粟立威，陶雪，饶治，李贵文，嵇晓强

（长春理工大学 生命科学技术学院，长春 130022）

面部表情被广泛用于情绪识别中，并且取得了较好的结果，但在自然环境中，可靠性不能得到保证［1-2］。其识别精度除了会受相机角度、照明和面部遮挡等因素的影响之外，面部表情也更容易被人为控制或伪造，导致情绪识别的真实性和精度下降。因此，使用面部表情来识别情绪状态可能会导致错误的分类。有研究通过脑电、心电、肌电、光体积描记等生理信号来实现人类情绪的识别［3-10］。与面部表情相比，使用生理参数来评估情绪更客观和可靠，并能够提供情绪状态的有用特征。

生理信号是量化情绪的可靠数据［11］，但依赖于与传感器的直接接触。侵入性的传感器会干扰受试者并改变其情绪状态［12］。此外，这些设备测量的复杂性和电极的灵敏度限制了应用范围，如烧伤、创伤、传染病和严重感染等情况。最近，有研究提出使用IPPG 技术用于从面部提取生理线索的情绪识别系统［13-14］。这是一种从PPG（Photoplethysmography）发展而来的非接触式的光学检测技术［15］，使用视频序列测量血容量脉搏引起的光吸收变化，以提取心肺参数，包括心率、脉搏率变异性（Pulae Rate Variability，PRV）和呼吸率［16-18］。

本文提出了一种基于IPPG 技术的非接触式情绪识别方法，首先从面部视频中提取IPPG 信号，并使用小波变换和带通滤波对信号去噪，接下来提取有效特征，最后对比四种不同的机器学习算法模型进行情绪分类。与基于面部表情的情绪识别相比，测量结果更加客观；……