Emotion recognition based on the speech, using a Naive Bayes classifier

Abstract

Speech emotion recognition is one of the latest challenges in speech processing. Besides facial expressions or gestures, speech has proven as one of the most promising modalities for the automatic emotion recognition. To identify the emotions from he speech signal, many systems have been developed. This project presents the results from the application of Naive Bayer classifier over different types of features. Automatic detection of emotions has been evaluated using standard Mel-Frequency Cepstral Coefficients, MFCCs, and pitch related features extracted from a speech corpus. This corpus contains a set of recorded sentences by actors and actresses which express different emotions. The classification performance is based on extracted features. The best results are around 78% of accuracy using proper layers and weights in the classifier. Classifying emotions with Naive Bayes provides quick probabilistic results and performs better than more sophisticated classifiers.

El reconocimiento de emociones es uno de los últimos retos en el procesamiento de la voz. Además de las expresiones faciales o gestuales, la voz ha sido demostrada como una de las modalidades más prometedoras en el ámbito del reconocimiento de emociones. Para identificar emociones a partir de una señal de voz, muchos sistemas han sido desarrollados. Este proyecto presenta los resultados de la aplicación de un clasificador Naïve Bayes utilizando una variedad de características. La detección automática de emociones ha sido posible utilizando MFFCCs (Miel Frequency Cepstral Coefficients) y características relacionadas con el 'pitch', extraídas de una base de datos de audio. Este corpus contiene un conjunto de frases representadas por actores y actrices que expresan diferentes emociones. El rendimiento de la clasificación depende de las características extraídas. Los mejores resultados están alrededor de un 78% de precisión, utilizando pesos y capas apropiadas en el clasificador. Clasificar emociones con el clasificador Naïve Bayes proporciona resultados probabilísticos, rápidos y actúa mejor que clasificadores más sofisticados.

El reconeixement d'emocions és un dels últims reptes en el processament de la veu. A més a més de les expressions facials o gestuals, la veu ha estat demostrada com una de les modalitats més prometedores en l'àmbit del reconeixement d'emocions. Per a identificar emocions a partir d'un senyal de veu, molts sistemes han sigut desenvolupats. Aquest projecte presenta els resultats de l'aplicació d'un classificador Naïve Bayes utilitzant una varietat de característiques. La detecció automàtica d'emocions ha sigut possible utilitzant MFFCCs (Mel Frequency Cepstral Coefficients) i característiques relacionades amb el 'pitch', extretes d'una base de dades d'àudio. Aquest corpus conté un conjunt de frases representades per actors i actrius que expressen diferents emocions. El rendiment de la classificació depèn de les característiques extretes. Els millors resultats estan al voltant d'un 78% de precisió, utilitzant pesos i capes apropiades en el classificador. Classificar emocions amb el classificador Naïve Bayes proporciona resultats probabilístics, ràpids i actua millor que classificadors més sofisticats.