作為心理學(xué)的核心研究領(lǐng)域之一，情緒識別在人機交互（Human-computer interaction）中起到了很重要的作用。如果計算機可以有效感知人類(lèi)的情緒，那么人機交互將會(huì )變得更加智能高效。既有研究表明情緒會(huì )體現在人的步態(tài)中，而智能手環(huán)（內置加速度計）可以采集到人在行走時(shí)的步態(tài)加速度數據，因此如果根據加速度數據進(jìn)行情緒識別，會(huì )使得情緒識別更生態(tài)方便。

　　鑒此，中國科學(xué)院行為科學(xué)重點(diǎn)實(shí)驗室朱廷劭研究組展開(kāi)研究，旨在借助智能手環(huán)客觀(guān)記錄用戶(hù)行走時(shí)的加速度數據，以預測其情緒。我們利用定制的智能手環(huán)，下圖中展示的實(shí)物圖及其在一般步速和跑步情況下的記錄數據，可以看出它記錄的加速度數據有明顯的區別。

　　該研究招募了123名被試，利用高興、憤怒視頻誘發(fā)用戶(hù)情緒，然后按照路線(xiàn)自然行走3-5分鐘，利用智能手環(huán)記錄用戶(hù)在不同情緒下的手腕和腳踝處的加速度數據。我們根據加速度數據提取了時(shí)域、頻域和時(shí)頻等114個(gè)特征。利用支持向量機（SVM）、決策樹(shù)、隨機樹(shù)和隨機森林建立情緒分類(lèi)預測模型，并利用十折交叉驗證模型的可靠性。結果表明，基于加速度數據的情緒識別模型擁有良好的測量屬性,如圖1所示，其中SVM模型在情緒識別準確率較其他的模型較好。SVM模型在中性(N)和憤怒(A)、中性和高興(H)、高興和憤怒兩類(lèi)情緒識別準確率分別到達了91.3%、88.5%、88.5%。SVM模型在中性、高興和憤怒三類(lèi)情緒識別準確率達到81.2%。在情緒分類(lèi)預測模型中，步態(tài)行為與情緒之間的預測關(guān)系具有一定的可解釋性。結論表明，通過(guò)加速度數據來(lái)預測用戶(hù)的情緒是完全可行的。

　　圖1. 手腕和腳踝數據的三類(lèi)情緒分類(lèi)準確率

　　該研究采用可穿戴設備，通過(guò)機器學(xué)習訓練得到的預測模型，對個(gè)體的運動(dòng)加速度數據進(jìn)行分析，能夠實(shí)現實(shí)時(shí)情緒預測，可廣泛應用于特定場(chǎng)合下個(gè)體的情緒實(shí)時(shí)監測。

　　該研究是朱廷劭研究組在“大數據與心理學(xué)”研究領(lǐng)域的系列成果之一。此項研究得到中國科學(xué)院重點(diǎn)部署項目（KJZD-EW-L04）、國家重點(diǎn)基礎研究發(fā)展計劃（973項目， 基于生物、心理多模態(tài)信息的潛在抑郁風(fēng)險預警理論與生物傳感關(guān)鍵技術(shù)的研究，2014CB744600）、中國科學(xué)院戰略性先導科技專(zhuān)項（面向感知中國的新一代信息技術(shù)研究，XDA06030800）等課題資助。

　　該研究成果已被國際學(xué)術(shù)期刊PeerJ錄用并公開(kāi)發(fā)表。

　　Zhan Zhang, Yufei Song, Liqing Cui, Xiaoqian Liu, Tingshao Zhu. (2016) Emotion recognition based on customized smart bracelet with built-in accelerometer. PeerJ 4:e2258 https://doi.org/10.7717/peerj.2258