【论文阅读】Emotion Recognition Using a Glasses-Type Wearable Device via Multi-Channel Facial Responses

1.这篇文章究竟讲了什么问题？
提出一个眼镜式可穿戴设备，实现多模态情感识别。

2.这是否是一个新的问题？
不是

3.这篇文章要验证一个什么科学假设？
1)局部、侧面的面部图像可以用来监测用户的情绪状态。
2)结合局部面部表情和生物信号比使用单一通道效果更好。

4.有哪些相关研究？如何归类？谁是这一课题在这领域值得关注的研究员？
1)Javier, Marín-Morales, Juan, et al. Affective computing in virtual reality: emotion recognition from brain and heartbeat dynamics using wearable sensors.[J]. Scientific Reports, 2018.
2)Zhao B , Zhu W , Yu Z , et al. EmotionSense: Emotion Recognition Based on Wearable Wristband[C]// 2018 IEEE SmartWorld, Ubiquitous Intelligence & Computing, Advanced & Trusted Computing, Scalable Computing & Communications, Cloud & Big Data Computing, Internet of People and Smart City Innovation (SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI). IEEE, 2018.
3)B. Nakisa, M. Rastgoo, A. Rakotonirainy, F. Maire, and V . Chandran,‘‘Long short term memory hyperparameter optimization for a neural network based emotion recognition framework,’’ IEEE Access, vol. 6,pp. 49325–49338, 2018.
5.论文中提到的解决方案之关键是什么？
1)找到一个最优的面部位置来测量生物信号.
2)多模态信号的混合

6.论文中的实验是如何设计的？
1)EDA传感器位置确定实验，对面部部位与参考位置的EDA相关性进行了实验。
2)诱导情绪识别实验
a)各通道和融合方法的平均精度
b)男性参与者(n = 10)和女性参与者的平均情绪识别率的比较

7.用于定量评估的数据集是什么？代码有没有开源？
https://neurocomputinglab.wixsite.com/neulab/products， 没有开源

8.论文中的实验及结果有没有很好地支持需要验证的科学假设？
实验较好的验证了本文所提假设。

9.这篇论文到底有什么贡献？
提出了一种眼镜式的可穿戴设备，除了生物信号外，还可以测量当地的面部表情。

10.下一步呢？有什么工作可以继续深入？
论文没有涉及多个应用场景，可以拓展测试。