Diseño de Una Arquitectura Para Incorporar Emociones en Videojuegos
Diseño de un sistema de análisis de emociones usando ...
Transcript of Diseño de un sistema de análisis de emociones usando ...
Diseño de un sistema de análisis de emociones usando Biosensores: caso de estudio en
estudiantes de educación superior.
Leandro García Pardo, [email protected]
Trabajo de Grado presentado para optar al título de Ingeniero Multimedia
Asesor: Sandra Patricia Cano, Doctor (PhD) en Ciencias de electrónica.
Universidad de San Buenaventura Colombia
Facultad de Ingenierías
Ingeniería Multimedia
Santiago de Cali, Colombia
2019
Citar/How to cite [1] (García,2018) … (García,2018)
Referencia/Reference
Estilo/Style:
IEEE (2014)
[1] García, L. “Diseño de un sistema de análisis de emociones usando Biosensores:
Caso de estudio en estudiantes de educación superior”, Trabajo de grado
Ingeniería Multimedia, Universidad de San Buenaventura Cali, Facultad de
Ingeniería, Cali
Grupo de Investigación (SIGLA).
Línea de investigación en. Procesamiento de señales.
Bibliotecas Universidad de San Buenaventura
Biblioteca Fray Alberto Montealegre OFM - Bogotá.
Biblioteca Fray Arturo Calle Restrepo OFM - Medellín, Bello, Armenia, Ibagué.
Departamento de Biblioteca - Cali.
Biblioteca Central Fray Antonio de Marchena – Cartagena.
Universidad de San Buenaventura Colombia
Universidad de San Buenaventura Colombia - http://www.usb.edu.co/
Bogotá - http://www.usbbog.edu.co
Medellín - http://www.usbmed.edu.co
Cali - http://www.usbcali.edu.co
Cartagena - http://www.usbctg.edu.co
Editorial Bonaventuriana - http://www.editorialbonaventuriana.usb.edu.co/
Revistas - http://revistas.usb.edu.co/
Biblioteca Digital (Repositorio)
http://bibliotecadigital.usb.edu.co
Agradecimientos
A mi familia, por sus esfuerzos, amor y apoyo incondicional, por ser el pilar fundamental de mi
formación tanto académica como personal, sin ellos nada de esto sería posible.
A mis amigos por compartir este largo trayecto acompañado de logros, sentimientos, momentos y
experiencias, por ofrecerme su valiosa amistad, sus consejos y recuerdos los cuales perdurarán en
mi memoria.
A mi tutora, Sandra Cano, por ser un apoyo incondicional y la guía que iluminó el camino en este
proyecto y al profesor y amigo Luis Astorquiza, la experiencia, apoyo y conocimientos que me ha
compartido fueron de gran valor para mí y mis compañeros.
A mis docentes, por compartir su conocimiento, consejo y soporte de una manera excepcional en
mi formación universitaria.
A Dios y a mi padre, y a todos aquellos que en algún momento hicieron parte valiosa de mi vida.
Y a los estudiantes que preservan el deseo y la intención de querer aportar al mundo una buena
obra para tener un mejor mañana, de una manera desinteresada y con el mejor desempeño.
TABLA DE CONTENIDO
I. INTRODUCCIÓN ...................................................................................................................... 12
II. PLANTEAMIENTO DEL PROBLEMA .................................................................................. 14
2.1 Antecedentes ........................................................................................................................ 14
2.2 Descripción del problema ..................................................................................................... 15
III JUSTIFICACIÓN ...................................................................................................................... 17
IV. OBJETIVOS ............................................................................................................................ 18
Objetivo general ......................................................................................................................... 18
Objetivos específicos .................................................................................................................. 18
Metodología de la investigación ................................................................................................ 19
V. MARCO TEÓRICO .................................................................................................................. 21
Emociones .................................................................................................................................. 21
Clasificación de emociones ........................................................................................................ 23
Dimensiones de la emoción ........................................................................................................ 24
CAPTURA DE ESTADOS EMOCIONALES .......................................................................... 26
¿Qué es un sensor fisiológico? ................................................................................................ 26
Principios Fisiológicos ............................................................................................................ 26
Electromiografía ..................................................................................................................... 28
Instrumentación en electromiografía ...................................................................................... 29
Electrocardiograma ................................................................................................................. 30
Principios del impulso cardíaco .............................................................................................. 31
Temperatura corporal .............................................................................................................. 32
Interpretación de emociones a través de huellas de calor ....................................................... 32
Actividad electrodérmica (AED) ............................................................................................ 33
AED de la piel en psicología y fisiología ............................................................................... 35
Respiración ............................................................................................................................. 35
Selección de los sensores ........................................................................................................ 35
VI MODELO DE PROCESAMIENTO DE SEÑALES FISIOLÓGICAS ................................... 38
Modelo 1 .................................................................................................................................... 39
Inducción de emociones .......................................................................................................... 39
Captura de señales fisiológicas ............................................................................................... 39
Extracción de características ................................................................................................... 39
Modelo 2 .................................................................................................................................... 40
Identificación de los sensores fisiológicos que resaltan la valencia emocional ...................... 41
Extracción de características ................................................................................................... 41
Post procesamiento de los datos ............................................................................................. 42
Modelo 3 .................................................................................................................................... 42
Identificación de los sensores fisiológicos .............................................................................. 42
Selección del método de estimulación .................................................................................... 43
Selección de características ..................................................................................................... 43
Post procesamiento de los datos ............................................................................................. 43
VII DISEÑO DEL SISTEMA ........................................................................................................ 44
Inducción de las emociones ........................................................................................................ 44
Captura de las señales fisiológicas ............................................................................................. 46
Fotopletismógrafo. .................................................................................................................. 47
Sensor de temperatura. ............................................................................................................ 47
Sensor galvánico. .................................................................................................................... 48
Sensor respiratorio. ................................................................................................................. 48
Preprocesamiento de los datos ................................................................................................... 50
Extracción de características ...................................................................................................... 54
Almacenamiento de los datos ..................................................................................................... 58
Análisis estadístico ..................................................................................................................... 59
Selección de las dimensiones emocionales ................................................................................ 59
Experimento de Adquisición de datos ........................................................................................ 60
Participantes ............................................................................................................................ 60
Protocolo de Inducción de Emoción ....................................................................................... 60
Adquisición de las Señales ...................................................................................................... 60
Cuestionario. .............................................................................................................................. 63
VIII ANÁLISIS DE LOS RESULTADOS .................................................................................... 64
CONCLUSIONES Y TRABAJOS FUTUROS ............................................................................. 83
Trabajos futuros .......................................................................................................................... 85
REFERENCIAS ............................................................................................................................. 87
LISTA DE TABLAS
Tabla 1. Definiciones de emoción por diversos autores. ................................................................ 22
Tabla 2. Proceso de despolarización y repolarización de una célula. Tomado de [29]. ................ 28
Tabla 3. Valores normales de temperatura corporal. Tomado de [36]. .......................................... 32
Tabla 4. Relación de sensores fisiológicos con las emociones. ..................................................... 37
Tabla 5. Lista de imágenes empleadas para la inducción de emociones. ....................................... 46
Tabla 6. Conexión de los sensores a la placa de programación Arduino. ...................................... 51
Tabla 7. Características de las señales fisiológicas. ....................................................................... 55
Tabla 8. Primera comparación de resultados frente a una emoción de valencia positiva. ............. 65
Tabla 9. Segunda comparación de resultados frente a una emoción de valencia positiva. ............ 71
Tabla 10. Primera comparación de resultados frente a una emoción de valencia negativa. .......... 75
Tabla 11. Primera comparación de resultados frente a una emoción de valencia neutra. .............. 78
Tabla 12. Resultado del cuestionario ............................................................................................. 84
LISTA DE FIGURAS
Figura 1. Modelo emocional de la rueda de Plutchik. Tomado de [25]. ........................................ 25
Figura 2. Modelo de representación de estados afectivos por James A. Rusell. Tomado de [26]. 26
Figura 3. Myoware Muscle Sensor. Tomado de [32]. .................................................................... 28
Figura 4. Electrodos empleados en electrocardiografía. Tomado de [35]. .................................... 31
Figura 5. Representación de una onda de ECG en papel cuadriculado. ......................................... 31
Figura 6. Sensor de temperatura MLX90614. ................................................................................ 33
Figura 7. Sensor galvánico. Tomado de [39]. ................................................................................ 34
Figura 8. Fases respiratorias ilustradas. Tomado de [40]. .............................................................. 35
Figura 9. Etapas del modelo. .......................................................................................................... 39
Figura 10. Concepto de prueba de investigación para la captura de señales fisiológicas. Usando
los sensores: Respiración (RSP), Conductividad de la piel (SC), Actividad muscular (EMG),
Temperatura de la piel (T) volumen del pulso de la sangre (BVP). Tomado de [48]. ................... 40
Figura 11. Segundo modelo. .......................................................................................................... 41
Figura 12. Tercer modelo. .............................................................................................................. 42
Figura 13. Etapas del sistema de análisis de emociones. ............................................................... 44
Figura 14. Algunas imágenes de la IAPS. ...................................................................................... 46
Figura 15. Pulse Sensor. Tomado de [52] ...................................................................................... 47
Figura 16. Sensor de temperatura MLX90614. .............................................................................. 48
Figura 17. Sensor galvánico. Tomado de [39]. .............................................................................. 48
Figura 18. Sensor respiratorio. ....................................................................................................... 49
Figura 19. Colocación de los sensores en el usuario. ..................................................................... 49
Figura 20. Conexión Hardware con cada uno de los sensores a la placa arduino UNO. ............... 50
Figura 21. Datos de las señales de los sensores enviados por el puerto serial. .............................. 52
Figura 22. Separación de la cadena de datos en el entorno de Matlab. .......................................... 53
Figura 23. Interfaz gráfica para la captura de datos y muestra de características. ......................... 58
Figura 24. Muestra de exportación de los datos de cada sensor en archivo Excel. ........................ 59
Figura 25. Evaluación de los sensores fisiológicos con estudiantes de la Universidad San
Buenaventura .................................................................................................................................. 61
Figura 26. Expresiones faciales registradas en participantes. Orden de las emociones descritas de
forma descendente de izquierda a derecha: cólera, neutralidad, asco y alegría. ............................ 62
Figura 27. Ejemplo ilustrativo del proceso del experimento. ........................................................ 62
Figura 28. Valores máximos y mínimos de la frecuencia cardíaca ................................................ 66
Figura 29- Varianzas de las Frecuencias cardíacas. ....................................................................... 66
Figura 30. Diferentes promedios de las frecuencias cardíacas frente a una estimulación de una
emoción positiva. ........................................................................................................................... 71
Figura 31. Diferentes valores de varianza de la frecuencia cardíaca frente a una estimulación de
una emoción positiva. ..................................................................................................................... 72
Figura 32. Frecuencias respiratorias de los participantes frente a la estimulación de una emoción
de valencia negativa. ...................................................................................................................... 75
Figura 33. Máximos y mínimos de las amplitudes de frecuencias respiratorias frente a una emoción
de valencia negativa. ...................................................................................................................... 76
Figura 34. Promedio de frecuencias cardíacas frente a una emoción de valencia negativa. .......... 76
Figura 35. Desviación estándar de las frecuencias cardíacas frente a una estimulación negativa. 77
Figura 36. Promedios de resistencia electrodérmica frente a una estimulación emocional negativa.
