A review of EEG features for emotion recognition

Sadness图 1 (网络版彩图) 情绪的效价 -唤醒度维度模型示意图 Figure 1 (Color online) Valence-arousal dimensional emotion model [2] .维度模型则是基于认知评价将 情绪空间划分为效价 -唤醒度 (valence-arousal, VA) 两个维度 [3] , 或效价 -唤醒度 -优势度 (valencearousal-dominance, VAD) 3 个维度 [4] , 目前对于 VA 模型的研究比 VAD 模型更广泛.效价表示情绪是 积极还是消极的; 唤醒度反映情绪的强烈程度; 优势度指人能否控制这种情绪.维度模型可将离散情 绪映射至坐标空间, 图 1 即为用 VA 模型表示高兴、恐惧和悲伤 3 种离散情绪.面部表情、语音语调、姿势动作和生理信号都可以作为情绪识别的数据来源, 其中生理信号难以 伪装, 包含的信息也更丰富 [5] .使用生理信号识别情绪通常包括以下 6 步: (1) 情绪诱发, 使用图片、 声音或视频等刺激材料诱发被试者产生特定类型的情绪;(2) 信号采集, 通过设备采集被试产生情绪时 的各种生理信号; (3) 信号预处理, 通常使用滤波去除噪声和伪迹; (4) 特征提取, 对信号进行变换, 从 中计算与目标任务相关的特征; (5) 用机器学习领域的分类算法进行情绪分类; (6) 以图表等形式反馈 识别结果.其中, 特征提取是至关重要的一步, 若能找出与情绪最相关的特征集合, 有利于提高后续分 类器的识别准确率.在脑电 (electroencephalogram, EEG)、心电 (electrocardiogram, ECG)、肌电 (electromyography, EMG) 和皮肤温度 (skin temperature, SKT) 等生理信号中, 使用脑电识别情绪具有操作简单、成本低、 效果好的优势, 近年来得到了广泛关注 [6] .脑电是记录头皮电位变化的信号, 在一定程度上反映大脑 皮层的活动.研究表明不同脑区参与不同的感知和认知活动, 例如额叶 (frontal lobe) 与思维、意识有 关, 颞叶 (temporal lobe) 与人脸和场景等复杂刺激信息的处理、嗅觉和听觉有关, 顶叶 (parietal lobe) 与多种感官信息的整合和对物体的操作控制有关, 枕叶 (occipital lobe) 则与视觉有关 [7] .