Nicht-kontaktierte Erkennung negativer Stimmung Zustände mittels eines zuverlässigkeitsfokussierten multi-modalen Fusionsmodells

Negative Stimmung Zustände umfassen Spannungen, Depressionen, Wut, Müdigkeit und Verwirrung, die die schwachen inneren Emotionen eines Menschen darstellen. Negative Stimmung Zustände haben einen nachteiligen Einfluss auf die Fähigkeit von Individuen, rationale Entscheidungen zu treffen, was eine praktikable Methode zur Erkennung negativer Stimmung Zustände erfordert. Die am häufigsten verwendeten Methoden zur Erkennung negativer Stimmung Zustände basieren auf psychologischen Skalen, die zusätzlichen Aufwand erfordern und dem Probanden in den Anwendungsszenarien Unannehmlichkeiten bereiten. Um diese Herausforderung zu überwinden, schlägt dieses Papier eine neuartige nicht-kontaktierte Methode zur Erkennung negativer Stimmung Zustände vor, die auf dem Wissen über affektives Rechnen basiert. Das POMS-net Modell wird genutzt, um zeitlich-räumliche Merkmale aus sichtbaren und infraroten Wärmevideos zu extrahieren, und die Erkennung negativer Stimmung Zustände wird mittels zuverlässigkeitsfokussierter multi-modaler Fusion realisiert. Die vorgeschlagene Methode wird anhand des HDT-BR-Datensatzes, der im Experiment der Luft- und Raumfahrtmedizin 'Earth-Star II' gesammelt wurde, und des VIRI-Öffentlicher Datensatz verifiziert. Die experimentellen Ergebnisse auf den Datensätzen zeigen, dass unsere Methode die Vergleichsmethoden übertrifft.