内含已整理好的八种情绪（neutral、anger、contempt、disgust、fear、happy、sadness、surprise）以及未整理前的数据（鉴于部分同胞需要。） Cohn-Kanade（CK+）扩 展 数 据是目前比较通用的人脸表情数据集，适合于人脸表情识别的研究。它是 2010 年在Cohn-Kanda 数据集的基础上扩展得来的，包含 123 名参与者、593 个图片序列。CK + 与CK 数据集的区别为 CK 数据集只有静态图片，CK + 数据集中还包括动态视频，两者都含有情绪标签，指出了参与者的表情。

基于深度模态融合网络的多模态情感识别，陈坤，夏海轮，情感识别在情感计算领域是一个具有挑战性的课题，因为从音视频多模态数据中提取出具有判别性的特征来识别人类情感中的细微差距仍

针对GMM应用于情感识别时区分能力较弱的缺点，提出了一种将GMM与SVM有效结合的算法:基于GMM-UBM多维概率输出的SVM语音情感识别方法。该方法将GMM-UBM模型对一条语音的情感特征参数的两种多维概率输出（与特征向量同维、与GMM阶数同维）作为SVM分类器的特征参数，既利用了GMM表征数据本身统计特性的能力，又保留了SVM判决能力强的特点。在柏林情感语音库与汉语情感语料库上进行的实验结果表明，该方法在语音情感识别上的平均识别率较标准GMM方法提高1.7%3.7%。

非声乐音乐的情感识别

基于3D模型的连续情感识别

CASIA是一个比较基础的中文情感数据库，快速建立自己的语音情感识别系统，

中科大语音情感识别数据集免费版 四人版 1200条语音 六种情感 汉语，4 个人（2 名男性，2 名女性）的大约 1200 个音频，表达了 6 种不同的情绪：neutral，happy，sad，angry，fearful，surprised。

语音情感特征的提取和选择是语音情感识别的关键问题，针对线性预测（LP）模型在语音情感谱包络方面存在的不足。本论文提出了最小方差无失真响应（MVDR）谱方法来进行语音情感特征的提取；并通过人工蜂群（ABC）算法找到最优语音情感特征子集，消除特征冗余信息；利用径向基函数（RBF）神经网络对CASIA汉语情感语料库中的4种情感语音即生气、平静、高兴、害怕进行实验识别。实验结果表明，该方法比线性预测法有更高的识别率和更好的鲁棒性。

基于深度学习的人脸面部情感识别的研究_哈工大硕士论文2016

vuisal studio 2005 调用matlab引擎进行语音情感识别