[esp] Las emociones juegan un papel fundamental en nuestras vidas y está demostrado que
nuestro estado anímico influye en las capacidades cognitivas y en el procesamiento y
almacenaje de la información [6]. Además, cada vez vivimos en un entorno más
tecnológico donde la interacción humano–máquina cobra mayor importancia. En este
aspecto, resulta clave detectar estados anímicos como miedo, frustración o desagrado
para poder responder de la manera más empática e inteligente posible [7]. Por este
motivo, en las últimas décadas se han realizado numerosos estudios con el fin de ser
capaces de reconocer las emociones humanas. La mayoría se basan en imágenes para
reconocer expresiones faciales, pero también se han investigado dichas emociones a
partir de los gestos, el diálogo/texto, el tono de voz, la respuesta galvánica de la piel,
las imágenes de resonancia magnética (MRI) o la encefalografía (EEG).
De los métodos anteriores, tanto los gestos, la voz, el diálogo y especialmente las
expresiones faciales han demostrado ser útiles para el reconocimiento de emociones
pero también fácilmente alterables y dependientes de variables físicas como el nivel de
luminosidad y fondo de la imagen. Por ello, el reconocimiento mediante señales EEG
puede proporcionar una información más completa y global e incrementar todavía
más el grado de acierto a la hora de reconocer emociones incluso frente a casos que
puedan generar confusión o rostros neutros.
Por todo ello, el objetivo del presente Trabajo Fin de Máster es ser capaces de
reconocer emociones mediante señales EEG de forma satisfactoria. Previamente, se
estudiará el estado del arte de dispositivos, bases de datos y técnicas comúnmente
utilizadas. A continuación, se explorará el desempeño de diferentes redes para
seleccionar la más idónea para la tarea de reconocimiento de emociones. También se
realizarán experimentos enfocados a mejorar aún más el porcentaje seleccionando
datos de mayor calidad, así como diferentes formas de presentarlos. Dichos datos
serán los valores en mV de la propia señal de electroencefalografía en vez de
características frecuenciales o estadísticas de la propia señal (como la media o la
desviación típica), lo que supone una aproximación diferente a la del resto de estudios
mencionados en el presente trabajo. Finalmente, en base a los resultados obtenidos
se determinará si este tipo de aproximación es válida para el reconocimiento de
emociones.
[cat] Les emocions juguen un paper fonamental en les nostres vides i està demostrat que el
nostre estat anímic influeix en les capacitats cognitives i en el processament i
emmagatzematge de la informació [6]. A més, cada vegada vivim a un entorn més
tecnològic on la interacció humà-màquina cobra major importància. En aquest aspecte,
resulta clau detectar estats d'ànim com por, frustració o desgrat per poder respondre
de la manera més empàtica i intel·ligent possible [7]. Per aquest motiu, en les últimes
dècades s'han realitzat nombrosos estudis per tal de ser capaços de reconèixer les
emocions humanes. La majoria es basen en imatges per reconèixer expressions facials,
però també s'han investigat aquestes emocions a partir dels gestos, el diàleg / text, el
to de veu, la resposta galvànica de la pell, les imatges de ressonància magnètica (MRI)
o la encefalografia (EEG).
Dels mètodes anteriors, tant els gestos, la veu, el diàleg i especialment les expressions
facials han demostrat ser útils per al reconeixement d'emocions però també fàcilment
alterables i dependents de variables físiques com el nivell de lluminositat i fons de la
imatge. Per això, el reconeixement mitjançant senyals EEG pot proporcionar una
informació més completa i global i incrementar encara més el grau d'encert a l'hora de
reconèixer emocions, fins i tot, davant casos que puguin generar confusió o rostres
neutres.
Per tot això, l'objectiu d'aquest Treball Fi de Màster és ser capaços de reconèixer
emocions mitjançant senyals EEG de forma satisfactòria. Prèviament, s'estudiarà l'estat
de l'art de dispositius, bases de dades i tècniques comunament utilitzades. A
continuació, s'explorarà el percentatge d'encert de diferents xarxes per a la tasca de
reconeixement d'emocions i també es realitzaran experiments enfocats a millorar la
qualitat de les dades d'entrada que la xarxa rep. Aquestes dades seran els valors en mV
de la pròpia senyal de electroencefalografia en comptes de característiques
freqüencials o estadístiques de la pròpia senyal (com la mitjana o la desviació típica), el
que suposa una aproximació diferent a la de la resta d'estudis esmentats en el present
treball. En base als resultats obtinguts es determinarà si aquest tipus d'aproximació és
vàlida per al reconeixement d'emocions.
[eng] Emotions play a fundamental role in our lives and it has been shown that our state of
mind influences cognitive capacities and how we process and storage information [6].
Furthermore, we now live in a technological environment and technology trend is only
increasing where human-machine interaction becomes more important every day. In
this situation, it becomes a key factor the ability to detect mood states such as fear,
frustration or displeasure in order to respond in the most empathetic and intelligent
way possible [7]. For this reason, in recent decades numerous studies have been
carried out in order to be able to recognize human emotions. Most of them are based
on images to recognize facial expressions, but these emotions have also been
investigated through gestures, dialogue / text, tone of voice, the galvanic skin response,
magnetic resonance imaging (MRI) or encephalography techniques (EEG).
The previous methods, gestures, voice, dialogue and especially facial expressions have
proven to be useful for the recognition of emotions but also easily alterable and
dependent on physical variables such as the level of light and background of the image.
Therefore, recognition by EEG signals can provide more complete or reliable
information and further increase the degree of success when recognizing emotions,
even in cases of confusion or neutral faces.
For all these reasons, the aim of this report is to be able to successfully recognize
emotions using EEG signals. First, there will be a study on the state of the art of
commonly used devices, databases and techniques. Then, different networks will be
tested see which of them obtains the best results. In addition, experiments focused on
further improving the accuracy will also be carried out by selecting higher quality data,
as well as different ways of presenting it. The data will consist on values measured in
mV directly from the electroencephalography signal instead of frequency or statistical
features. This entails a different approach to the rest of the studies mentioned in the
present job. Finally, based on the results obtained, it will be determined whether this
type of approach is valid for the recognition of emotions or not.