该研究主要关注于使用情感识别技术通过远程机器人操作的会话来协助心理学家进行儿童疗法，其中包括代理中介疗法在心理学领域的运用，特别是运用具有身体表现的对话代理人作为中介工具，帮助与面临社交挑战如注意力缺陷多动障碍（ADHD）、自闭症谱系障碍（ASD）以及由武装冲突、自然灾害或其他情况导致无法亲自到场的儿童建立联系。本文介绍了一个与儿童情感识别相关的文献调研结果，揭示了社区普遍使用的算法和数据集的初始概况。然后，基于对文献调研结果的分析，我们使用稠密光流特征技术来提高在非受控环境中识别儿童情感的能力。通过卷积神经网络的混合模型，两个中介特征被融合并由最终分类器进行处理。提出的架构被称为 HybridCNNFusion。最后，我们介绍了使用巴西儿童数据集实现的儿童情感识别的初步结果。

Aug, 2023

使用卷积神经网络在遮住眼睛和眉毛的全脸图像中准确识别七种不同的情绪，通过对虚拟现实游戏中玩家情感数据的收集与分析，提高游戏玩法分析，帮助游戏开发者创建更具吸引力和沉浸感的游戏体验。

Dec, 2023

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

通过集成情感识别、音乐推荐和可解释人工智能，利用 GRAD-CAM 的方法可以提高用户体验。在情感分类上，该系统的准确率达到 82％，并利用 GRAD-CAM 提供预测的解释，使用户能够理解系统推荐背后的原因。该论文提出的方法利用 ResNet50 模型、面部表情识别数据集和真实用户数据集进行训练，为面部情感检测提供了强大而可解释的解决方案。

Apr, 2024

AI 人脸情绪识别的教育应用中，教师用户的分类框架和情感教育目标的相关理论对于理解教师和情绪识别技术的关系具有重要意义。

Aug, 2023

该研究提出了一种轻量级和准确的深度神经模型，通过迁移学习、降维和简单的帧选择机制实现音视频情感识别，取得了情感识别领域 State-of-the-art 的准确率。

Aug, 2018

本文提出了一个基于游戏的数据采集框架，使用深度学习方法构建情感分类器，并以情感网络游戏为接口，自动采集带标签的情感图像。通过比较测试结果，说明由于数据规模大、平衡性好，该数据集可用于构建比 CIFE 训练得到的情感检测器更加稳健的情感检测器。

Jul, 2016

该论文提出了一种新颖的方法来执行新闻视频的情感分析，基于从内容中提取的音频、文字和视觉线索的融合。该方法旨在为构建媒体宇宙的 ethos（身份）的 semiodiscoursive 研究做出贡献，我们计算了从面部表情中识别出的视觉强度、参与者的声音调制、文本语音和情感得分（极性）。实验结果显示，该方法在情感分类任务中达到了高达 84％的准确度，因此在新闻界中具有极高的应用潜力。

Apr, 2016

EMPATHIC 项目的研究旨在设计一款情感表达丰富的虚拟教练，能够吸引健康老年人提高幸福感并促进独立老龄化。本文概述了虚拟教练的情感表达识别模块的开发，包括数据收集、标注设计和针对项目需求的第一种方法论。结果表明，研究的多模态方法在对老年人进行情感分类时具有信息量，并且通常优于其他方法（音频标签准确率约为 68％，视频标签准确率为 72-74％）。这些发现有助于有限的关于情感识别在老年人与人工智能交互中的文献。

Nov, 2023

本文讨论如何使用机器视觉学习人脸表情，使用深度神经网络识别人脸表情，并将其应用于视频中推断事件和学习表情，达到了最新的效果。

Oct, 2016