$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

정서 인지를 위한 뇌파 전극 위치 및 주파수 특징 분석
Analysis of Electroencephalogram Electrode Position and Spectral Feature for Emotion Recognition 원문보기

산업경영시스템학회지 = Journal of society of korea industrial and systems engineering, v.35 no.2, 2012년, pp.64 - 70  

정성엽 (한국교통대학교 기계공학과) ,  윤현중 (대구가톨릭대학교 기계자동차공학부)

Abstract AI-Helper 아이콘AI-Helper

This paper presents a statistical analysis method for the selection of electroencephalogram (EEG) electrode positions and spectral features to recognize emotion, where emotional valence and arousal are classified into three and two levels, respectively. Ten experiments for a subject were performed u...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 본 연구에서는 다수의 피실험자를 대상으로 정서와 관련이 있는 전극의 위치와 뇌파의 특징을 분석하는 기존의 연구의 접근 방법이 아닌, 특정 피실험자를 대상으로 집중적인 반복 실험을 통하여 개인 특성에 맞는 정서와 뇌파와의 관계 규명을 위한 통계적 분석 방법을 제안하는 것을 목적으로 한다. 본 논문에서는 뇌파 신호에서 특징을 추출하기 위한 다양한 방법 중 가장 일반적으로 사용되는 주파수 분석을 우선적으로 적용해 보았으며, 통계적으로 유의한 수준 내에서 정서 상태를 인지하는데 효과적인 전극의 위치 조합 및 주파수 특징을 분석하는 것을 목적으로 한다.
  • 본 논문에서는 valence-arousal의 정서 차원 모델에서 정서의 상태를 인지하는 데 있어 의미 있는 전극의 위치 및 주파수 특징을 통계적 방법을 통하여 분석하는 방법을 제시하였다. 본 논문에서 제시된 실험 결과를 예로 들면 valence의 경우 Fp1, Fp2, Fp1-F3, F3-C3, Fp2-F4 위치에서 알파파로 구분이 가능하였음을 의미한다.
  • 따라서 본 연구에서는 다수의 피실험자를 대상으로 정서와 관련이 있는 전극의 위치와 뇌파의 특징을 분석하는 기존의 연구의 접근 방법이 아닌, 특정 피실험자를 대상으로 집중적인 반복 실험을 통하여 개인 특성에 맞는 정서와 뇌파와의 관계 규명을 위한 통계적 분석 방법을 제안하는 것을 목적으로 한다. 본 논문에서는 뇌파 신호에서 특징을 추출하기 위한 다양한 방법 중 가장 일반적으로 사용되는 주파수 분석을 우선적으로 적용해 보았으며, 통계적으로 유의한 수준 내에서 정서 상태를 인지하는데 효과적인 전극의 위치 조합 및 주파수 특징을 분석하는 것을 목적으로 한다. 이때 Wundt[13] and Lang et al.
  • 60초 동안 초록바탕의 빈 화면을 응시하고 60초 동안 눈 감은 채로 편안한 생태를 유지한 후 그룹 I에 해당하는 사진 3장을 5초 간격으로 총 15초 동안 제시한다. 정서 유발 자극제시 전 60초의 개안, 60초의 폐안의 단계는 앞선 자극의 영향을 최소화함과 동시에 자극이 제시되는 동안의 뇌파 분석에 기준 신호로 사용하기 위한 것이다. 이와 같은 개안-폐안-자극의 단계를 그룹 Ⅱ와 그룹 Ⅲ에 대해서 반복한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
최근 인간 정서 인지 기술은 어느 분야에서 활용되고 있는가? 최근 인간 정서 인지 기술은 인간-로봇 또는 인간-컴퓨터 상호작용 분야 등에서 다양하게 활용되고 있다. 인간의 표정이나 음성 정보는 정서 인지 기술 분야에서 전통적으로 많이 활용되어 왔으나, 이는 인간의 의지에 따라 왜곡될 수 있고 문화나 사회 환경에 따라 다르게 나타날 수 있다는 한계가 있다.
뇌파를 이용한 정서 인지연구에서 널리 사용되는 분석방법에는 무엇이 있는가? 뇌파를 이용한 정서 인지 기술 관련한 연구는 1990년대 초반 이후로 활발하게 진행되고 있는데, 고속 푸리에 변환(FFT, fast Fourier transform)과 사건 관련 전위(ERP, event related potential)는 뇌파를 이용한 정서 인지 분야에서 널리 사용되는 분석 방법이다. 정서 모델의 차원적 접근법(dimensional approach) 측면에서 뇌파를 이용한 정서 인지연구 중에서는 valence 인지와 관련된 연구가 절대적으로 많았다.
인간의 정서를 파악할 때 뇌파와 같은 인간의 생체 신호를 활용하는 이유는 무엇인가? 인간의 표정이나 음성 정보는 정서 인지 기술 분야에서 전통적으로 많이 활용되어 왔으나, 이는 인간의 의지에 따라 왜곡될 수 있고 문화나 사회 환경에 따라 다르게 나타날 수 있다는 한계가 있다. 인간의 정서를 보다 객관적이고 높은 신뢰도로 인지하고자 할 때 이러한 한계를 극복할 수 있는 또 다른 방법은 뇌파(EEG, electroencephalogram)와 같은 인간의 생체 신호 정보를 활용하는 것이다. 특히 자폐스펙트럼장애(autistic spectrum disorder) 등과 같이 자신의 정서 상태를 적절히 표현하지 못하는 정신질환이 있는 경우에는 생체 신호 정보를 이용한 정서 인지 기술이 진단 및 치료에 적절하게 응용될 수 있다[2, 12].
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. Center for the Study of Emotion and Attention, International Affective Picture System(IAPS) : Technical Manual and Affective Rating, NIMH-Center for the Study of Emotion and Attention, University of Florida, Gainesville, FL, 1999. 

