人体姿态的情感计算：一种综合概述

"付心仪等人发表在《计算机辅助设计与图形学学报》的‘基于姿态的情感计算综述’" 文章详细探讨了情感计算这一在人机交互领域备受关注的议题，特别是聚焦于基于人体姿态的情感计算。情感计算是通过识别和理解人类的情绪状态来改善人机交互的一种技术。随着人工智能和人机交互技术的发展，情感计算的研究已经涵盖了多种输入模态，如面部表情、语音、文本以及人体姿态。 作者指出，虽然基于面部表情和语音的情感计算研究较为成熟，但基于人体姿态的情感计算尚处于起步阶段，国内外的相关工作相对较少。这表明该领域具有很大的研究空间和发展潜力。文章深入分析了基于姿态的情感计算所面临的几个关键问题： 1. 情感的心理学模型：情感计算的基础在于理解和模拟人类情绪的复杂性。文章提到了几种常用的心理学模型，如Ekman的六种基本情绪模型（快乐、悲伤、恐惧、愤怒、惊讶和厌恶）和Plutchik的情感轮模型，这些模型为情感识别提供了理论框架。 2. 人体姿态估计算法：这是情感计算的前提，通过对人体各个关节位置的准确估计，来解析个体的行为和姿态。文章可能涵盖了现有的深度学习和传统计算机视觉方法，如OpenPose等。 3. 姿态的情感特征提取：从姿态中抽取出与情感相关的特征，这可能涉及到动作、运动速度、身体部位的相对位置等。这部分讨论了如何将这些物理特征转化为情感信号。 4. 情感分类与标注算法：对提取的特征进行分类，将其映射到特定的情感类别，可能是通过监督学习或无监督学习的方法实现。 5. 姿态情感数据集：数据是训练和验证算法的关键，文章可能提到一些已有的公开数据集，如AMIGOS、SBU Kinect Interaction Dataset等，这些数据集包含了丰富的人体姿态和对应的情感标签。 6. 基于姿态的情感识别算法：最后，文章可能总结了现有的情感识别算法，包括基于机器学习的算法（如支持向量机、随机森林）和深度学习模型（如卷积神经网络、循环神经网络），以及多模态融合策略。 通过这些方面的综述，文章旨在为后续研究者提供一个全面的视角，以便他们在人体姿态情感计算这一领域进行更深入的探索。同时，文章还提到了国家重点研发计划和清华大学自主科研计划等资助项目，表明这一领域的研究得到了国家和学术界的大力支持。