음성 데이터를 이용한 인간의 정서 분류를 위한 얕은 네트워크와 깊은 신경망의 비교적 실증 분석

인간의 감정은 말의 음성 특성 분석부터 말을 하기 전에 나타나는 얼굴 표정, 또는 말하지 않아도 다양한 감정을 암시할 수 있는 신체 자세에 이르기까지 다양한 방식으로 식별할 수 있다. 개인의 정확한 감정을 파악하면 상황을 이해하고 그에 적절히 반응하는 데 도움이 된다. 이 현상은 일상적인 인간과의 소통에 사용되는 피드백 시스템, 특히 스마트 홈 솔루션에 활용되는 시스템에서도 마찬가지로 적용된다. 자동 감정 인식 분야는 컴퓨터 비전, 생리학, 인공지능에 이르기까지 다양한 연구 분야에서의 활용 사례를 포함한다. 본 연구는 말의 발화 방식을 기반으로 감정을 중립, 기쁨, 슬픔, 분노, 평온, 두려움, 혐오, 놀람의 여덟 가지 범주로 분류하는 데 초점을 맞추었다. 이를 위해 “리저너(Audio-Visual Database of Emotional Speech and Song)” 데이터베이스(RAVDESS)를 활용하였다. 본 연구는 음성 신호를 기반으로 한 음성 대화의 감정 분류를 위한 새로운 접근법을 제안한다. 음성 신호의 음향적 특성을 활용한 감정 분류는 특정 언어에 종속되지 않으며, 다국어 감정 인식에 활용될 수 있다. 본 연구의 목적은 실시간 음성 신호에 대해 감정을 자동으로 인식할 수 있는 시스템을 개발하는 것이었다. 여러 시뮬레이션을 수행한 결과, 얕은 CNN 모델을 사용하여 최고 82.99%의 정확도를 달성하였다.