ST-Gait++: Leveraging spatio-temporal convolutions for gait-based emotion recognition on videos

情感识别对于人类行为理解非常重要，计算机视觉领域已经广泛探索了面部表情和语音识别。行为心理学领域的文献表明，步态，即一个人行走的方式，是情感的另一个指标。在本文中，我们提出了一个通过分析步态进行情感识别的深度框架。更具体地说，我们的模型由一系列时空图卷积网络组成，产生用于情感分类任务的稳健的基于骨架的表示。我们在E-Gait数据集上评估了我们提出的框架，该数据集总共包含2177个样本。所得结果相比于现有技术水平，准确率提高了约5%。此外，在训练过程中，我们观察到我们的模型相比于现有技术方法具有更快的收敛速度。

本论文旨在通过分析人的步态来识别情绪，解决人类行为理解中的情感识别问题。这是否是一个新问题？

论文提出了一个由时空图卷积网络组成的深度框架，用于生成情感识别的骨架表示。与现有的方法相比，该框架具有更快的收敛速度和更高的准确性。

论文使用E-Gait数据集进行评估，结果表明，该框架的准确性比现有技术提高了约5％。实验设计合理，使用了开源数据集和深度学习技术。该方法在情感识别领域具有较高的应用价值。

最近的相关研究包括使用面部表情和语音识别进行情感识别的计算机视觉技术和使用传统机器学习技术进行情感识别的研究。相关论文包括：“Facial Expression Recognition Using Deep Learning: A Survey”和“Machine Learning Techniques for Emotion Recognition on Databases: A Comparative Study”。