本研究提出了一种可扩展可靠的众包方法，用于收集自然状态下的人类身体语言数据，建立了一个大型数据集并通过统计分析揭示了许多有趣的想法。通过使用 Laban Movement Analysis 等特征，我们开发并评估了一个名为 ARBEE 的系统，该系统能够基于身体动作识别情感表达。
Aug, 2018
本文综述了关于自动 RGB，3D，热成像和多模式面部表情分析的研究，定义了新的分类法并描述和分类了最先进的方法，同时呈现了重要数据集和基准测试。作者对当前的趋势、重要问题和未来研究方向进行了总结讨论。
Jun, 2016
本文探讨了多线索情感识别的问题，提出了一种利用身体表情与面部表情进行情感自动识别的方法，并在儿童机器人交互数据库和成年人 acted 情感数据库上评估了其效果。
Jan, 2019
通过探索深度学习体系结构在持续情感识别方面的应用，我们提出了一种新颖的三流端到端深度学习回归流程，其中包含一个注意力机制，该机制是基于多个最先进的动作识别系统的子模块的一种组合设计。定量分析表明，所提出的模型优于情感识别和动作识别模型的多个标准基线。
Mar, 2024
本文回顾了生理信号在情感识别中的作用，讨论了影响情感识别的数据方差、数据标注技术、数据预处理技术、数据拆分技术和多模态信息融合技术以及未来的发展方向。
May, 2022
采用深度学习生成模型来生成机器人情感表情，通过几个手动设计的机器人身体表达生成一个新的符合上下文感知的表达。评估结果表明，生成的表情与手动设计的表情没有显著差异，且能达到不同目标情绪的效果。
提出了一种利用场景和语义特征的多模态情绪识别方法，通过结合人物特征和环境上下文，使用 EmbraceNet 提取图像特征，并在 EMOTIC 数据集上验证了方法的有效性。
Aug, 2023
该论文探讨了手势识别系统在游戏、医疗、家庭电器、工业机器人和虚拟现实等多个领域中的应用，对手势的获取方法、手势在手语中的作用、现有方法进行了比较和综述，并研究了构建手势识别系统时面临的常见挑战。
Dec, 2023
本研究关注一类特殊的人体语言，即微小手势（MG），针对微小手势的动作识别和情感理解进行了研究，提出了多种增强策略和时空平衡融合方法，并通过实验证明了这些方法在微小手势识别和情感理解中的有效性。
May, 2024
本文从研究者的角度出发，综述了近期 EEG 情感识别研究的代表性成果，并提供教程以帮助研究者从零开始。介绍了 EEG 情感识别在心理和生理水平上的科学基础，将这些被综述的作品分类为不同的技术路线，并说明了理论基础和研究动机，最后讨论了现有的挑战和未来的研究方向。
Mar, 2022