden, sind sie nur teilweise oder gar nicht der Kontrolle unseres Bewusstseins unterlegen. So besteht eine direkte Verbindung zu unseren Emotionen, die einen unmittelbaren Einblick in unseren affektiven Zustand gewährt. Die vorliegende Arbeit erörtert alle Schritte, um ein System zu entwickeln, das in der Lage ist, emotionsspezifische Muster aus physiologischen Signalen zu extrahieren und zu klassifizieren. Dabei werden jeweils verschiedene bekannte Verfahren aus der Mustererkennung getestet und miteinander verglichen. Die Evaluation der Implementierung erfolgt an einem Korpus, der physiologische Daten zu den vier affektiven Zuständen Freude, Ärger, Trauer und Glückseligkeit enthält. Für die Aufzeichnung des Korpus wurden Signale von den vier Sensoren EKG (Elektrokardiogramm), EMG (Elektromyogramm), RSP (Atmung) und SC (Hautleitwert) gesammelt. Dabei wurde auf eine musikalische Induzierung zur Auslösung der Emotionen zurückgegriffen.show moreshow less

Download full text files

Export metadata

Statistics

Number of document requests

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Johannes Wagner
URN:urn:nbn:de:bvb:384-opus4-2006
Frontdoor URLhttps://opus.bibliothek.uni-augsburg.de/opus4/249
Series (Serial Number):Reports / Technische Berichte der Fakultät für Angewandte Informatik der Universität Augsburg (2005-01)
Type:Report
Language:German
Year of first Publication:2005
Publishing Institution:Universität Augsburg
Release Date:2006/06/19
GND-Keyword:Ausdrucksverhalten; Merkmal / Extraktion; Klassifikation
Institutes:Fakultät für Angewandte Informatik
Fakultät für Angewandte Informatik / Institut für Informatik
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik