Affective Air Quality (AAQ)

AAQ数据集由微软研究院收集，旨在探索挥发性气味化合物和气体传感器数据在非接触式情感检测中的应用潜力。该数据集包含23名参与者在身体两个距离（可穿戴和桌面）处的4通道气体传感器数据，以及通过特定电影片段引发的12个情绪评级。该数据集旨在分析个人化学排放与不同情感反应之间的相关性。AAQ数据集还提供了退出访谈的见解，从而全面了解对空气质量监测及其对隐私影响的看法。该数据集为更广泛的学术研究界提供了初步的基于气味的情感识别模型，以促进用户隐私优先的气味情感识别模型的发展。

The AAQ dataset was collected by Microsoft Research to explore the application potential of volatile odor compounds (VOCs) and gas sensor data in contactless emotion detection. It includes 4-channel gas sensor data from 23 participants at two physical distances (wearable and desktop setups), as well as 12 emotion ratings induced by specific film clips. This dataset is intended to analyze the correlation between personal chemical emissions and diverse emotional responses. The AAQ dataset also offers insights from exit interviews, enabling a comprehensive understanding of public perceptions regarding air quality monitoring and its privacy implications. This dataset provides a foundational resource for the broader academic research community to develop preliminary odor-based emotion recognition models, and facilitates the advancement of user-privacy-first odor-based emotion recognition systems.

搜集汇总

数据集介绍

构建方式

情感空气质量数据集通过精心设计的实验流程构建，研究团队招募23名健康参与者，在受控环境中观看12段针对五种情绪状态的视频片段。数据采集采用定制化可穿戴与桌面式气体传感设备，配备四通道金属氧化物气体传感器，实时监测参与者呼吸与体表挥发性有机化合物浓度变化。实验过程中同步记录参与者对每段视频的情感自评数据，并辅以摄入问卷、心理量表及离场访谈，形成多模态数据融合的立体化采集体系。

特点

该数据集的核心特征在于其创新性地将气体传感技术与情感计算相结合，首次实现基于商用气体传感器的情感化学信号系统化采集。数据维度涵盖双位置传感布局、多维情感标注及丰富的参与者元数据，包括人格特质、焦虑水平与情绪调节能力等心理指标。特别值得注意的是，数据集不仅包含18小时原始气体传感信号，还提供经过巴特沃斯滤波与指数加权移动平均处理的标准化数据，为后续特征工程奠定坚实基础。

使用方法

研究者可通过GitHub平台获取完整数据集，利用其开展非接触式情感识别模型的开发与验证。建议采用统计特征提取与时间序列分析相结合的方法，从四通道传感器信号中提取均值、标准差、峰峰值等248维特征向量。数据集支持传统机器学习模型与LSTM神经网络的双轨验证，其时间戳标注体系便于实现视频片段级情感状态关联分析，为探索呼吸化学成分与情绪状态的映射规律提供标准化实验范本。

背景与挑战

背景概述

情感空气质量数据集由微软研究院于2023年8月至9月期间主导构建，核心研究团队包括Jas Brooks、Javier Hernandez等学者。该数据集致力于探索挥发性气味化合物与气体传感器数据在非接触式情绪检测中的应用潜力，通过采集23名参与者在观看情绪诱发视频时的四通道气体传感器数据，建立了人体化学排放与情绪反应之间的关联分析框架。这一创新性工作填补了传统情感计算与化学信号分析领域之间的研究空白，为开发注重用户隐私舒适度的新型情绪识别技术奠定了重要基础。

当前挑战

在情绪识别领域，该数据集需解决传统视听方法存在的隐私泄露问题以及接触式传感器带来的不适感。构建过程中面临多重挑战：首先需要精准捕捉人体呼吸与体味中微量化合物的动态变化，这对传感器灵敏度提出极高要求；其次需设计严谨的实验协议控制饮食、睡眠等干扰因素；此外还涉及复杂的数据预处理流程，包括噪声过滤、特征提取等环节。同时，数据采集需平衡设备佩戴舒适度与数据质量，并建立有效的情绪诱发与标注机制，这些因素共同构成了数据集构建的核心难点。

常用场景

经典使用场景

在情感计算领域，AAQ数据集通过整合气体传感器数据与情绪评分，为探索非接触式情绪检测提供了关键资源。该数据集记录了参与者观看情绪诱发视频时呼出的挥发性有机化合物变化，结合穿戴式和桌面式设备的多通道气体监测，构建了从化学信号到情绪状态的映射桥梁。这种设计使得研究者能够分析个人化学排放与情绪反应之间的动态关联，为开发基于气味的情感识别模型奠定实验基础。

衍生相关工作

AAQ数据集催生了多项基于化学信号的情感计算研究。例如，研究者利用其多模态数据开发了结合时序特征提取与机器学习的情感分类模型，进一步优化了气体传感器在动态环境下的信号解析方法。相关研究还拓展至群体情绪分析领域，通过模拟影院场景下的集体呼吸监测，探索群体化学信号与共享情感体验的关联机制，为社交情感计算提供了新视角。

数据集最近研究

最新研究方向

情感空气质量数据集作为情感计算与化学信号交叉领域的前沿探索，聚焦于利用非接触式气体传感技术实现情绪检测。当前研究重点围绕挥发性有机化合物与人体呼吸、体味排放的关联性分析，通过可穿戴与桌面式气体传感器捕捉情绪诱发视频下的多通道数据。该领域热点集中于开发隐私保护型情感识别模型，突破传统视听方法的局限，同时结合定性访谈揭示公众对空气质量监测的伦理认知。这一方向不仅推动了低成本电子鼻技术在日常环境中的应用，更为跨学科研究提供了首个开放化学信号情感数据集，对健康监测与人机交互领域具有革新意义。

相关研究论文

• 通过

  微软研究院 · 2025年