........................................................................................................................................................ 77
Figura 37. Promedio de latidos por minuto frente a una estimulación de una emoción con valencia
neutra. ............................................................................................................................................. 79
Figura 38. Promedio y desviación estándar de las frecuencias cardíacas frente a una estimulación
de una emoción con valencia neutra. ............................................................................................. 79
Figura 39. Promedios de resistencia electrodérmica frente a una estimulación emocional neutra.
........................................................................................................................................................ 81
Figura 40. Propuesta de chaleco con sensores fisiológicos. ........................................................... 85
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 10
RESUMEN
La computación afectiva es un tópico de investigación que trabaja el reconocimiento de las
emociones en los usuarios, con el objetivo de realizar o adaptar productos de acuerdo con las
necesidades de estos. Por lo que, el interés es diseñar un sistema que permita analizar el estado
emocional de una persona través de la identificación de la valencia emocional, en busca de la
generación de una mejor experiencia al interactuar con un producto, ya que al capturar emociones
positivas en el usuario permitirá determinar la calidad del producto y el nivel de satisfacción en su
utilización.
Las emociones pueden ser manifestadas de tres maneras: fisiológicas, expresiones corporales (voz,
visual y corporal) y cognitivas. En este proyecto de investigación se analizarán la captura de señales
fisiológicas usando sensores que permitan analizar dimensiones emocionales tomando como
mediciones la valencia y el arousal (dimensiones de la emoción) en estudiantes universitarios.
Los sensores fisiológicos son una alternativa para medir los estados emocionales de una persona,
ya que permiten detectar una actividad fisiológica de una persona en tiempo real. Sin embargo,
cada persona puede manifestar respuestas fisiológicas de manera diferente al expresar un estado
emocional. Por lo que, se debe analizar en detalle la señal y características de cada uno de los
sensores que se utilizarán.
Palabras clave: Procesamiento de señales fisiológicas, estados emocionales, sensores fisiológicos.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 11
ABSTRACT
Affective computing it’s a topic of research that works emotions recognition in users, with the aim
of making or adapting products acording to the users needs. So, the interest it’s design a system
that allow to recognize the emotional state of users throught the emotional valence identification,
in search of the generation of a better experience when interact with products, since capture positive
emotions in users, allow determine the quality of a product and satisfactions levels in the user.
Emotions can be expressed in three ways: physiological, body expressions (voice, visual and body
language) and cognitive. This resarch project will be analized the capture of physiological signals
using biosensors that allow analyze emotional dimensions taking as measurement the valence and
arousal in university students.
Physiological sensors are an alternative to measure emotional states of people, because can detect
the physiological activity of people in real time. However, each person can manifest different
physiological answers expressing an emotional state. So, it must be analized in detail the signal
and features of each one of the sensors used.
Keywords: Physiological signal processing, emotional states, physiological sensors.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 12
I. INTRODUCCIÓN
Las personas enfrentan diferentes situaciones que pueden llegar a cambiar su estado emocional de
forma positiva o negativa, generando en la comunicación entre seres humanos una modulación en
los mensajes emitidos dado que incluyen expresiones, en la mayoría de los casos, gestuales y
corporales, los cuales complementan la información expresada.
Las emociones se convierten en una forma de lenguaje universal de carácter filogenético
(característica evolutiva arraigada en los genes), el cual se vuelve imprescindible en nuestra forma
de comunicación para expresar ideas, estados de ánimo o sentimientos de una manera más efectiva
[1]. Por lo que, las emociones desde la línea de investigación de computación afectiva se convierten
en caso de estudio para el desarrollo de aplicaciones que requieren medir el estado emocional de
un usuario. Esto con el interés de evaluar productos tecnológicos interactivos por medio del nivel
de la valencia emocional generada en una persona, determinada para medir la experiencia del
usuario (en inglés User Experience) al interactuar con el producto [2]. Hoy en día, el análisis de las
emociones y sus dimensiones son de interés, ya que se realizan investigaciones relacionadas con la
identificación de satisfacción o usabilidad de un usuario frente a esta necesidad para definir la
viabilidad de una aplicación o producto [3].
Las emociones de las personas pueden manifestarse por medio de tres tipos de señales, fisiológicas,
expresivas y cognitivas. Las emociones manifestadas en respuestas fisiológicas son acompañadas
de una reacción somática proveniente de los comportamientos de los sistemas nerviosos simpáticos
y parasimpáticos frente a situaciones específicas en el entorno [4], es posible el reconocimiento de
éstas, identificando las características fisiológicas presentes en el cuerpo humano cuando éste
puede expresar una emoción a través de respuestas fisiológicas, como: temperatura de la piel, ritmo
cardíaco, entre otros [4].
Teniendo en cuenta la forma en como las emociones se manifiestan a través de respuestas
fisiológicas, se usan biosensores para capturar estas señales. Estos biosensores tienen como función
capturar respuestas físicas del cuerpo, y de esta manera desarrollar un sistema que permita capturar
información de las respuestas fisiológicas del cuerpo. Para desarrollar este sistema es importante
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 13
procesar la señal que se captura por medio de los sensores, por lo que para cada sensor se
identificaran las características más relevantes que puedan representarse para analizar un estado
emocional. Así, como la identificación de los patrones para clasificar el
estado emocional. Por lo tanto, este proyecto mostrara el diseño de un sistema de análisis de
emociones utilizando biosensores que permitan la captura de estas señales fisiológicas, y desde el
cual, se observarán características de la información de las señales que permitan llegar a la
sugestión de la determinación de una dimensión emocional.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 14
II. PLANTEAMIENTO DEL PROBLEMA
2.1 Antecedentes
En la actualidad se están realizando diversas investigaciones relacionadas con el reconocimiento
de las emociones y sus dimensiones en personas usando tecnologías no convencionales capturando
las respuestas fisiológicas por medio de sensores fisiológicos.
Un trabajo realizado por Healy and Picard [5], describe algoritmos de procesamiento de señales
afectivas para reconocer estados afectivos de una persona cuando expresa un estado emocional. En
este trabajo se describe un método usado para la recolección y entrenamiento de los datos.
También, describe un conjunto de técnicas usadas para la extracción de características y resultados
del reconocimiento de patrones usando un discriminante Lineal Fisher. Las señales fisiológicas que
se usan para capturar información son: conductividad de la piel, presión, respiración y
electromiograma (actividad eléctrica muscular). A partir de estas señales capturadas se
determinaron 11 características, como: Actividad muscular, conductividad de la piel, valor
promedio de la conductividad de la piel, ritmo cardíaco, aceleración y desaceleración promedio del
ritmo cardíaco, valor de la varianza de cada señal, el valor medio de cada señal, el valor promedio
de la energía de cada señal calculado dos veces, expansión y contracción de la caja toráxica y poder
espectral de la señal de la respiración. Estas características se seleccionaron para determinar el
estado emocional de una persona.
Mientras, Hamdi [6] propone en su tesis doctoral una plataforma multimodal para el
reconocimiento de las emociones por medio de señales fisiológicas. En esta investigación se
estudian las señales fisiológicas para evaluar estados emocionales de un usuario, y qué tipo de
sensores producen mejores señales de los estados emocionales. Hamdi hace uso de un casco EEG
(Electroencefalograma) el cual captura la actividad neuronal del cerebro, un ECG
(Electrocardiograma) para la captura de la frecuencia cardíaca del corazón posicionado en el dedo
índice del sujeto, un cinturón para la medición eléctrica del corazón, el cual se compone de una
banda elástica posicionada en el tórax del sujeto para medir la tensión dependiendo del aumento
del volumen de la caja torácica convirtiendo estas variaciones en tensión eléctrica. Por último, para
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 15
el análisis de la estimulación emocional, implementa un sistema calibrado de imágenes afectivas
denominado IAPS (International Affective Picture System).
Otro trabajo presentado por Torres et al. [7], han implementado un modelo con sensores
biométricos para detectar la emoción de un estudiante. Por lo que, el objetivo es reconocer el estado
emocional de una persona con el interés de adaptar el contexto del juego de acuerdo con su estado
emocional. Han trabajado con un Kinect para los datos de gestos corporales, y el sensor de ritmo
cardíaco. Han aplicado la curva ROC (En español Característica Operativa del Receptor), con el
objetivo de seleccionar modelos óptimos, en una representación de la sensibilidad y especificidad
para la clasificación.
Por último, en el 2017 Callejas et al. [8], presentan una revisión sistemática desde el 2010 hasta
2016 de artículos donde se han reportado trabajos relacionados con sistemas de reconocimiento
emocional a partir de señales fisiológicas. En esta revisión encontraron el uso de los videojuegos
como herramientas de estimulación emocional, debido a que logran captar la atención del usuario
a través de diferentes contenidos audiovisuales e interactivos, que generan en el jugador una
situación inmersiva que fomenta la estimulación de su estado emocional. Se revisaron 14 artículos
con el uso de diferentes señales psicológicas como: ECG (Electrocardiograma), GRS (Respuesta
Galvánica) y EMG (Electromiografía). Se encontraron siete artículos donde su desarrollo fue a
partir del uso de herramientas para la simulación emocional de un videojuego. Finalmente, diez
artículos corresponden a desarrollos sobre la simulación de emociones, revisión de literatura sobre
técnicas de mecanismos de aprendizaje automático y juegos serios.
2.2 Descripción del problema
Las emociones pueden definirse como un conjunto de experiencias subjetivas, respuestas
fisiológicas y expresiones corporales, generadas a partir de un estímulo que produce un cambio
biológico [1]. Las emociones, son sistemas de comunicación que en el contexto fisio-psicológico
permiten la interpretación de los estados de ánimo de un sujeto y su estado mental, siendo las
emociones culturalmente independientes y universales, y que, en el transcurso del tiempo, ha
evolucionado la forma de interpretación y expresión de emociones por parte del cerebro humano,
ya que esta cualidad de reconocer emociones tiene un factor filogenético [1]. Las diferentes
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 16
técnicas y procesos computacionales que involucran el reconocimiento de emociones varían desde
el análisis de lecturas biométricas hasta el procesamiento de frecuencias de la voz emitida por una
persona, no obstante, estos procesos tienen ventajas y desventajas. Para reconocer el estado
emocional de una persona mediante expresiones léxico-fonéticas (diálogo, discurso, entrevista,
entre otros), tiene la desventaja que no garantiza que el comportamiento fisiológico del sujeto
evaluado corresponda a su estado emocional, ya que la persona puede aparentar sus emociones [3].
También, cuando la captura de los datos se realiza por medio de grabaciones de audio puede ser
algo no seguro, por el ruido ambiental o factores externos como: tos, risas o ruido proveniente de
objetos, los cuales pueden llegar a afectar la información relevante. Otro proceso es el
reconocimiento facial para la detección de emociones, el cual puede tener ciertas complicaciones
dependiendo del software. Las características y rasgos de un rostro pueden crear similitudes entre
diferentes estados emocionales y la variabilidad de características de un estado emocional
expresado por el rostro de un niño puede ser confundido con otro estado emocional expresado por
el rostro de un adulto [9]. De igual manera, los análisis de vídeo o imágenes, siendo éstos otra
forma de detectar emociones en el rostro, limitan la capacidad de transmisión de emociones debido
al uso de imágenes estáticas, otros factores que pueden hacer más compleja esta tarea son los
cambios en las expresiones faciales como contracciones constantes de ciertas áreas musculares del
rostro, lo que genera el impedimento de analizar la consecución dinámica del rostro al expresar un
estímulo [10].
Por lo tanto, la utilización de señales biométricas es una alternativa para realizar reconocimiento
de las emociones y conocer su valencia emocional (positiva, negativa y neutra) de forma más
acertada en personas en estado de interacción con interfaces de computador. Por lo que, se plantea
la siguiente pregunta, ¿Cómo se pueden analizar las dimensiones emocionales de una persona
usando biosensores para la captura de sus respuestas fisiológicas?
Los trabajos mencionados describen que para la captura de las emociones han usado las señales
fisiológicas, lo cual lo ha sido usado en diferentes propósitos, como conocer el estado emocional
del usuario para medir el nivel de interacción de una persona frente a un producto tecnológico y
evaluar la experiencia y retroalimentación a partir de su estado emocional.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 17
III JUSTIFICACIÓN
Utilizando la técnica por captura de respuestas fisiológicas usando sensores biométricos, es una
alternativa para el reconocimiento del estado emocional de un sujeto debido a que obtiene
información de las respuestas naturales del cuerpo, permitiendo así, la opción de crear sistemas
interactivos que puedan identificar respuestas emocionales de los usuarios cuando interactúan con
un dispositivo tecnológico, fomentando un mejor nivel de interacción y aprendizaje a partir de la
retroalimentación en la interacción humano – computadora. Este tipo de interacción amplia los
alcances del diseño de interfaces en dispositivos tecnológicos, permitiendo una interacción más
natural que ofrece mejores experiencias de usuario, enfocando la integración en el diseño de nuevas
tecnologías entornos interactivos que generen una mejor empatía con el usuario [11]. La
observación de las señales fisiológicas es útil para la determinación de estados cognitivos
ofreciendo la posibilidad de desarrollar tecnologías que se adapten a personas con diferentes
niveles de aprendizaje de mayor o menor nivel. Analizar las dimensiones emocionales permite
deducir los niveles de activación emocional, motivación y atención presente en las personas además
de su estado de ánimo y a su vez, conocer cómo se comporta el cuerpo frente a estos estímulos
fisio-psicológicos, lo cual es aplicable en áreas como la medicina, la neurociencia y la psicología.
Además, para la captura de señales fisiológicas existen en el mercado un amplio número de
herramientas tales como biosensores, monitores de signos vitales, o dispositivos médicos para la
medición de parámetros biométricos, lo cual permite la optimización, o modificación de un sistema
de captura de respuestas fisiológicas adecuándose a los recursos necesarios y presupuesto
disponible para la creación del sistema.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 18
IV. OBJETIVOS
Objetivo general
Implementar un sistema de procesamiento de señales fisiológicas que permita analizar las
emociones en los jóvenes universitarios.
Objetivos específicos
Estudiar modelos de procesamiento de señales fisiológicas que sirvan para la clasificación
de emociones básicas.
Seleccionar un conjunto de emociones para la captura de señales por medio de sensores
fisiológicos.
Seleccionar un conjunto de características para cada una de las señales fisiológicas
seleccionadas.
Proponer etapas para el análisis de emociones básicas usando señales fisiológicas.
Diseñar y evaluar un sistema realizado a partir de las etapas anteriormente definidas con un
grupo de estudiantes universitarios de la Universidad de San Buenaventura Cali.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 19
Metodología de la investigación
Para este proyecto de grado, se trabajará la metodología de investigación de tipo analítico –
sintético, debido a la necesidad de analizar el fenómeno a través de un enfoque progresivo y de
descomposición e interpretación de sus partes, enfocado en la conclusión de una incógnita que se
evalúa por medio de la observación y comprensión del problema el cual conllevará a la generación
de nuevas teorías las cuales se sustentan en base a registros estadísticos, hechos y resultados
concluyendo los objetivos relacionados con el tema. Una lista de características relacionada con
este tipo de metodología considera que una investigación de este tipo debe abarcar los siguientes
aspectos:
Racional.
Metódica.
Reflexiva.
Constante.
Ordenada.
Controlada.
Crítica.
A su vez, sus resultados deben ser de carácter verídico y probatorios, pudiendo ser calificados o
refutados llegado el caso los hechos presentados en una investigación científica, con el fin de servir
como una guía abierta para la orientación de los seres humanos en los procesos investigativos de
cualquier carácter científico que permitan el desarrollo profesional y personal del individuo [12].
En base a la metodología anterior, se describen las actividades a realizar:
Investigación los principios fisiológicos y su relación con las emociones.
Análisis de sensores biométricos que permitan relacionar señales fisiológicas con
emociones.
Observación en base a la literatura de modelos de procesamiento de señales fisiológicas
para el análisis de emociones.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 20
Definición de las etapas de diseño de un sistema de análisis de emociones usando
biosensores.
Evaluación del sistema con un público objetivo en una prueba de campo y análisis de
resultados.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 21
V. MARCO TEÓRICO
Emociones
Las emociones son imprescindibles para las relaciones sociales por lo que abarcan un papel muy
importante en nuestras vidas. Por consiguiente, se convierten en un factor importante para las
relaciones interpersonales y comunicativas debido a que ofrecen una relación entre expresiones,
posturas, tonalidades y gestos que acompañan el significado de un mensaje. La forma de interpretar
y expresar mensajes a través de comportamientos fisiológicos y psicológicos es muy compleja para
intentar llegar a una definición aceptada generalmente. Además, someter las emociones a una
respuesta, producto de reacciones fisiológicas y psicológicas sin tener en cuenta las características
personales del sujeto es erróneo [13], debido a que factores como la comprensión de una persona
con su entorno, su valoración personal a los hechos que lo conciernen, la percepción del actor al
cual se le atribuyen los hechos de generar el estímulo o las relaciones con otros individuos o grupos
de individuos influyen en la respuesta emotiva del sujeto [14].
Diferentes autores han organizado la definición de emoción, llegando a clasificar un conjunto de
emociones básicas innatas en los seres humanos. René Descartes, filósofo, matemático y físico
Francés, estableció seis emociones primitivas en el ser humano, (admiración, odio, deseo, alegría
y tristeza) [15]. A su vez, Baruch Spinoza, filósofo neerlandés, propuso que las emociones básicas
eran 15 (codicia, envidia, celos, orgullo, humildad, ambición, venganza, avaricia, trabajo, pereza,
deseo, amor paternal, amor pasional, amor filial y el odio) [15]. Luego, en 1896, Wilhelm Wundt,
célebre fisiólogo, psicólogo y filósofo Alemán, sugirió un sistema afectivo establecido por tres ejes
primarios (excitación-calma, placer-dolor y tensión-alivio) [15]. Posteriormente, Paul Ekman,
psicólogo cuyos estudios están orientados a las emociones y la expresión facial definió 6
emociones básicas en el ser humano, (alegría, miedo, asco, ira, tristeza y sorpresa) de las cuales se
derivan todas las demás [16]. En este caso, definiremos una emoción como la palabra proveniente
del latín “emotio”, vista como la variación profunda pero efímera del ánimo, que puede ser
agradable o penosa y que puede estar acompañada de cierta conmoción somática [14] y se
contextualizará la definición de emoción por diversos autores en la Tabla 1.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 22
Autor Concepto de emociones Año
estimado de
postulación
Tomás de Aquino En su estudio sobre “las pasiones del alma”, se refiere a la
emoción como una afección, las cuales pueden ser de
carácter apetitivo, o deseable, y de carácter irascible o
propio de la persona, de esta forma determina que hay
emociones que se manifiestan al obrar de buena o mala
manera [17].
1265 - 1274
René Descartes Son modificaciones por las fuerzas mecánicas que obran en
el cuerpo o el movimiento de los espíritus vitales, las cuales
se manifiestan para concebir al cuerpo un estado de
actuación que le permita ser más perfecto [17].
1649
Baruch Spinoza Comprende el cuerpo y el alma pertenecientes a una misma
realidad. Relaciona las emociones como el esfuerzo del
cuerpo y la mente en conseguir la perfección [17].
1661 - 1675
Charles Darwin Las emociones están biológicamente determinadas, son
procesos corporales adaptativos y evolutivos, de carácter
finito, es decir, siendo medidas en un número limitado de
dimensiones y que están presentes en todas las culturas [6].
1872
Max Ferdinand
Scheler
Las emociones están centradas en la persona, siendo actos
que constituyen la sensibilidad del ser humano formados a
partir de la organización psicofísica del ambiente y
compuestos por actos intencionales, expresados desde la
intuición, el sentimiento, el odio y el amor [18].
1957
Paul Ekman Están relacionadas en sí con las acciones diarias del
usuario, generan cambios psicológicos y fisiológicos que
proveen de información al sujeto para responder de manera
diferenciada a través de los estados emocionales [19].
1999
Tabla 1. Definiciones de emoción por diversos autores.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 23
Clasificación de emociones
Las emociones siguen estando vinculadas a diferentes estudios y múltiples formas de clasificación,
variando su forma de organización a partir del enfoque del evaluador, ya sea un enfoque, teológico,
psicológico, sociológico, entre otros. Una posibilidad de estructurar las emociones en un tipo de
jerarquía es dividiendo las emociones, en primarias y secundarias, siendo las secundarias
originarias a partir de las primarias.
Por consiguiente, las emociones primarias son consideradas respuestas fisiológicas, adaptadas a un
proceso evolutivo que generan una respuesta psicológica y fisiológica, interpretadas y expresadas
de una manera neurológicamente innata. Las emociones secundarias, están condicionadas en mayor
parte por contextos sociales y culturales, pudiendo ser combinaciones o derivaciones de las
emociones primarias [14].
Las emociones pueden ser positivas o negativas. Las emociones positivas, son aquellas que reflejan
una valencia emocional relacionada con el placer, la satisfacción y el bienestar, siendo de carácter
temporal. Éstas son necesarias para el desarrollo personal como para el bienestar emocional. Las
emociones positivas difieren de cada persona, ya que éstas son subjetivas y están relacionadas con
las experiencias personales. Estos estímulos emocionalmente positivos favorecen al desarrollo
mental, físico y social, debido a que, la existencia de emociones positivas genera una mejor forma
de adaptabilidad frente a situaciones difíciles o amenazantes y amplía los recursos intelectuales
que generan estímulos positivos frente a este tipo de circunstancias. Además, las emociones
positivas contribuyen al desarrollo integral de las personas, mejorando su capacidad de
razonamiento, concentración, desarrollo de aprendizaje, salud y bienestar subjetivo, donde
emociones como la alegría, entusiasmo o satisfacción pueden contribuir a la ampliación de
pensamientos positivos [20].
Las emociones negativas tienden a ser reconocidas más fácilmente debido a las expresiones
corporales y la gesticulación de ciertos músculos faciales cuyos movimientos o posturas están
relacionadas con los sentimientos de tristeza, ira, entre otras. Por lo que, la valoración de una
emoción depende de factores internos y externos en un individuo, los cuales logren generar una
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 24
respuesta fisiológica o expresiones corporales que conviertan la emoción en un fenómeno
observable [20].
Las variables psico-fisiológicas evidencian la presencia de una emoción a partir de ciertos cambios
fisiológicos presentes en determinados sucesos, siendo relacionados por la activación del sistema
nervioso simpático o parasimpático (Sistemas nerviosos que regulan y controlan los órganos
internos pertenecientes al sistema nervioso autónomo), lo que lleva a crear similitudes y diferencias
entre las señales fisiológicas que se refieren a dos grupos de emociones positivas y negativas. Estas
señales pueden relacionarse como: aceleración del ritmo cardíaco, dilatación de la pupila, aumento
de la temperatura corporal o una marcada gesticulación corporal entre otras [4].
Otra forma de clasificar las emociones es comprenderlas y separarlas entre primarias, secundarias:
Primarias: Presentes en todas las culturas siendo estas las bases de expresión para las demás
emociones y de carácter genético.
Secundarias: Son de carácter subjetivo y desarrolladas a nivel individual, se derivan de las
emociones primarias [21].
Dimensiones de la emoción
La dimensión emocional transcurre desde un estado complejo del cuerpo efectuado a partir de una
estimulación o perturbación que conlleva a una respuesta organizada ejemplarizada en una
conducta existente ante una situación. Por otra parte, la dimensión emocional puede ser inferida
desde la percepción de alteraciones fisiológicas, pudiendo ser observable desde el lenguaje
corporal, la gesticulación facial, posturas o secuencias de movimientos como resultado de una
respuesta inherente al subconsciente como formas de enfrentar situaciones poco confortantes.
Además, la dimensión emocional asume la intensidad del sentimiento, el cual es la expresión
psicológica de la emoción, siendo el sentimiento una característica subjetiva que puede llegar a
determinar patologías como fobias, traumas o adicciones en caso tal experimentar situaciones
emocionales fuertes [22]. La dimensión emocional está sujeta a un modelo bio-informacional de
las emociones, el cual comprende tres características (valencia, arousal y dominancia). La valencia
desde aspectos neurofisiológicos se identifica como la percepción agradable/desagradable de la
dimensión emocional y determina la expresión en una reacción afectiva (comportamiento pisco-
fisiológico) y que repercuta en la memoria emocional de las personas a través de la experiencia. A
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 25
su vez, el arousal define el nivel de activación de un sistema motivacional frente a una emoción.
Por último, la dominancia es la capacidad de control que desencadena una respuesta conductual
perceptible [23].
Existen varios modelos emocionales que agrupan y relacionan emociones básicas y primaras para
ejemplarizar por medio de una analogía la representación de una estructura emocional. El modelo
de Plutchik categoriza las emociones en un diagrama de colores donde dos emociones opuestas se
ubican en una posición contraria una a la otra por 180° (Figura 1) [24].
Figura 1. Modelo emocional de la rueda de Plutchik. Tomado de [25].
Por otra parte, James Rusell, propone un modelo ilustrativo para la representación de estados
afectivos, los cuales están distribuidos alrededor de dos ejes, uno vertical donde el extremo superior
(90°) representa un estado de alarma o agitación y el extremo opuesto (270°) una agitación baja.
En la recta horizontal, el extremo izquierdo (180°) representa un estado de valencia negativa o
“miseria” y el extremo opuesto (0°) de satisfacción o valencia positiva. En este modelo distribuye
28 estados afectivos, los cuales están repartidos en los cuatro cuadrantes del modelo, como se
observa en la Figura 2.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 26
Figura 2. Modelo de representación de estados afectivos por James A. Rusell. Tomado de [26].
CAPTURA DE ESTADOS EMOCIONALES
¿Qué es un sensor fisiológico?
Los sensores fisiológicos son instrumentos biomédicos empleados para la adquisición de
características presentes en el cuerpo humano. La composición e interacción del cuerpo varía
dependiendo de cada persona, presentando diferentes situaciones para la adquisición de las
características [27].
Principios Fisiológicos
El potencial eléctrico producido por las membranas celulares se debe a una concentración de
diferentes iones (Na+ - Electrolitos Sodio, K+ - Electrolitos Potasio, Ca++ - Calcio, Cl – cloro,
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 27
entre otros), los cuales generan una polarización y despolarización en las membranas celulares
excitables, siendo el interior de la célula negativo y el exterior positivo, generando estos impulsos
eléctricos a nivel celular (Tabla 2). También, las despolarizaciones transitorias, llamadas
potenciales de acción, actúan en las fibras musculares, lo que conlleva a determinar la actividad
contráctil de la fibra muscular, a su vez, el músculo se divide en dos tipos de unidades, anatómicas
y funcionales, siendo la fibra muscular la unidad anatómica y la unidad funcional corresponde a la
unidad motora. Así mismo, la unidad motora está constituida por un grupo de fibras musculares la
cual transmiten estímulos nerviosos a partir de una única motoneurona [28]. En la Tabla 2 se
muestra el proceso de polarización y repolarización de una célula del corazón.
Proceso de la membrana celular Estado
Reposo
Inicio de la despolarización
Despolarización completa
Inicio de la repolarización
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 28
Repolarización completa
Tabla 2. Proceso de despolarización y repolarización de una célula. Tomado de [29].
A continuación, se describen diferentes señales fisiológicas que puedan capturarse de una persona,
y que pueden servir de apoyo para identificar una emoción.
Electromiografía
La electromiografía (EMG), es el registro de los impulsos eléctricos de los músculos del esqueleto,
los cuales proporcionan información sobre el estado fisiológico y los nervios activos [28]. Un
electromiograma es utilizado para el estudio del funcionamiento del sistema muscular registrados
a partir de potenciales bioeléctricos los cuales pueden ser electrodos de superficie o aguja situados
en un músculo o un nervio [30]. Un estudio neurofisiológico, empleando electromiografía puede
variar su duración oscilando entre 30 minutos y 2 horas, y pueden dar indicaciones sobre problemas
musculares tales como; parálisis o estimulación muscular tardía [31]. Un sensor EMG (Figura 3)
captura la actividad muscular por medio de electrodos es el Myoware Muscle Sensor.
Figura 3. Myoware Muscle Sensor. Tomado de [32].
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 29
Instrumentación en electromiografía
A. Electrodos.
Pueden estar conformados por una superficie metálica, recubiertos de espuma sólida de
gel o de goma. Son los encargados de transmitir las cargas iónicas producidas por el
cuerpo transformadas en corrientes eléctricas, por lo que son instrumentos
indispensables en la medicina. Además, otorgan información acerca de la actividad
muscular corporal o la actividad iónica en partes específicas del cuerpo, generalmente
están conformados por una superficie metálica y un electrolito que entra en contacto
con la piel permitiendo un intercambio entre de la señal bioeléctrica desde el interior
del cuerpo hacia el sistema de captación de la señal [33]. Por consiguiente, se pueden
aplicar dos tipos de electrodos en esta práctica, superficiales o por vía de inserción, a su
vez, estos se dividen en monopolares y coaxiales [28].
B. Amplificadores.
Se encargan de amplificar la señal recogida de los potenciales eléctricos producidos por
la actividad muscular, llegando a aumentar la señal hasta en 60 dB (decibeles) para una
posterior visualización en los elementos de instrumentación médica. Estos deben tener
la capacidad de captar con precisión señales comprendidas entre los 40 y 10.000 Hz (En
español Hercios) [28].
C. Sistemas de registro.
Los registros pueden ser realizados por medio de instrumento de visualización
electrónico para la representación gráfica de señales eléctricas como un osciloscopio, a
través de la escritura de los potenciales eléctricos desplazados descritos con un
desplazamiento vertical a través de una línea horizontal en un monitor de tubo de rayos
catódicos. Por contraparte, se puede realizar registros permanentes a través de plumillas
y tinta sobre una hoja milimetrada, fotografías, o soportes magnéticos [28].
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 30
Electrocardiograma
El estudio del corazón presenta una gran importancia en la detección y prevención de enfermedades
cardiacas e incapacitaciones por fallas en el sistema de conducción del corazón. El
electrocardiograma es el registro de la actividad eléctrica del corazón en el momento que realiza
una contracción. Para la observación del corazón, se realizan derivaciones cardiacas, las cuales son
las distintas vistas del corazón a través de electrodos posicionados estratégicamente en la parte
torácica y precordial del paciente [29]. Existen distintos métodos para realizar ECG, dependiendo
del estado en el cual se encuentre el paciente. Entre los principales se encuentran los ECG de
reposo, ECG de esfuerzo y el ECG ambulatorio.
ECG de reposo: La práctica se realiza generalmente con el paciente recostado sobre una
camilla médica y en estado de reposo, el registro suele durar unos minutos y es necesario
que el paciente no realice esfuerzos musculares en la práctica. A través de los electrodos
posicionados en la parte del pecho se realiza el registro de la actividad cardiaca los cuales
son impresos o visualizados por computadora [34].
ECG de esfuerzo: El examen de esfuerzo se realiza con el paciente realizando una
actividad física de duración aproximada de 15 minutos, comúnmente en una bicicleta
estática o una banda caminadora y se analiza la capacidad de esfuerzo que tiene el corazón
del paciente en momentos de realizar actividades físicas [34]. El ejercicio comenzará de
manera lenta y gradualmente se irá aumentando la complejidad hasta obtener los registros
necesarios por el médico o que el paciente desista de la actividad por agotamiento u otro
factor [34].
ECG ambulatorio: Consiste en el registro de la actividad cardiaca en periodos más
extensos generalmente en un tiempo aproximado de 24-48 horas a través de un monitor
Holter de 24 horas el cual porta el paciente (Figura 4) [34].
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 31
Figura 4. Electrodos empleados en electrocardiografía. Tomado de [35].
Principios del impulso cardíaco
El impulso eléctrico generado por el corazón se origina en el Nodo sinusal, localizado en la parte
superior de la aurícula derecha, atravesando las vías internodales pasando posteriormente por el
Nodo Atrio ventricular localizado en el lado derecho del tabique auricular, propagándose por las
ramas del Haz de His para dirigirse hacia las ramas derecha e izquierda, las cuales son fascículos
ubicados a ambos lados respectivos del tabique ventricular, terminando en las fibras de Purkinje
causando la despolarización y contracción de los ventrículos [29]. El impulso cardíaco o ritmo
cardíaco, puede ser visualizado en la práctica de la electrocardiografía a través de la onda cardíaca
ubicada de manera impresa en un papel milimetrado como se muestra en la Figura 5.
Figura 5. Representación de una onda de ECG en papel cuadriculado.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 32
P: Onda representativa de la despolarización auricular.
QRS: El conjunto de ondas QRS representan la despolarización ventricular.
T: Onda representativa de la repolarización ventricular.
Temperatura corporal
Es referenciado como el equilibrio que realiza biológicamente el cuerpo entre la generación de
calor y su pérdida. Controlado por el hipotálamo, este activa mecanismos de autorregulación como
la vasodilatación, la sudoración y la hiperventilación en el caso de que la temperatura aumente más
de lo normal [36]. La temperatura corporal de una persona varía dependiendo de su edad, sexo, la
actividad realizada recientemente, la cantidad de líquidos ingeridos, la hora del día y en el caso de
las mujeres, la fase del ciclo menstrual en la cual se encuentren [36]. Las zonas corporales
adecuadas para la obtención de una persona son:
Oral.
Rectal.
Axilar.
En el oído.
En la sien.
En la Tabla 3 se presentan los valores normales de la temperatura corporal.
Edad Grados celsius (C°)
Recién nacido 36,1 – 37,2
Lactante 37,2
Niños de 2 a 8 años 37,0
Adulto 36,0 – 37,0
Tabla 3. Valores normales de temperatura corporal. Tomado de [36].
Interpretación de emociones a través de huellas de calor
En relación con los cambios de temperatura corporal, se puede distinguir una forma de identificar
cambios emocionales a través de huellas de calor existentes en zonas específicas del cuerpo, siendo
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 33
de carácter transitorio y observables a través de técnicas como la termografía. Por lo tanto, se
demuestra en [37], la utilización de herramientas captadoras de calor, que, a través del tiempo han
aportado a investigaciones para la captura de cambios fisiológicos, que a su vez, subyacen
comportamientos psicológicos producido a través del esfuerzo mental y que por lo general, crea un
aumento en la temperatura corporal, como por ejemplo, la creación de música, razonamiento lógico
y matemático o un estado emocional, entre otros. Dado que, la termografía permite la
determinación de la temperatura de los objetos a distancia, permitiendo la representación visual de
la temperatura en la superficie de la piel y teniendo en cuenta que la temperatura normal de un
adulto sano se encuentra entre los 36,0° y 37,0° Celsius, se convierte en una técnica de registro
psicofisiológico de medición sencilla. Analizando regiones de interés como la frente, mejillas, nariz
o el área ocular, y promediando los cambios de temperaturas en un sujeto frente a una situación
que estimule su estado emocional, es posible el reconocimiento de la valencia emocional o el
arousal del sujeto pudiendo así identificar emociones básicas [37]. A continuación, se muestra un
sensor de temperatura el cual detecta el calor corporal.
Figura 6. Sensor de temperatura MLX90614.
Actividad electrodérmica (AED)
La piel es un órgano que impide la entrada de sustancias nocivas para el organismo, siendo este el
órgano más extenso en el ser humano, donde, en cuyo caso, faltase el 40 por ciento de su tejido, el
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 34
organismo sería incompatible con la vida. Por otra parte, ha demostrado que la piel presenta
impulsos de señales eléctricas, hecho que se cree estar relacionado con la actividad de las glándulas
sudoríparas. Para analizar esta relación existen dos instancias; la resistencia o conductancia
(exosomática) y mediante la detección de voltajes (endosomática). El registro de la conductividad
de la piel se realiza comúnmente empleando electrodos en la superficie de la epidermis (capa
superficial) [38].
La actividad electrodérmica ha sido caso de estudio desde el siglo XIX, donde su aplicación se ha
visto valorada debido a sus intervenciones positivas en el aumento del flujo sanguíneo, uso como
bactericida o para la aceleración de la cicatrización por estimulación de la actividad electrodérmica
de la piel, además, se ha visto relacionada en análisis del comportamiento fisiológico de la piel
frente a casos de neurosis o estrés, ayudando a la determinación del estado cognitivo y emocional
de un sujeto [38]. A continuación, se muestra un sensor que capta la respuesta electrodérmica de
la piel.
Figura 7. Sensor galvánico. Tomado de [39].
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 35
AED de la piel en psicología y fisiología
Está relacionada con los cambios emocionales, el arousal, referido al nivel de activación cerebral,
concentración o desempeño óptimo en cuanto a niveles psicológicos o fisiológicos en una persona
frente a una actividad, y su atención. Cabe mencionar que, la AED, es empleada como herramienta
para identificar los cambios cognitivos o emocionales debido a sus mediciones de alta sensibilidad
[38].
Respiración
La respiración es un reflejo natural del cuerpo, involuntario y automático en el cual ingresa oxígeno
del aire por medio de la inhalación y se eliminan los desechos extrayéndolos hacia afuera
separándolos del oxígeno por medio de la exhalación. Este movimiento es controlado por los
centros respiratorios bulbares los cuales adaptan la respiración a cada situación y divide este reflejo
en tres fases: Inspiración, espiración y momento de reposo.
Figura 8. Fases respiratorias ilustradas. Tomado de [40].
Selección de los sensores
Para la selección de los sensores, fue necesaria la identificación de elementos que no fueran de
carácter invasivo, tuvieran practicidad en su utilización y mantuvieran compatibilidad con la
captura de la información mediante la plataforma de hardware que se utilizara.
