Observers Pupil Dataset

该数据集包含两个Excel文档，分别记录了左眼和右眼瞳孔扩张的数据（归一化到0到1之间）。每个Excel文档包含19个工作表，其中L1, L3, L4, L5和H1-H5工作表包含真实笑容的数据，A1-A10工作表包含假笑容的数据。每个工作表中的p3参与者的数据不是来自亚洲，但项目主要关注亚洲参与者。数据记录时间为10秒，频率为60Hz，即600个数据点，但由于数据丢失，实际数据量略少。

This dataset comprises two Excel documents, each documenting the normalized pupil dilation data (scaled between 0 and 1) for the left and right eyes, respectively. Each Excel document contains 19 worksheets, with worksheets L1, L3, L4, L5, and H1-H5 containing data from genuine smiles, and worksheets A1-A10 containing data from fake smiles. The data for participant p3 in each worksheet is not of Asian origin, although the project primarily focuses on Asian participants. The data was recorded over a period of 10 seconds at a frequency of 60Hz, yielding 600 data points; however, the actual data volume is slightly less due to data loss.

原始信息汇总

数据集概述

数据集内容

• 包含两个Excel文档：
  • 左眼瞳孔扩张数据
  • 右眼瞳孔扩张数据
• 数据已归一化，范围为0至1。

数据结构

• 每个Excel文档包含19个工作表：
  • 真实笑容数据：L1, L3, L4, L5, H1-H5
  • 假笑容数据：A1-A10

参与者信息

• 每个工作表中的数据来自不同的参与者。
• 参与者p3的数据非亚洲来源，但项目主要关注亚洲参与者。

数据采集

• 数据采集频率为60Hz，每10秒的数据量为600个样本。
• 由于数据丢失，实际数据量略少。

搜集汇总

数据集介绍

构建方式

在观测者瞳孔数据集（Observers Pupil Dataset）的构建过程中，研究者采集了左右眼瞳孔扩张数据，数据经过归一化处理，范围限定在0到1之间。该数据集包含两个Excel文档，分别对应左右眼数据，每个文档中包含19个工作表，其中特定工作表代表真实笑容的数据，其余则代表假笑容。数据采集频率为60Hz，即每10秒采集600个数据点，但部分数据因丢失而略有减少。

特点

该数据集的一大特点是数据经过精心筛选和预处理，以确保研究重点——亚洲参与者的数据质量。数据集中，真实笑容与假笑容的明确区分，为笑容识别研究提供了重要基础。此外，数据集还特别标注了非亚洲参与者数据，以便研究者在分析时可根据需求进行筛选。

使用方法

使用该数据集时，用户需具备Python 3环境，并安装PyTorch、NumPy、Torch和sklearn.preprocessing等库。数据集以Excel文档形式提供，可直接导入处理。针对数据集中的神经网络研究，用户可利用LSTM神经网络架构，并结合Distinctiveness技术对网络进行剪枝，以优化模型性能。

背景与挑战

背景概述

Observers Pupil Dataset，这是一个专注于眼部瞳孔扩张数据的研究集。该数据集由多个研究人员和机构共同创建于近年来，旨在深入探索人类情感表达的真实性与欺骗性，特别是在微笑识别领域。数据集通过记录瞳孔扩张情况，以区分真实微笑与虚假微笑，为心理学、情感计算及人工智能等领域提供了重要的实验资源，对于相关领域的研究具有显著的推动作用。

当前挑战

数据集在构建过程中遇到的挑战主要包括：首先，如何精确地量化瞳孔扩张以区分微笑的真实性；其次，数据集在收集过程中存在部分数据损失，导致数据完整性受到影响。此外，该数据集在亚洲参与者的数据收集上存在局限性，仅部分数据来自非亚洲参与者，这可能限制了其在亚洲人群中的普遍适用性。在领域问题上，该数据集面临的挑战是如何在复杂多变的情感表达中，准确识别并分类真实与虚假的微笑，这对于提升人工智能的情感识别能力至关重要。

常用场景

经典使用场景

在情感计算研究领域，Observers Pupil Dataset被广泛用于分析和识别真实微笑与虚假微笑的生理信号差异。该数据集包含左右眼瞳孔扩张数据，通过长短期记忆（LSTM）神经网络与区分度技术对网络进行剪枝，以提升情感识别的准确度。

实际应用

在实际应用中，Observers Pupil Dataset可用于开发高级的情感识别系统，如智能监控系统、心理健康评估工具等，能够提升系统的情感理解能力，进而提高人类交互体验的质量。

衍生相关工作

基于该数据集，研究者们已衍生出多项相关工作，包括但不限于情感识别算法的改进、跨文化情感表达的差异分析以及瞳孔扩张数据在多模态情感识别中的应用研究。