情绪识别数据集汇总心电相关and申请方法 呕心沥血之作 全网唯一 AMIGOS ASCERTAIN CLAS DECAF DREAMER MANHOB-HCI MPED SWELL CASE_amigos数据集

心电信号情绪识别数据集

针对情绪识别的任务，在学习了一定的代码知识之后，摆在面前最大的问题就是如何寻找并申请使用数据集，这里我找到了9个情绪识别相关的数据集，由于我的课题原因，所以根据一篇综述找一下目前所公开的包含心电信号的情绪识别数据集并且找一下他们申请的网站。最终我找到了9个数据集，并且获得了其中几个数据集的成功申请的经验，下文将首先铺垫一下情绪识别数据集的一些基础知识，之后会介绍申请数据集的的详细方式，以及我申请成功的数据所返回的邮件内容，以及数据集的下载，和其中一些数据的读取方式，本篇文章是我写的所有文章里的内容之最，并且我感觉是一定程度上填补了目前国内网上相当一部分申请情绪识别相关数据集教程的空白

---

综述: Electrocardiogram-Based Emotion Recognition Systems and Their Applications in Healthcare—A Review
这是一篇2021年的基于心电信号的情绪识别系统以及在健康领域的应用的回顾，其中介绍了目前公开的所有的心电信号相关的数据集，以及一些准确率较高的心电信号情绪识别相关的论文信息对比。

情绪评价模型(Emotion model)

首先需要了解在研究中，科研人员们评价情绪的几种方式

（1）离散情绪模型Discrete Emotional Model(DEM)

离散情绪模型是指用一个具体的情绪词汇表达当前个体的情绪状态，例如，快乐（joy），恐惧（fear），愤怒（anger），厌恶（disgust），悲伤（sad），有趣（funny），平静/自然（neutral）等，这种情绪表达模式被标准化并且在不同的语言和文化中共同分享，在这种情绪表示方式也就是情绪模型中最常见的是，幸福（happiness），悲伤（sadness），愤怒（anger），选择这三种情绪的原因是与其他更放松的情绪相比，具有更显著的唤醒水平。

（2）感情维度模型Affective Dimensional Model(ADM)

将情绪状态在两个维度,愉悦度(Valence),唤醒度(Arousal),也有研究人员加入了第三个维度，受迫度(Dominance)。在两个或者三个维度上用数字量化出当前情绪的状态。

与DEM相比，ADM的多功能性如下图所示。基于价和唤醒量表，可以根据强度程度对情绪类别进行细分。高价-高唤醒（HVHA）映射到兴奋，而高价-低唤醒（HVLA）映射到感觉平静或放松。低-高唤醒（LVHA）被认为是愤怒和痛苦，而低-低唤醒（LVLA）与悲伤和沮丧有关。刻度的中间被视为中性状态。

（3）二元情绪模型Binary Emotional Model

二元情绪模型包括积极和消极情绪状态（Pos/Neg）。该模型的目的是简单地概括哪些情绪是坏的，哪些情绪是好的。负面情绪可能会给携带者及其周围的人带来心理压力。长期暴露于负面情绪是不健康的，因为它会影响一个人的生理状态。抑郁症、焦虑和双相情感障碍是情绪和精神压力的已知影响。此外，通过将情感模型简化为两类，可以以较低的复杂度构建情感识别系统的目标应用。还可以预期训练和测试模型的更高精度。下图显示了一种二元情绪压力模型。任何被归类为负面情绪的情绪，如悲伤、愤怒、恐惧和厌恶，都是可能导致并发症的潜在压力因素。因此，二元情感模型是情感计算研究的另一个重要分类模型。

情绪激发Emotion Elicitation

在实验中，为了获得实验者的情绪需要通过一套标准的操作程序，以及选择合理的方法来诱导受试者产生目标情绪。有五种常见的激发技术，即视听、图像、音乐、回忆和情景诱导。

情绪评估Emotion Evaluation

情感评估是对收集的数据进行情感标签的填写。最常见的方法是通过第一人称视角或自我评估。通过这种方式，受试者在自我评估人体模型（SAM）上对自己的情绪进行个人标记。还有一种方法是第二人称或者第三人称视角，通过怪查受试者的面部表情和身体姿势的变化对受试者感受到情绪进行猜测。

数据集（我能找到申请方式的）

AMIGOS

AMIGOS是一个代表了个人和群体个性特征和情绪的多模式研究数据集。这些数据来自40名观看视频的受试者，每个受试者有16个样本。包括ECG、EEG和GSR的生物信号。采样频率为256 Hz。使用的心电图导联配置为右臂-左腿（RA-LL）和左臂-左脚（LA-LL）。情感注释标签来自自我评估，以及使用三维的感情维度模型的第三人称视角。

AMIGOS官网链接: http://www.eecs.qmul.ac.uk/mmv/datasets/amigos/index.html
官网界面如下点击download跳转到用于申请和下载数据的界面

点击End User License Agreement 下载EULA签署使用许可协议

然后点击红色的AMIGOS dataset request server 跳转链接

进入申请服务界面之后，提交申请信息，和签好的申请许可协议的扫描文件

虽然这是一个很好的数据集但是感觉很难申请的下来，我申请了8次前几次还给我回信，后来直接确认接受邮件的链接都不给我发了，我找了香港的同学，暂时好像是崩了。

ASCERTAIN

ASCERTAIN 数据集这些数据来自58名观看36段视频片段的受试者。使用的生理信号为ECG、EEG和GSR。对于ECG，采样率为256 Hz，有两种未指定的导联配置。情绪注释视角仅来自我评估，所使用的模型是在价和觉醒量表上的ADM。
ASCERTAIN 官网链接: https://ascertain-dataset.github.io/
进到官网之后点击获取数据集

点进去之后下载EULA签了之后给官方发邮件题目叫ASCERTAIN access request按照EULA里面的邮件地址和要求发


这个官方也不太喜欢搭理人

CLAS

收集了30名受试者实时的ECG、BVP、EMG和GSR（EDA）。配置设置有三个导联，采样频率1 kHz。注释是通过使用ADM进行自我评估。
CLAS IEEE dataset官网链接: https://ieee-dataport.org/open-access/database-cognitive-load-affect-and-stress-recognition/
点进去之后直接按红色箭头下载文件和文档

改数据集虽然下载方便但是很难找标签，目前我也还是没找到所以只提供了下载的方式。

DECAF

DECAF dataset官网链接: https://decaf-dataset.github.io/

这是一个使用音乐和视频两种方式刺激的的数据集，一共有30位受试人员，每个受试人员分别有40段的音乐刺激以及36段的视频刺激主界面如下。

进入了官网以后点上面的Preoeocessd Data 然后点击EULA下载

之后按照里面的要求签好对应的内容之后，然后把附件法发到蓝色的这个邮箱，最好用机构邮箱并且附上你的谷歌ID，就是等登录谷歌浏览器的邮箱账号，得自己注册一个，大陆可能不太行，然后可能还得求助美国的朋友