陳志宏臺灣大學:電機工程學研究所王炫凱Wang, Hsuan-KaiHsuan-KaiWang2010-07-012018-07-062010-07-012018-07-062009U0001-1708200915461200http://ntur.lib.ntu.edu.tw//handle/246246/188094情緒辨識技術結合手機等可攜式裝置，可提供人與人之間更完整的溝通資訊，同時增加人機互動的豐富性。利用相關的生理資訊可以建立單人的即時情緒辨識系統。本研究以音樂來改變使用者的情緒，使他們產生逐漸放鬆、愉快(正向)及不愉快(負向)三種情緒反應，同時蒐集使用者的肌電圖、呼吸、脈搏及表面皮膚導電度。蒐集的生理訊號經過濾波、切割、校正與正規化後可以得到相關特徵。同時，利用生理特徵配合分類器，找出對於情緒判定最有用的生理訊號。 離線結果部分，單人放鬆 vs. 強烈反應的辨識正確率達95.61%，正向 vs. 負向辨識正確率達91.69%。另外，利用單人多次實驗結果觀察使用者皮膚導電度在不同情緒狀態下的反應趨勢，結果得到在放鬆狀態，導電度逐漸下降，而強烈反應下，導電度會有上升情形，符合文獻結果。 即時結果部分，單人即時放鬆 vs. 強烈反應的辨識正確率達94.69%，正向vs. 負向辨識正確率達81.00%。 本研究最後對於利用生理訊號即時判斷單人情緒所遇到的種種問題加以探討，並對未來建立單人即時情緒辨識系統所需的努力方向提出說明。Integration of emotion recognition and portable devices such as cell phone could provide more completed information for people communication and better human-computer interaction. A real-time emotion recognition system for individuals could be implemented with related bio-information. In this research, specific music is chosen to elicit the user’s emotions (relaxed, positive and negative). The physiological signals were acquired through four biosensors: electromyogram, skin conductance, respiration and pulse. Physiological features are acquired by features extraction methods such as filtering, segmentation, calibration and normalization. At the same time, physiological features are classified using pattern recognition techniques. The accuracy of off-line analysis achieved 95.61% and 91.69% on recognition of “relaxed vs. excited” and “positive vs. negative”, respectively. Besides, our results show the tendency of user’s skin conductance responses matches other research results.urthermore, the accuracy of real-time analysis are 94.69% and 81.00% on recognition of “relaxed vs. excited” and “positive vs. negative”, respectively. Finally, the limitations of real-time emotion recognition for individual are listed and will be solved in the future; there are still some works need to be optimized formplementation of a real-time emotion recognition system for individual.目錄試委員會審定書….…………………………………………… i謝 ……………………………………………………………... ii文摘要 ………………………………………………………... iii文摘要 ……………………………………………………….. iv目錄 ………………………………………………………….. v目錄 …………………………………………………………... vi一章 緒論 ………………………………………………….. 1.1 研究背景 ……………………………………………….. 1.2 研究主題 ……………………………………………….. 2.3 情緒辨識相關文獻回顧………………………………… 3.4 論文架構 ……………………………………………… 7二章 生理訊號相關理論……………………………………. 8.1 交感神經與副交感神經系統…………………………… 8.2 情緒狀態與生理反應關聯性…………………………… 9.3 使用者生理訊號及其特徵 …………………………….. 11.3.1 肌電圖 ……………………………………………. 11.3.2 呼吸 ………………………………………………. 13.3.3 脈搏 ………………………………………………. 14.3.4 表面皮膚導電反應 ………………………………. 16.3.5 生理訊號特徵值 …………………………………. 17三章 研究方法………………………………………………. 19.1 研究方法流程 ………………………………………….. 19.2 實驗設計 ……………………………………………….. 20.3 生理訊號濾波與切割 ………………………………….. 22.4 生理訊號特徵校正與正規化 ………………………….. 25.5 資訊交叉比對 ………………………………………….. 26.6 分類演算法: KNN ……………………………………… 27.7 特徵分析演算法－資訊增益 ………………………….. 28.8 單人即時情緒分析系統 ……………………………….. 30四章 結果 …………………………………………………... 31.1 單人的離線分類結果 ………………………………….. 31.2 單人情緒狀態與特徵關聯性 ………………………….. 38.3 單人即時情緒辨識結果 ……………………………….. 41五章 討論、結論與未來展望 ……………………………… 47.1 討論 …………………………………………………….. 47.2 結論 …………………………………………………….. 52.3 未來工作 ……………………………………………….. 52amp;#63851;考文獻 ………………………………………………………... 54錄 ……………………………………………………………... 563829692 bytesapplication/pdfen-US音樂情緒辨識即時生理訊號人機互動MusicEmotion recognitionReal-timePhysiological signalsHuman-computer interactionthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/188094/1/ntu-98-R95921104-1.pdf