Los sensores que se relacionan con las características fisiológicas extraídas de la captura de datos
se describen en la Tabla 4.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 36
Sensor Temperatura / Calor corporal
Importancia
La temperatura corporal ha demostrado ser una característica relevante
para la identificación de emociones debido a la existencia de cambios de
calor en diferentes zonas corporales en la experimentación de diversas
emociones. La temperatura se muestra como una reacción fisiológica que
usualmente es percibida en la zona del rostro y cabeza, tórax y cuello [41].
Característica
Está relacionada con el aumento de la temperatura corporal de forma
general o focalizada en ciertas partes del rostro y ligada a otras
características fisiológicas como el aumento del ritmo cardiaco, la
sudoración o la presión sanguínea [41].
Relación emocional Ira, Alegría, vergüenza, amor.
Aplicación
El sensor de temperatura se puede ubicar fácilmente en las zonas axilares
para la medición del calor corporal. La referencia utilizada (ver capítulo
5) dispone de un sensor de captación de calor a distancia y es compatible
con la plataforma de programación de Arduino.
Sensor Oxímetro
Importancia
Este presenta diversos comportamientos en situaciones provenientes del
medio externo que altera su funcionamiento estereotipado, de este
principio, se diversifican amplios estudios acerca de la relación del
corazón y las emociones las cuales abarcan muchos aspectos
psicofisiológicos [42].
Característica
Está relacionado con el análisis del ritmo cardíaco, los intervalos de latido
por minuto y la observación de las ondas de frecuencia cardiaca para el
análisis del comportamiento del corazón.
Relación emocional Alegría, miedo, ira.
Aplicación
El sensor empleado (ver capítulo 5) dispone de una fácil aplicación en el
cuerpo, pudiendo ser ubicado en los dedos corazón u índice de la persona,
además del lóbulo de la oreja. Su funcionamiento por medio de la
oximetría de pulso permite que sea un sensor de carácter no invasivo y
presenta compatibilidad con la placa de programación de Arduino.
Sensor Galvánico
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 37
Importancia
La respuesta electrodérmica de la piel demuestra interacción causada por
los eventos del entorno y los cambios de los estados psicológicos de un
individuo, estando ligada también a los cambios del rimo cardíaco [43].
La piel actúa como un interlocutor entre el entorno y el organismo y un
medio por el cual las toxinas se eliminan hacia el medio exterior. Debido
a la conductividad de la piel, las mínimas alteraciones eléctricas pueden
ser medidas o inducidas para la identificación de una emoción, las
reacciones somáticas como los cambios de color (enrojecimiento /
palidez), son también características observables del comportamiento
emocional en la piel [44].
Característica Está relacionado con la medición de la respuesta electrodérmica de la piel.
Relación emocional Vergüenza, miedo, ira.
Aplicación
El sensor Galvánico utiliza el registro de la respuesta electrodérmica de
la piel a través de electrodos que son posicionados en los dedos de la
mano, siendo así de fácil aplicación y de carácter no invasivo, además
demuestra compatibilidad con la plataforma de programación de Arduino.
Tabla 4. Relación de sensores fisiológicos con las emociones.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 38
VI MODELO DE PROCESAMIENTO DE SEÑALES FISIOLÓGICAS
El procesamiento de señales digitales está presente en diversas disciplinas, como:
telecomunicaciones, medicina, astronomía, etc. Ésta comprende el manejo de la información y las
señales físicas para su manipulación. El procesamiento de señales se relaciona con el manejo,
transformación y representación de señales a través de una computadora o sistema digital, el cual
son representados en secuencias de números de precisión finita [45]. En procesamiento de la señal
digital se debe tener en cuenta algunas características de amplitud de forma discreta y tiempo lo
que concede la condición adecuada para que una computadora pueda procesar la señal y
representarla de forma finita [46]. Las señales pueden proceder de diversas fuentes. En este
proyecto las señales proceden de sensores que miden respuestas fisiológicas de una persona.
El procesamiento de señales digitales es la manipulación matemática de una señal de información
para modificarla o mejorarla. Por lo que, el procesamiento de una señal consiste en unas etapas
para hacer tratamiento a la señal e identificar características que ayuden a identificar patrones de
una señal. Un patrón puede ser una representación de una relación estocástica entre señales y se
obtiene mediante el análisis matemático de ejemplos de señales adquiridas previamente. Por lo que,
un patrón representa a una clase de señales, que a su vez representa una clase de entidades
individuales. Los patrones se obtienen a partir de la extracción de características distintivas, de tal
manera que se logre representar sólo rasgos significativos.
Los patrones se obtienen a partir de un conjunto de etapas, como: adquisición de señales
fisiológicas, almacenamiento de datos, extracción de características y clasificación [47]. Es
importante mencionar que en el proyecto de investigación que se propone no se llegará a la etapa
de clasificación, ya que el interés es analizar las emociones usando sensores fisiológicos y cómo la
identificación de un conjunto de características puede ayudar a etiquetar una determinada emoción.
A continuación, se describen algunos modelos que se han propuesto para el análisis y clasificación
de las emociones.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 39
Modelo 1
El modelo propuesto por Wioleta [48], describe unas etapas para el reconocimiento de las
emociones (Figura 9). El modelo consta de las siguientes etapas: Inducción de emociones, captura
de señales fisiológicas, extracción de características, y clasificación.
Figura 9. Etapas del modelo.
A continuación, se describe cada etapa del modelo:
Inducción de emociones
Para inducir las emociones se seleccionan un conjunto de imágenes de la IAPS (en inglés
International Affective Picture System) [49], el cual es una base de datos de imágenes que pueden
inducir emociones en las personas. La IAPS hace relación a dimensiones afectivas, tomando en
cuenta el arousal, dominancia y la valencia en el estudio de las emociones.
Captura de señales fisiológicas
Presentan una serie de experimentos donde se sitúa una persona frente a un videojuego y se realiza
la captura de señales de forma multimodal (señales fisiológicas, expresiones faciales y señales de
audio) utilizando a su vez un sensor de respiración, un electromiograma y un sensor de captura
electrodérmica de la piel.
Extracción de características
A partir de las señales fisiológicas se realiza la captura de señales de los sensores fisiológicos
(Figura 10) descritas a continuación:
La conductividad de la piel (SC), la cual es extraída por medio de electrodos colocados en
los dedos utilizando el sensor de respuesta electro galvánica.
El volumen del pulso de la sangre (BVP) es detectado por medio de un sensor infrarrojo
que mide cuanta luz es reflejada al ser colocado en la punta de los dedos de la mano.
Inducción de emociones
Captura de señales
fisiológicas
Extracción de características Clasificación
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 40
La temperatura (T), la cual es detectada por un sensor de temperatura que mide el nivel de
calor de la superficie de la piel, generalmente colocado en la punta de los dedos de la mano.
La respiración (RSP), que determina que tan profunda es la respiración y la velocidad de
la respiración de una persona, capturada por medio de un sensor que rodea el vientre de la
persona y detecta la expansión y normalización de este.
La actividad eléctrica muscular (EMG), detectada a partir de un sensor de electromiografía
que captura micro impulsos eléctricos causados por la activación de un músculo, y que, a
partir de su amplitud se puede determinar la fuerza de contracción del músculo, lo cual está
relacionado con la existencia de emociones fuertes.
Figura 10. Concepto de prueba de investigación para la captura de señales fisiológicas. Usando
los sensores: Respiración (RSP), Conductividad de la piel (SC), Actividad muscular (EMG),
Temperatura de la piel (T) volumen del pulso de la sangre (BVP). Tomado de [48].
Modelo 2
Otro modelo para el análisis y clasificación de señales afectivas fue propuesto por [4], el cual sigue
un conjunto de etapas, como se muestra en la Figura 11.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 41
Figura 11. Segundo modelo.
Identificación de los sensores fisiológicos que resaltan la valencia emocional
Se seleccionaron un conjunto de sensores para medir respuestas fisiológicas de una persona. Estos
son:
Galvánico de la piel, sensor ubicado en la palma de la mano detecta los cambios en la
conductividad de la piel, está relacionado con el nivel arousal de la activación emocional.
Fotopletismógrafo, detecta el volumen del pulso de la sangre mediante un sensor infrarrojo
que captura el comportamiento del ritmo cardíaco a través del flujo sanguíneo.
Respiración, detecta la expansión y contracción de la cavidad pectoral usando un sensor
colocado alrededor del pecho por medio de un cinturón de velcro.
Electromiografo, detecta la ausencia o presencia de la actividad eléctrica en los músculos.
Extracción de características
Se definieron las siguientes características usando los sensores fisiológicos:
El cambio promedio en la pendiente de cada señal se calculó tomando la media de la
primera diferencia de la señal suavizada (SRC2)
El valor medio de cada señal (SRC).
El ritmo cardíaco fue calculado tomando el inverso del intervalo entre latidos de la forma
de onda expuesta por pulso del volumen de la sangre (HR).
El promedio de aceleración o desaceleración del ritmo cardíaco calculado por la media de
la primera diferencia del ritmo cardíaco (HR2).
Para cada emoción se calculó la media y la varianza de la señal en el dominio del tiempo.
Además del cálculo de la densidad espectral de la potencia de la señal (RT1 y RT2).
Identificación de los sensores fisiológicos que
resaltan la valencia emocional
Extracción de características
Postprocesamiento de los datos
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 42
La energía promedio se calculó de los primeros cuatro valores de 0.5 Hz bandas de las
señales (RF1 y RF4)
El sensor de respiración midió la expansión y la contracción de la cavidad torácica
utilizando un sensor de efecto Hall conectado alrededor del pecho con una banda de velcro.
Para la respiración se calculó el poder espectral para cada estado afectivo.
Post procesamiento de los datos
Obtenidos los datos, para el reconocimiento de los patrones, fue necesario normalizar los valores
de cada característica y posteriormente fue utilizada una proyección del método de análisis
discriminante lineal de Fisher.
