Key points are not available for this paper at this time.
Visuelle und auditive Modalitäten sind zwei der am häufigsten verwendeten Medien in Interaktionen zwischen Menschen. Die Autoren beschreiben ein System zur kontinuierlichen Überwachung der Stimme und Gesichtsmimik des Benutzers, um emotionale Ausdrücke zu erkennen. Eine solche Fähigkeit ist entscheidend für intelligente Computer, die eine soziale Rolle wie einen Schauspieler oder einen Begleiter übernehmen. Wir umreißen Methoden zur Extraktion akustischer und visueller Merkmale, die für die Klassifizierung von Emotionen nützlich sind. Audio- und visuelle Informationen müssen in einmodalen und bimodalen Situationen angemessen verarbeitet werden. Wir berichten über die emotionale Erkennung nur mit Audio und nur mit Video bei denselben Probanden, sowohl in personenabhängigen als auch in personenunabhängigen Weisen, und skizzieren Methoden zur Verarbeitung der bimodalen Erkennung.
Chen et al. (Thu,) untersuchten diese Frage.