為了克服單模態(tài)普通話情感識別效率低、可靠性差的問題,對情感識別非常重要的語音、表情與姿態(tài)三個模態(tài)進行特征層融合,提出普通話三模態(tài)情感識別方法。首先從語音聲學、面部表情和運動姿態(tài)中分別提取不同的情感特征,然后采用改進的遺傳算法IAGA進行三模態(tài)情感特征融合,最后利用SVM分類器構(gòu)建預測模型并完成情感識別。將三模態(tài)融合方法在CHEAVD中文多模態(tài)情感數(shù)據(jù)集進行測試,并和傳統(tǒng)的單模態(tài)、雙模態(tài)情感識別進行對比,實驗結(jié)果表明,雙模態(tài)融合的情感識別率要高于單模態(tài),三模態(tài)融合的情感識別率高于雙模態(tài),驗證了普通話三模態(tài)情感識別方法的有效性。 

【文章來源】：控制工程. 2020,27(11)北大核心CSCD

【文章頁數(shù)】：7 頁

【參考文獻】：
期刊論文
[1]時空LBP矩和Dempster-Shafer證據(jù)融合的雙模態(tài)情感識別[J]. 王曉華,侯登永,胡敏,任福繼,王家勇.  光電工程. 2016(12)
[2]基于多級SVM分類的語音情感識別算法[J]. 任浩,葉亮,李月,沙學軍.  計算機應用研究. 2017(06)
[3]表情和姿態(tài)的雙模態(tài)情感識別[J]. 閆靜杰,鄭文明,辛明海,邱偉.  中國圖象圖形學報. 2013(09)
[4]Collaborative Filtering Algorithms Based on Kendall Correlation in Recommender Systems[J]. YAO Yu~ 1 , ZHU Shanfeng~ 2 , CHEN Xinmeng~ 1 1.School of Computer, Wuhan University, Wuhan 430072, Hubei, China; 2.Institute for Chemical Research, Kyoto University, Kyoto 611-0011, Japan.  Wuhan University Journal of Natural Sciences. 2006(05)



本文編號：3207293