Modelo 3
Por último en [50], proponen un modelo con el objetivo de realizar un sistema base para la
detección automática de emociones. Las etapas de esta investigación son descritas en la siguiente
figura:
Figura 12. Tercer modelo.
Identificación de los sensores fisiológicos
Usaron los siguientes sensores fisiológicos para la deducción de los estados emocionales de un
usuario: Electromiografía, actividad electro dérmica, temperatura de la piel, electrocardiograma,
sensor de respiración.
Identificación de los sensores
fisiológicos
Selección del método de
estimulación
Selección de características
Post-procesamiento de las señales
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 43
Selección del método de estimulación
En segunda etapa se procedió con el método para la estimulación de los estados afectivos: La
alternativa que se utilizó fue el uso del conjunto de fotos otorgado por la IAPS (en inglés
International Affective Picture System) [49], donde se clasificaron en términos de excitación y
valencia más de 800 imágenes.
Selección de características
Las características extraídas de las señales fueron las siguientes:
Valor promedio de la variante, este valor es calculado a lo largo de un vector en base al
tiempo de entrada de una señal específica, la cual se recalcula a medida que se desplaza por
los valores entrantes de la señal lo que permite detectar cambios en el comportamiento de
la señal.
Desviación estándar, esta medida muestra los cambios de la señal en base a los datos que
se alejan del valor medio del conjunto de datos de la señal.
Valor de la pendiente. Este valor indica los cambios que se presentan rápidamente en la
señal, para esta característica es necesario realizar un filtro a menudo debido al ruido que
puede de la señal que puede alterar los resultados.
Post procesamiento de los datos
En cuarta instancia se realizó el post-procesamiento y clasificación de los datos: Se optó por el
modelo de clasificación de redes neuronales para la construcción de sistema clasificador con el
objetivo de aprender una emoción correspondiente desde un conjunto de características.
Los diferentes métodos analizados anteriormente muestran que existe una correlación en las etapas
que atraviesan cada una de las investigaciones, teniendo como iniciativa la identificación de los
sensores que se emplearán y/o las señales fisiológicas a monitorear. Tener clara estas etapas
permite tener una base con la cual sea viable proceder con la metodología propia para la captura
de señales fisiológicas enfocada a la detección de la valencia emocional.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 44
VII DISEÑO DEL SISTEMA
Para la construcción del sistema que analiza las emociones por medio de la captura de señales
fisiológicas, cuyo propósito es determinar un conjunto de patrones a partir de los datos obtenidos,
se proponen las siguientes etapas de diseño e implementación del sistema.
Figura 13. Etapas del sistema de análisis de emociones.
Inducción de las emociones
Para la inducción de las emociones, se utiliza un conjunto de imágenes seleccionadas de la base de
datos del IAPS (En inglés International Affective Picture System) [49]. IAPS corresponde a una
base de datos de fotografías a color agrupadas por categorías, donde cada categoría tiene asociada
un promedio de 60 imágenes que representan todas las posibles combinaciones de las dimensiones
de la emoción IAPS, se ha empleado en varios países. IAPS es una de las pruebas a nivel
Inducción de las emociones
Captura de las señales
fisiológicas
Preprocesamiento de los datos
Extracción de características
Almacenamiento de los datos
Análisisestadístico
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 45
internacional más usadas para inducir emociones en las personas. Las fotografías son semejantes a
los objetos reales, ya que puede ocasionar estímulos en la persona, logrando producir un estado
emocional.
Cada imagen está clasificada con un valor arousal y valencia emocional determinado por el IAPS.
Se seleccionaron 6 emociones a partir de la base de datos de imágenes teniendo en cuenta que
anteriores estudios han realizado este mismo procedimiento [51], y posteriormente 4 imágenes por
cada emoción como se muestra a continuación en la Tabla 5, que contiene los valores de la media
y la desviación estándar de la valencia y del valor arousal para cada imagen respectiva [49].
ID
imagen Valencia Emoción
Valencia -
Media (Desviación
estándar)
Arousal -
Media (Desviación
estándar)
7380 Negativa Asco 2.61 (1.55) 5.53 (2.56)
7361 Negativa Asco 3.65 (1.56) 4.73 (2.47)
2352.2 Negativa Asco 1.87 (1.41) 6.57 (2.16)
9405 Negativa Asco 1.59 (1.02) 6.77 (2.22)
2332 Positiva Alegría 7.64 (1.60) 4.30 (2.29)
1463 Positiva Alegría 7.10(1.47) 4.46 (2.17)
1710 Positiva Alegría 8.02 (1.21) 5.53 (2.07)
1441 Positiva Alegría 8.14 (1.33) 4.00 (2.55)
9075 Negativa Tristeza 1.29 (0.64) 6.57 (2.39)
9410 Negativa Tristeza 1.20 (0.58) 7.54 (1.78)
9520 Negativa Tristeza 2.79 (1.73) 5.37 (1.98)
9561 Negativa Tristeza 2.21 (1.66) 5.35 (2.26)
4607 Positiva Excitación 7.03 (1.84) 6.34 (2.16)
4643 Positiva Excitación 6.84 (1.54) 6.01 (2.00)
4611 Positiva Excitación 6.62 (1.82) 6.04 (2.11)
4676 Positiva Excitación 6.81 (1.67) 6.07 (2.22)
7150 Neutro Neutro 4.72 (1.00) 2.61 (1.76)
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 46
7235 Neutro Neutro 4.96 (1.18) 2.83 (2.00)
2190 Neutro Neutro 4.73 (1.25) 2.27 (1.72)
7632 Neutro Neutro 5.05 (1.56) 4.49 (2.23)
9810 Negativa Cólera 2.25 (1.84) 6.74 (2.33)
6212 Negativa Cólera 1.81 (1.41) 6.53 (2.35)
3191 Negativa Cólera 1.95(1.22) 5.95(2.17)
6415 Negativa Cólera 2.21(1.51) 6.20(2.31)
Tabla 5. Lista de imágenes empleadas para la inducción de emociones.
Para inducir las emociones en los usuarios se diseña un experimento, el cual consiste en mostrar
un conjunto de imágenes que puedan inducir diferentes tipos de emoción y capturar la respuesta de
cada uno de los sensores fisiológicos. Por lo que, es necesario diseñar un protocolo para inducir la
emoción en el usuario usando el conjunto de imágenes IAPS. En la Figura 14, se muestran 3
imágenes del IAPS, las cuales producen un estado emocional positivo, neutro y negativo.
Figura 14. Algunas imágenes de la IAPS.
Captura de las señales fisiológicas
Para la captura de las señales, se emplean los sensores fisiológicos en el momento en el que se
induce a los diferentes estados emocionales al usuario. A continuación, se describen los sensores
fisiológicos a usar en el sistema.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 47
Fotopletismógrafo.
El sensor de pulso (Pulse Sensor) es un fotopletismógrafo (Figura 15), el cual capta la frecuencia
cardíaca de una manera no invasiva, midiendo las fluctuaciones del ritmo cardíaco enviando una
señal analógica de voltaje con una onda perceptible denominada fotopletismograma. El sensor de
pulso amplifica la onda y la normaliza alrededor del punto medio del voltaje (v/2) [52]. El sensor
de pulso, compuesto por tres cables de 24’’ (pulgadas) de largo, y de un color diferencial para cada
uno (Rojo: +3V – 5V, Negro: GND, Morado: Señal). Esta captura la señal del pulso cardiaco a
través de un sensor led infrarrojo que toma las pulsaciones del corazón ubicado desde un dedo de
la mano o en el lóbulo de la oreja.
Figura 15. Pulse Sensor. Tomado de [52]
Sensor de temperatura.
El sensor de temperatura MLX90614 (Figura 16) es controlado internamente por una máquina de
estado, la cual realiza las mediciones y los cálculos de la temperatura de los objetos y del ambiente.
La señal adquirida por el sensor de temperatura es amplificada mediante un amplificador de
compensación Chopper de bajo nivel de ruido con ganancia programable. Posteriormente la señal
pasa a convertirse por un modulador Sigma Delta a un solo flujo de bits [53].
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 48
Figura 16. Sensor de temperatura MLX90614.
Sensor galvánico.
El sensor galvánico captura la respuesta galvánica de la piel midiendo la conductividad de la piel,
siendo esta perceptible en emociones fuertes que pueden ser causadas por el sistema nervioso
simpático y medidas a través de dos electrodos conectados a los dedos de la mano [39].
Figura 17. Sensor galvánico. Tomado de [39].
Sensor respiratorio.
El sensor respiratorio está compuesto por un piezo eléctrico conectado por un cable al voltaje del
puerto análogo de la tarjeta arduino y otro cable a un pin análogo de la misma. Este se sujeta
alrededor del pecho del usuario con una cinta de velctro, el sensor se coloca a través de un cinta de
resorte, detecta la expansión del pecho debido a la modificación en su parte posterior con un
montículo de silicona líquida que permite enetrar en contacto con el movimiento del pecho en la
inhalación y la exhalación. El sensor entrega valores entre 0 y 1023. Este se construyó en base a
un artículo médico [54].
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 49
Figura 18. Sensor respiratorio.
Los sensores están ubicados de la siguiente manera: PulseSensor (dedo índice), sensor de
temperatura (bajo el brazo), sensor respiratorio (tórax o abdomen) y sensor galvánico (dedo
corazón y anular).
Figura 19. Colocación de los sensores en el usuario.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 50
Preprocesamiento de los datos
Para la captura de las señales, cada sensor trae consigo una infraestructura compuesta de hardware
(Arduino [55]) y software (Matlab [56]) que facilita la obtención y visualización de las señales de
forma digital en un monitor. Dicho esto, los sensores son conectados a la placa de desarrollo de
hardware Arduino [57] (Figura 19).
