本项目聚焦基于RGB视频的非接触式心率检测技术(rPPG)，提出了一种结合时空差分卷积与双向Mamba网络的创新算法rPPGMamba。通过3D时空卷积、时序差分增强、快慢双流结构和Bi-Mamba序列建模，该模型能有效捕捉人脸视频中微弱的周期性脉搏信号。项目特别强调跨数据集泛化能力，在PURE、UBFC-rPPG和MMPD三个数据集上构建了严格的跨被试测试方案。实验结果显示，在PURE到UBFC

​项目内容任务多类别情绪识别（4 类）情绪类别喜悦（Happy）、愤怒（Angry）、恐惧（Fear）、悲伤（Sad）被试人数15 名受试者采集设备EEG：62 通道（由 ESI NeuroScan System 采集）Eye-tracking：Tobii X120采样率EEG：1000Hz时长每个被试观看 72 个情绪诱导视频，每个视频约 1 分钟实验次数每位受试者重复实验 3 次（跨天）标签来

CASME II 数据库的使用需要遵循许可协议，通常要求在相关学术论文中引用原始数据库论文。研究人员使用该数据库时，需确保符合伦理规范并尊重参与者的隐私权。这个数据库为微表情研究提供了坚实的数据基础，是微表情自动检测与分析领域的重要资源。

论文地址：链接：https://pan.baidu.com/s/1PggKePEXd324YjkX9AVTHA 提取码：npafCASME （Chinese Academy of Sciences Micro-Expression ）是中国科学院心理研究所发布的第一个微表情数据库，旨在为微表情识别和分析研究提供基础数据。微表情是人类在情绪受到抑制时不经意间流露出的短暂面部表情，通常持续时间非常短。

WESAD是由德国联邦理工学院发布的多模态情绪识别数据集，包含17名受试者通过RespiBAN胸带和EmpaticaE4腕带采集的ECG、EDA、PPG等生理信号，对应基线、压力和愉悦三种情绪状态。该数据集以.pkl格式存储信号数据和标签，广泛应用于情绪分类、传感器对比和深度学习建模研究。

​项目内容任务多类别情绪识别（4 类）情绪类别喜悦（Happy）、愤怒（Angry）、恐惧（Fear）、悲伤（Sad）被试人数15 名受试者采集设备EEG：62 通道（由 ESI NeuroScan System 采集）Eye-tracking：Tobii X120采样率EEG：1000Hz时长每个被试观看 72 个情绪诱导视频，每个视频约 1 分钟实验次数每位受试者重复实验 3 次（跨天）标签来

WESAD是由德国联邦理工学院发布的多模态情绪识别数据集，包含17名受试者通过RespiBAN胸带和EmpaticaE4腕带采集的ECG、EDA、PPG等生理信号，对应基线、压力和愉悦三种情绪状态。该数据集以.pkl格式存储信号数据和标签，广泛应用于情绪分类、传感器对比和深度学习建模研究。

SEED-V数据集 脑电数据集 下载方式

DREAMER 脑电数据集 下载方式

SMIC 微表情数据集下载