近日，我校人工智能研究院在情感计算与步态情感识别研究方面取得新进展获得了中国中文信息学会（CIPS）的官方报道与推介。该研究成果以南宁师范大学为第一完成单位，发表在情感计算领域的国际权威学术期刊《IEEE Transactions on Affective Computing》上。研究过程中，团队依托广西人机交互与智能决策重点实验室与人工智能学院，围绕步态情感特征的时序信息提取难题开展协同攻关，为推动人机交互从传统被动响应向具备情感感知能力的主动服务转型提供了重要技术支撑。

情感计算在人机交互领域发挥着越来越重要的作用，已成为构建新一代智能化系统不可或缺的研究方向。相比面部表情、声学信号、语言文本、生理信号等模态，步态情感识别因其非接触式、远距离鲁棒性、隐私保护性等独特优势，展现出的独特优势。然而，现有的步态情感识别方法因依赖图卷积网络，往往会过度关注局部空间关系，因此很可能会混淆不同情感下的相似动作模式。

针对这一问题，黄发良教授团队创新性地提出了CGCV-GCN（认知引导的复数值图卷积神经网络）。该模型对情感特征进行复数域建模，通过额外引入相位分量来增强图卷积网络对于时序信息的提取能力。同时，该模型受到认知科学理论启发，采取从感知到认知的工作流程。在感知处理部分，模型初步提取姿态（关节坐标）、运动（速度、加速度）、手工情感特征（两点间距离、三点组成角度、三点间的三角形面积）。在认知处理部分，模型基于大脑半球侧化理论，设计了局部特征处理块、全局特征处理块、跨模态融合块，以模拟人类大脑的左半球、右半球、胼胝体的功能。

在广泛使用的E-Gait和ELMB国际公开基准数据集上的全面实验表明，CGCV-GCN模型取得了当前最优性能。其中，在E-Gait数据集上的准确率达到90.37%。F1分数较之前的最优方法提升了约6%；在ELMB数据集上的准确率达到了89.13%，F1 分数较之前的最优方法提升了约7%。相关成果在《IEEE Transactions on Affective Computing》上发表了题为“Cognition-guided Complex-valued Graph Convolutional Network for Gait Emotion Recognition”的研究论文，我校人工智能学院硕士研究生谢嘉淳为第一作者，黄发良教授为通讯作者。合作单位有北京理工大学、广西幼儿师范高等专科学校。此项创新工作因其前沿性与重要性，已得到中国中文信息学会的关注与报道。

论文链接：https://ieeexplore.ieee.org/document/11477988