基于EMG传感器和机器学习模型的便携式面部表情系统
Paola A Sanipatín-Díaz1, Paul D Rosero-Montalvo2, Wilmar Hernandez3
1SDAS Research Group, Hay Moulay Rachid, Ben Guerir 43150, Morocco.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
这项研究介绍了一种使用电肌图 (EMG) 传感器的便携式设备,用于识别六种主要人类情绪. 该系统在CortexM0微控制器上实现了92%的分类准确度,使得在现场收集情绪数据.
科学领域:
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
- 人与计算机的交互
背景情况:
- 对计算机来说,解释人类情绪是一个重大的挑战.
- 传统的方法,如计算机视觉和脑电图,需要大量的计算资源.
- 便携式传感器为捕获行为数据提供了本地化解决方案.
研究的目的:
- 开发一种便携式设备,使用电肌图 (EMG) 传感器识别人类六种主要情绪.
- 评估在有限的计算能力下对设备内情感识别的可行性.
- 突出自然主义数据收集对情感识别的重要性.
主要方法:
- 使用放置在特定面部肌肉上的电肌图 (EMG) 传感器.
- 在CortexM0微控制器上实施深度学习模型,用于情绪分类.
- 从自然环境中收集和处理数据.
主要成果:
- 在识别六种主要情绪 (快乐,愤怒,惊喜,恐惧,悲伤,厌恶) 中,获得了92%的分类准确度.
- 在CortexM0微控制器上展示了足够的计算能力,用于设备上的深度学习模型存储.
- 验证了自然主义数据收集和机器学习管道的必要性,以有效地识别情绪.
结论:
- 便携式EMG传感器设备可以有效地识别高精度的初级人类情绪.
- 带有微控制器的边缘计算可用于实时情绪分析.
- 自然主义的数据收集和处理对于强大的情绪识别系统至关重要.
更多相关视频
07:12Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
Published on: August 26, 2016
9.4K
04:27Using Facial Electromyography to Assess Facial Muscle Reactions to Experienced and Observed Affective Touch in Humans
Published on: March 15, 2019
11.1K
