earticle

영어

EEG-based emotion recognition is a challenging task in human-computer interaction(HCI). Electroencephalogram(EEG) has significant advantages in emotion recognition since it directly reflects brain activity. This study recorded EEG signals from 12 participants watching Korean movie clips for 4 minutes, defined as six emotions: anger, excitement, fear, happiness, sadness, and neutral state. We also extract spectral power values as the feature using Fast Fourier Transform(FFT). Next, we have performed three classification models, Support Vector Machine(SVM), Long Short Term Memory(LSTM) with subject-dependent experiments. As a result, the best accuracy of 81.46% has been achieved in the LSTM model for classifying six emotional states, while SVM accuracy is 68.64%. In addition, promising results have been obtained for the LSTM model of 82.89% with two layers when applied for different layers. In conclusion, we present that the LSTM model specializes in the time-sequence data processing.

한국어

감정인식은 인간과 컴퓨터 상호작용 분야에서 다양한 생체신호를 활용하여 지속적으로 연구되고 있다. 특히, 뇌파 (Electroencephalogram, EEG)는 음성과 표정보다 객관적이고, 접근이 용이하기 때문에, 감정연구에서 활발하게 활용되고 있다. 본 논문에서는 총 12명의 한국인을 대상으로 6개의 감정범주인 화남(Anger), 흥분(Excitement), 두려움(Fear), 행복(Happiness), 슬픔(Sadness), 그리고 중립(Neutral)로 구성된 4분간의 감정영상을 시청하 는 상황에서 뇌파 데이터를 수집하였다. 수집된 데이터는 전처리 과정을 거친 후, 파워스펙트럼(power spectrum) 값을 추출하였다. 이를 활용하여 Support Vector Machine(SVM)과 Long Short Term Memory(LSTM) 모델을 통하여 감정분류를 진행하였다. 실험방법은 개인의 차이를 고려하여 실험참가자 독립적(Subject-independent)방 식으로 진행되었다. 그 결과, LSTM이 SVM 보다 6개의 감정에 대하여 12.91% 향상된 80.46%의 분류정확도를 얻었다. 또한, LSTM의 레이어(Layer)수를 변경하여 분류를 진행한 결과로, 레이어(Layer)수가 2개일 때, 82.17%로 1.71% 향상되었다. 결론적으로, 본 논문에서는 6개의 감정범주에 대한 감정분류로 82.17%의 높은 정 확도를 얻었으며, LSTM은 뇌파와 같은 시간 의존형 데이터에 적합한 알고리즘임을 확인한 데에 의의가 있다.