EmotionVibe

EmotionVibe数据集由斯坦福大学的研究团队创建，用于情感识别研究。该数据集通过捕捉参与者脚步引起的地板振动模式，包含37,001个脚步样本，旨在分析情感与脚步振动之间的关系。数据集的构建基于情感对步行模式的影响，以及步行模式对脚步引发的地板振动的影响，适用于室内情感识别系统的开发与研究。

The EmotionVibe dataset was developed by a research team at Stanford University for emotion recognition research. It captures floor vibration patterns induced by participants' footsteps and contains 37,001 footstep samples, aiming to analyze the correlation between emotions and footstep-induced floor vibrations. The construction of the dataset is based on the dual impacts: emotions exert influence on walking patterns, and walking patterns in turn affect the floor vibrations induced by footsteps, making it applicable to the development and research of indoor emotion recognition systems.

搜集汇总

数据集介绍

构建方式

EmotionVibe数据集的构建基于对人类情绪状态如何影响步态模式，并进一步影响脚步引起的地板振动的研究。研究人员通过分析脚步引起的地板振动模式来推断行人的情绪状态。为了克服人类情绪与脚步引起的地板振动之间复杂和间接的关系以及情绪与步态模式之间的大量个人差异，研究人员首先实证地描述了这种复杂的关系，并从脚步引起的地板振动中开发了一个情绪敏感的特征集，包括与步态相关的特征和与振动相关的特征。此外，通过计算目标人与训练数据集中的人之间的步态相似性，并分配更大的权重给训练数据集中具有相似步态模式的人，研究人员为每个用户个性化了情绪识别系统。

特点

EmotionVibe数据集的特点在于其非侵入性和隐私友好性，使其适用于家庭应用。该数据集包含由脚步引起的地板振动数据，这些数据被用来推断个人的情绪状态。该数据集还包含了情绪敏感的特征集，这些特征集由与步态相关的特征和与振动相关的特征组成。这些特征集被用来捕捉人类情绪与地板振动之间的复杂关系，并通过个性化情绪识别模型来提高情绪识别的准确性。

使用方法

使用EmotionVibe数据集时，首先需要收集和预处理脚步引起的地板振动数据。然后，从预处理后的单个脚步信号中提取情绪敏感特征，包括与步态相关的特征和与振动相关的特征。接下来，开发一个通用的情绪识别模型来进行初步的情绪识别和数据驱动的情绪信息提取。最后，通过比较目标人与训练数据集中的人之间的步态相似性，并将这些步态相似性作为权重分配给训练数据，对情绪识别模型进行个性化处理。EmotionVibe最终输出目标人的情绪估计结果，由效价和唤醒度得分表示。

背景与挑战

背景概述

情感识别在心理健康监测和情感驱动的智能家居设备等领域具有重要作用。然而，现有的情感识别方法，如可穿戴传感器、摄像头和麦克风，由于侵入性和隐私问题，在长期家庭使用中存在局限性。为了克服这些局限性，Wu等人（2025）提出了EmotionVibe，一个基于脚步引起的地板振动的非侵入性和隐私友好的个性化情感识别系统。EmotionVibe的核心思想是，个体的情绪状态会影响他们的步态模式，进而影响他们的脚步引起的地板振动。通过分析脚步引起的地板振动模式，可以推断出行人的情绪状态。该系统通过实验室实验和现实世界行走实验进行了评估，结果表明，EmotionVibe在情感得分估计方面取得了良好的效果。

当前挑战

EmotionVibe在情感识别过程中面临两个主要挑战。首先，人类情绪与脚步引起的地板振动之间存在着复杂且间接的关系，这使得情感识别变得困难。其次，人类情绪与步态模式之间的关系存在很大的人与人之间的差异，这导致步态特征和脚步引起的地板振动模式的高度多样性。为了应对这些挑战，EmotionVibe开发了一个情感敏感的特征集，包括与步态相关和与振动相关的特征，并基于目标用户与训练数据集中人的步态相似性，对情感识别模型进行了个性化。

常用场景

经典使用场景

EmotionVibe数据集被广泛应用于情绪识别的研究中，特别是在智能家居系统和心理健康监测领域。通过分析脚步引起的地板振动模式，该数据集可以帮助识别个人的情绪状态，从而实现情绪驱动的智能推荐系统，如音乐推荐、照明和温度调整等，以增强用户体验。此外，EmotionVibe还可以用于早期检测心理健康问题，如抑郁症和焦虑症，从而促进早期干预和治疗。

衍生相关工作

EmotionVibe数据集的提出和研究引发了相关领域的一系列研究。例如，一些研究者在EmotionVibe的基础上，进一步研究了情绪与脚步引起的地板振动之间的关系，并提出了更加精确的特征提取方法和模型简化方法。此外，一些研究者还尝试将EmotionVibe与其他情绪识别方法相结合，如面部表情识别和语音识别，以提高情绪识别的准确性和鲁棒性。EmotionVibe数据集的研究成果也为其他领域的研究提供了启示，如结构健康监测和人-建筑交互研究等。

数据集最近研究

最新研究方向

EmotionVibe数据集的最新研究方向主要集中在通过脚步引起的地板振动来识别个人情感状态。该研究旨在克服传统情感识别方法的局限性，如侵入性和隐私问题，通过分析脚步引起的地板振动模式来推断行人的情感状态。EmotionVibe系统通过开发情感敏感的特征集，包括与步伐相关的和振动相关的特征，来捕捉人类情感与地板振动之间的复杂关系。此外，该系统还通过计算目标用户与训练数据集中人员的步伐相似度来个性化情感识别模型，从而提高识别准确率。该研究的意义在于为长期的家庭应用提供了一种非侵入性和隐私友好的情感识别方法，有助于心理健康监测和情感驱动的智能家居系统的开发。

相关研究论文

• Personalized Emotion Detection from Floor Vibrations Induced by Footsteps

  斯坦福大学 · 2025年