  2. Chung, S. Y. and Yoon, H. J.; "A Framework for Treatment of Autism Using Affective Computing," in Proceedings of Medicine Meets Virtual Reality(MMVR) 18, Newport Beach, CA, USA, February 8-12, 2011. 

  3. Crabbe, J. B., Smith, J. C., and Dishman, R. K.; "Emotional and Electroencephalographic Responses during Affective Picture Viewing after Exercise," Psychology and Behavior, 90 : 394-404, 2007. 

  4. Devore, J. L.; Probability and Statistics for Engineering and the Science, Duxbury Press, 34, 1995. 

  5. Fox, N. A.; "If It's Not Left, It's Right : Electroencephalograph Asymmetry and the Development of Emotion," American Psychologist, 46 : 863-872, 1991. 

  6. Fox, N. A.; Dynamic Cerebral Processes Underlying Emotion Regulation, In : N. A. Fox (Ed.), The Development of Emotion Regulation : Behavioral and Biological Considerations, Monographs of the Society for Research in Child Development, 59 : 152-166, 1994. 

  7. Heller, W.; "Neuropsychological Mechanisms of Individual Differences in Emotion, Personality, and Arousal," Neuropsychology, 7(4) : 476-489, 1993. 

  8. Lang, P. J., Bradley, M. M., and Cuthbert, B. N.; "Emotion, Motivation, and Anxiety : Brain Mechanisms and Psychophysiology," Biological Psychiatry, 44(12) : 1248-1263, 1998. 

  9. Muller, M. M., Keil, A., Gruber, T., and Elbert, T.; "Processing of Affective Pictures Modulates Right- Hemispheric Gamma Band EEG Activity," Clinical Neurophysiology, 110 : 1913-1920, 1999. 

  10. Schaaff, K. and Schultz, T.; "Towards Emotion Recognition from Electroencephalographic Signals," in Proceedings of the 2009 International Conference on Affective Computing and Intelligent Interaction, Amsterdam, The Netherlands, 792-796, 2009. 

  11. Schmidt, L. A. and Trainor, L. J.; "Frontal Brain Electrical Activity (EEG) Distinguishes Valence and Intensity of Musical Emotions," Cognitive and Emotion, 15(4) : 487-500, 2001. 

  12. Takahashi, K.; "Remarks on Emotion Recognition from Bio-Potential Signals," in Proceedings of the 2nd International Conference on Autonomous Robots and Agents, Palmerston North, New Zealand, December, 13-15, 2004. 

  13. Wundt, W.; Grundzuge der Physologischen Psychologie, Leipzig : Engelmann, 1905. 

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로