【论文阅读】Learning Perceived Emotion Using Affective and Deep Features for Mental Health Applications

1.这篇文章究竟讲了什么问题？
根据用户的走路风格，提取深度特征和情感特征识别情感。
2. 这是否是一个新的问题？
根据走路的数据来分析情感不是新问题

3.这篇文章要验证一个什么科学假设？
结合行走的深度特征和情感特征能够提高情感识别的精度

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？
a)情绪的肢体表达
姿态和运动C. Roether, L. Omlor, et al. Critical features for the perception of emotion from gait. Vision, 2009.
各种活动的情感：
敲门，跳舞，玩乐器，走路
M. Gross, E. Crane, et al. Methodology for assessing bodily expression of emotion. Journal of Nonverbal Behavior, 2010.
M. De Meijer. The contribution of general features of body movement to the attribution of emotions. Journal of Nonverbal behavior, 1989.
M. Karg, K. Kuhnlenz, et al. Recognition of affect based on gait patterns. IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), 2010.
结合面部表情和肢体表达：
H. Meeren, C. van Heijnsbergen, et al. Rapid perceptual integration of facial expression and emotional body language. PNAS, 2005.

5.论文中提到的解决方案之关键是什么？
深度特征和情感特征的提取与训练

6.论文中的实验是如何设计的？
a)不同的模型进行分类实验对比
b)与其他方法对比，包括原始LSTM,只用情感特征，其他文献方法等

7.用于定量评估的数据集是什么？代码有没有开源？
EWalk dataset，CMU, ICT 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？
所提方法获得了80.07%的绝对准确率，比普通LSTM算法提高了24.60%，比目前最先进的情感识别算法提高了13.85%。较好的支持了科学假设

9.这篇论文到底有什么贡献？
a)提出了一种新的基于数据驱动的方法，结合走路步态的深度特征和情感特征，来识别个人的感知情绪。
b)提出一个行走的数据集，包括步态和情感标签。

10.下一步呢？有什么工作可以继续深入？
a)考虑行走过程出现遮挡情况下的情感识别。
b)结合语音和面部表情的情感识别