elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English Sonntag, 29. Dezember 2024
Schriftgröße: [-] Text [+]

Frustration Recognition Using Spatio Temporal Data: A Novel Dataset and GCN Model to Recognize In-Vehicle Frustration

Bosch, Esther Johanna und Le Houcq Corbi, Raquel und Ihme, Klas und Hörmann, Stefan und Jipp, Meike und Käthner, David (2022) Frustration Recognition Using Spatio Temporal Data: A Novel Dataset and GCN Model to Recognize In-Vehicle Frustration. IEEE Transactions on Affective Computing. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/TAFFC.2022.3229263. ISSN 1949-3045.

[img] PDF - Nur DLR-intern zugänglich - Verlagsversion (veröffentlichte Fassung)
4MB

Kurzfassung

Frustration is an unpleasant emotion prevalent in several target applications of affective computing, such as human-machine interaction, learning, (online) customer interaction, and gaming. One idea to redeem this issue is to recognize frustration to offer help or mitigation in real-time, e.g. by a personal assistant. However, the recognition of frustration is not limited to these applied contexts but can also inform emotion research in general. This paper presents a dataset of 43 participants who experienced frustration in driving-related situations in a simulator. The data set contains a continuous subjective label, hand-annotated face and body expressions, facial landmark coordinates of two cameras, and the participants’ age and sex information. In addition, a descriptive analysis and description of the data’s characteristics are provided together with a Graph Convolution Network based model to recognize frustration. Allowing for a tolerance of 10%, the model could correctly identify frustration with a similarity of 79.4 % and a variance of 7.7 %. This work is valuable for researchers of the affective computing community because it provides realistic data with an in-depth description of its characteristics and a benchmark model for automated frustration recognition. Our FRUST-dataset is publicly available under: https://ts.dlr.de/data-lake/frust-dataset/.

elib-URL des Eintrags:https://elib.dlr.de/194790/
Dokumentart:Zeitschriftenbeitrag
Titel:Frustration Recognition Using Spatio Temporal Data: A Novel Dataset and GCN Model to Recognize In-Vehicle Frustration
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iD
Bosch, Esther Johanna*Esther.Bosch (at) dlr.dehttps://orcid.org/0000-0002-6525-2650
Le Houcq Corbi, Raquelraquel.lehoucq (at) gmail.com
Ihme, KlasKlas.Ihme (at) dlr.dehttps://orcid.org/0000-0002-7911-3512
Hörmann, Stefans.hoermann (at) tum.de
Jipp, MeikeMeike.Jipp (at) dlr.de
Käthner, DavidDavid.Kaethner (at) dlr.dehttps://orcid.org/0000-0003-4168-2266
*DLR corresponding author
Datum:Dezember 2022
Erschienen in:IEEE Transactions on Affective Computing
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/TAFFC.2022.3229263
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:1949-3045
Status:veröffentlicht
Stichwörter:Frustration Recognition, Naturalistic Dataset, Graph Convolution Network, Affect-Aware Systems
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Verkehrssystem
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V VS - Verkehrssystem
DLR - Teilgebiet (Projekt, Vorhaben):V - DATAMOST - Daten & Modelle zur Mobilitätstransform
Standort: Braunschweig
Institute & Einrichtungen:Institut für Verkehrssystemtechnik > Informationsflussmodellierung in Mobilitätssystemen, BS
Institut für Verkehrsforschung > Leitungsbereich VF
Hinterlegt von: Bosch, Esther Johanna
Hinterlegt am:28 Apr 2023 15:06
Letzte Änderung:28 Apr 2023 15:06

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Einige Felder oben sind zurzeit ausgeblendet: Alle Felder anzeigen
Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.