从外周生理信号中识别情绪：趋势、挑战与机遇的系统性综述

《ACM Transactions on Interactive Intelligent Systems》：Emotion Recognition from Peripheral Physiological Signals: A Systematic Review of Trends, Challenges and Opportunities

情绪识别研究通过整合皮肤电、心率和呼吸信号，分析了386篇文献，揭示多模态方法主导趋势，动态应用需求增加，深度学习技术快速发展但缺乏理论融合，建议开发标准化动态数据集。

　　

摘要

人机交互系统的适应性和直观性通过情感识别能力得到了提升，而情感识别技术的快速发展要求进行更新和更全面的调研。在这项综合研究中，我们筛选出了至少使用三种外周生理信号（皮肤电反应、心率和呼吸信号）中的一种的论文，共收集到386篇论文和448项研究。这些研究是按照整个情感识别流程进行评估的，而不仅仅基于信号类型和识别方法，这与以往的相关研究有所不同。通过这项研究，我们发现了情感识别领域在不同方面的趋势、挑战和机遇。研究发现，多模态方法因能够利用互补的生理信息而在该领域占据主导地位。用于引发情感的方法往往具有动态性，并正朝着实际应用方向发展。为了促进这类应用的发展，应考虑构建新的数据集。例如，可以创建新的、持续标注的数据集，以帮助开发动态情感模型，这对可靠的现实应用至关重要。同时，为了确保标注的准确性，刺激与评估/报告方法的结合不应给研究参与者带来过大的负担。研究结果显示，支持向量机在传统机器学习方法中仍然占据重要地位，但深度学习方法在研究数量和先进技术发展方面也呈现出显著增长。尽管在情感识别中平衡算法性能和可解释性非常重要，但在将情感理论融入算法方面仍存在明显不足，这有待改进。除了全面展示该领域的文献概况外，本研究还提供了一个数字表格，其中包含了所有研究的分析结果，并提供了筛选功能，使研究人员能够利用这些信息来加速自己的研究或获得灵感。