| 基于BGRU-FUS-NN神经网络的姿态情感计算方法研究 |
| |
| 引用本文： | 付心仪, 蔡天阳, 薛程, 张宇翔, 徐迎庆. 基于BGRU-FUS-NN神经网络的姿态情感计算方法研究[J]. 计算机辅助设计与图形学学报, 2020, 32(7): 1070-1079. DOI: 10.3724/SP.J.1089.2020.18353.z44 |
| |
| 作者姓名： | 付心仪 蔡天阳 薛程 张宇翔 徐迎庆 |
| |
| 作者单位： | 清华大学美术学院 北京 100084;清华大学未来实验室 北京 100084;清华大学-阿里巴巴自然交互体验联合实验室 北京 100084;School of Information Engineering, University of Technology of Compiegne Compiegne 60200;中国传媒大学动画与数字艺术学院 北京 100024;清华大学自动化系 北京 100084 |
| |
| 基金项目： | 国家重点研发计划;清华大学自主科研计划 |
| |
| 摘 要： | 情感计算研究是近些年人机交互领域的热门研究方向,其相关研究目前主要集中在面部表情和语音模态,基于姿态模态的情感计算研究相对较少.文中提出了一种基于姿态的新型情感计算算法,利用虚拟现实(VR)设备来唤醒用户的情感,使用摄像机采集用户的非表演动作数据,重新定义了19个人体运动关键点,将用户动作数据转换为相应骨骼点的3D坐标.在已有的基本特征的基础上,加入了高级动态特征,构造了一个能够更加完善地描述肢体运动的80D特征列表.在融合神经网络模型(FUS-NN)的基础上,使用循环门控单元(GRU)替代长短期记忆神经网络(LSTM),并添加正规层(Layer-Normalization),丢弃层(Layer-Dropout)和减少堆叠层数等策略,提出了双向循环门控单元融合神经网络(BGRU-FUS-NN)模型.使用了基于唤醒(arousal)和效价(valence)的情感模型进行情感分类,针对4分类任务和8分类任务,准确率比FUS-NN模型分别提升了7.22%和5.15%.
|
| 关 键 词： | 情感计算 姿态 虚拟现实 深度学习 |
| 收稿时间： | 2020-05-06 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机辅助设计与图形学学报》浏览原始摘要信息 |
|
点击此处可从《计算机辅助设计与图形学学报》下载全文 |
|
