Estudio de la relación entre las señales fisiológicas y las emociones
Imágenes
Fecha: septiembre 2019
Autor: Erica Gema Perdomo Suárez
Tutores: Carlos M. Travieso González y Jesús B. Alonso Hernández
Resumen del TFM:
A lo largo de la historia, se han realizado múltiples estudios de la relación emoción y fisiología. Haciendo uso de estos, se plantea el establecer patrones de reconocimiento entre las señales fisiológicas y las emociones, mediante el uso de parámetros estadísticos y entropías.
Para generar el asco y el miedo se han utilizado seis vídeos previamente seleccionados, tres de asco y tres de miedo, repartidos en tres sesiones. Cada sesión cuenta con un vídeo de asco y uno de miedo. Cada prueba realizada se ha dividido en cinco estados: el primero es un estado de relajación, el segundo es el previo a la emoción, el tercero es el estado de la emoción, el cuarto es el post-emoción, y el quinto es la vuelta a la relajación.
El trabajo ha consistido en la toma de datos a partir de diferentes sujetos. A nivel tecnológico se ha utilizado un Arduino como microprocesador, una placa e-Health y sensores para la detección del flujo de aire, el pulso, la saturación de oxígeno en sangre, la conductancia y la temperatura. Se ha hecho uso de una programación previamente diseñada para la obtención de datos y todos los datos recogidos han sido almacenados en una base de datos. Los datos de cada prueba se han dividido según los estados de la emoción para cada vídeo. Y se han parametrizado para su posterior entrada a las redes neuronales.
Se han diseñado ocho redes neuronales artificiales multicapa y se ha hecho uso del entrenamiento supervisado. En el caso del asco, se ha obtenido un buen resultado en el estado de reconocimiento de la emoción, cuanto mayor porcentaje de entrenamiento mejor han sido los resultados. Mientras, que en el caso del miedo, los resultados permiten reconocer solo el estado previo a la emoción, probablemente debido a la duración de los vídeos y a un posible solapamiento entre los diferentes estados.
Throughout history, multiple studies have been conducted on the relationship emotion and physiology. Making use of these studies, it is proposed to establish recognition patterns between physiological signals and emotions by statistical features and entropies.
To generate disgust and fear have been used six previously selected videos, three on disgust and three on fear, where one video of each expression is observed in different session, until to complete the six videos. Therefore, there will be three sessions. Each test has been divided into five states: the first is a state of relaxation, the second is prior to emotion, the third is the state of emotion, the fourth is post-emotion, and the fifth is the return to relaxation.
The work consisted of taking data from different subjects. Technologically, an Arduino has been used as a microprocessor, an e-Health board and sensors for the detection of air flow, pulse, oxygen saturation in blood, conductance and temperature. Its use was made by a programming previously designed for obtaining data and all the collected data have been stored in a database. The data of each test has been divided according to the emotion states for each video. And they have been parameterized for their subsequent entry into neural networks.
Eight artificial multilayer neural networks have been designed and a supervised training has been used. In the case of disgust, a good result has been obtained in the state of emotion recognition. On simulation, when the percentage of training was increased, the calculated accuracy was increased, too. Meanwhile, in the case of fear, the results allow only the pre-emotion state to be recognized, probably due to the duration of the videos and to a possible overlapping between the different states.