Figura 20. Conexión Hardware con cada uno de los sensores a la placa arduino UNO.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 51
La conexión detallada de cada entrada analógica de los sensores se muestra en la Tabla 6:
Sensor Cable Color Conexión
Temperatura
SCL Cian Pin A5 (Arduino)
SDA Lila Pin A4 (Arduino)
Voltaje Rojo Pin voltaje (Protoboard)
Tierra Negro Pin Tierra (Protoboard)
Vin Ocre Pin Vin (Arduino)
Galvánico
Voltaje Rojo Pin voltaje (Protoboard)
Tierra Negro Pin Tierra (Protoboard)
Señal_1 Amarillo Pin A1 (Arduino)
Señal_2 Blanco No se conecta
Respiratorio
Voltaje Rojo Pin voltaje (Protoboard)
Tierra Negro Pin A3 (Arduino)
Pulse Sensor
Voltaje Rojo Pin voltaje (Protoboard)
Tierra Negro Pin Tierra (Protoboard)
Señal Morado Pin A0 (Arduino)
Tabla 6. Conexión de los sensores a la placa de programación Arduino.
Los sensores entregan una cadena de datos al sistema, en el cual se separa cada valor de
información para cada sensor respectivo para almacenarlo en un vector independiente, como se
observa en la Figura 21.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 52
Figura 21. Datos de las señales de los sensores enviados por el puerto serial.
Debido a que la información es enviada por el puerto serial del ordenador desde la aplicación de
Arduino hacia el sistema propuesto (en MATLAB). Para procesar los datos correctamente se debe
realizar el mapeo de los datos a 5v (voltios) a la señal que contiene la cadena de datos de todos los
sensores debido a que ciertos sensores, como el Pulse Sensor, el sensor Galvánico, y el respiratorio,
tienen un rango de entrega de valores entre 0 a 1023. Para ello, se emplea la ecuación 1:
𝑠𝑒ñ𝑎𝑙(𝑖) = 𝑎(1) ∗ (5/1023) Ecuación 1
Se establece un protocolo de comunicación para él envió de datos, por lo que lo datos que se reciben
en Matlab tienen la siguiente estructura: Se realiza una separación de la cadena de información,
separando en el orden de envío de los datos cada valor de información correspondiente a cada
sensor. Esto se realiza mediante un ciclo que se repite hasta el número de muestras total por señal
de captura de datos, que se define por la Ecuación 2 y se muestra en la Figura 22:
𝑡𝑚𝑎𝑥 ∗ 𝑡𝑟𝑎𝑡𝑒 = 𝑡𝑎𝑚𝑎ñ𝑜𝑉𝑒𝑐𝑡𝑜𝑟 Ecuación 2
Donde:
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 53
𝑡𝑚𝑎𝑥 = Tiempo de captura de datos en segundos por el sistema.
𝑡𝑟𝑎𝑡𝑒 = Frecuencia de muestreo por segundo.
𝑡𝑎𝑚𝑎ñ𝑜𝑉𝑒𝑐𝑡𝑜𝑟 = Número de muestras total para cada señal.
Y la separación se realiza mediante el ciclo mostrado a continuación:
𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟 = 1;
𝑓𝑜𝑟 𝑖 = 1: 𝑝𝑜𝑠: 𝑡𝑎𝑚𝑎ñ𝑜𝑉𝑒𝑐𝑡𝑜𝑟
𝑠𝑒𝑛𝑠𝑜𝑟𝑁(𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟) = 𝑠𝑒ñ𝑎𝑙(𝑖);
𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟 = 𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟 + 1;
𝑒𝑛𝑑
Donde:
𝑆𝑒𝑛𝑠𝑜𝑟𝑁 = Es un vector que almacena todos los valores de la señal por cada sensor.
𝑝𝑜𝑠 = La posición de envío del valor de información en la cadena de datos.
𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟 = Es la variable que almacena en cada posición del vector el valor de información de
la señal del sensor.
Figura 22. Separación de la cadena de datos en el entorno de Matlab.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 54
Extracción de características
Una vez capturadas las señales fisiológicas por medio de los sensores, se identifica las
características más relevantes. De tal manera, que puedan servir de información para encontrar un
patrón en la señal relacionado con los estados emocionales. Las características que se extraigan
ayudarán a clasificar la dimensión emocional desde la captura de de las señales fisiológicas del
usuario frente a un estímulo externo.
Los latidos por minuto ofrecen la posibilidad de detectar alteraciones en el pulso que conlleven a
la identificación de patologías cardiorespiratorias [36], en este caso, se empleará para determinar
los momentos de frecuencia cardíaca de mayor y menor nivel frente al estímulo emocional.
Por otro lado, temperatura corporal, descrito por E. Salazar en [37]. El aumento o disminución
de calor pueden ser utilizado como marcador somático de la respuesta emocional, que permiten
dimensionar características emocionales como el arousal y valencia emocional de acuerdo a los
cambios de temperatura en ciertas zonas faciales a través de termografía . Se utilizará para
reconocer cambios singificativos de temperatura que se relacionen con el estímulo emocional.
La Respuesta electro-galvánica permite tener una percepción acerca de la activación eléctrica de
la piel, reacciones psicosomáticas que son provocadas por factores externos y que son visualizados
mediante los cambios de la piel [44], ademaás como identificar la activación de las glándulas
sudoríparas de la piel que permiten mayor conductividad [39]. En la práctica se empleará para
visualizar los patrones y cambios en la actividad eléctrica de la piel en relación al estímulo
emocional provocado.
La respiración refleja el comportamiento muscular asociado a la relajación y alteraciones de tipo
psicomotriz, lo cual esta vinculado a la percepción del cuerpo y su estado de activación [40].
También, las expresiones faciales, cuya identificación de sentimientos está ligado a un factor
empático desarrollado por los seres humanos a través de la evolución [1], permite reconocer
aspectos básicos en el reconocimiento de emociones por medio de cambios gestuales. Eva de Lera
et al [3], proponen 10 heurísticos para el reconocimiento de emociones aplicados en la evaluación
de la experiencia de usuario, analizando expresiones marcadas como signos referentes a un estado
emocional. Para ese caso, se aplicará el registro de las expresiones faciales a través de la grabación
de video del rostro del participante para cada prueba.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 55
El lenguaje corporal es uno de los fenómenos observables desencadenado a partir de condiciones
internas y externas que conellevan a la activación del sistema nervioso simpático que se traducen
en cambios de postura o reacciones fisiológicas [20]. A partir de esto, se puede capturar desde el
mismo registro por videocámara las expresiones corporales que se relacionen con el estímulo
emocional provocado. En la Tabla 7 se describen características que se analizarán para cada una
de las señales fisiológicas.
Señal Fisiológica Características
Pulso Frecuencia cardíaca
Intervalo de latidos por minuto
Valor máximo
Valor promedio
Valor mínimo
Desviación estándar
Temperatura corporal
Valor máximo
Valor promedio
Valor mínimo
Desviación estándar
Actividad electrodérmica Valor mínimo
Desviación estándar
Respiración Frecuencia respiratoria
Tabla 7. Características de las señales fisiológicas.
Se han seleccionado 12 características que ayudarán a representar un estado emocional a través
de señales fisiológica. A continuación, se realiza una breve descripción de cada una de las
características:
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 56
Desviación estándar: Es la raíz cuadrada de la varianza, la cual define la medida de
dispersión de los datos con respecto a la media. Cuanto mayor sea la desviación estándar
más dispersos están los datos. Se define matemáticamente como:
𝑆 = √1
𝑁−1∑ |𝐴𝑖 − 𝜇2|𝑁
𝑖=1 Ecuación 3
𝑑𝑜𝑛𝑑𝑒 𝜇 𝑒𝑠 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝐴 (𝑣𝑒𝑐𝑡𝑜𝑟):
𝜇 = 1
𝑁∑ 𝐴𝑖
𝑁𝑖=1 Ecuación 4
𝐴 𝑒𝑠 𝑙𝑎𝑠 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑑𝑎𝑡𝑜
Varianza: Es la medida que define que tan dispersos están los datos alrededor de la media.
La varianza es igual a la desviación estándar elevada al cuadrado.
𝑉 =1
𝑁 − 1∑|𝐴𝑖 − 𝜇2|
𝑁
𝑖=1
𝑑𝑜𝑛𝑑𝑒 𝜇 𝑒𝑠 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝐴:
𝜇 = 1
𝑁∑ 𝐴𝑖
𝑁
𝑖=1
Frecuencia Respiratoria: La frecuencia respiratoria es el número de respiraciones
realizadas en un determinado tiempo, el cual comprende un ciclo la fase de inhalación y el
de exhalación provocada por aparato respiratorio. La señal entregada por el sensor
respiratorio es procesada en Arduino con la función map( ) de la siguiente manera.
𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑅𝑒𝑝𝑠𝑖𝑟𝑎𝑡𝑜𝑟𝑖𝑎 = 𝑚𝑎𝑝(𝑟𝑒𝑠𝑝𝑖𝑟𝑎𝑐𝑖𝑜𝑛, 0,1024,1024,0);
𝑑𝑜𝑛𝑑𝑒:
𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑅𝑒𝑝𝑠𝑖𝑟𝑎𝑡𝑜𝑟𝑖𝑎 = 𝑙𝑒𝑡𝑢𝑟𝑎 𝑑𝑒𝑙 𝑝𝑖𝑛 𝑎𝑛𝑎𝑙ó𝑔𝑖𝑐𝑜 𝑒𝑛 𝐴𝑟𝑑𝑢𝑖𝑛𝑜.
Lo cual invierte los valores de la forma de onda de la señal para conseguir visualizar ondas
ascendentes en el momento de la inhalación y formas de ondas descendentes en la
exhalación, y es normalizada con la función smooth( ) en MATLAB, la cual realiza un
procesamiento a la señal suavizando los datos de una columna del vector usando un filtro
por promedios que se desplaza, el lapso de desplazamiento del filtrado por promedios es de
5 y está descrito de la siguiente forma:
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 57
𝑦𝑦 = 𝑠𝑚𝑜𝑜𝑡ℎ(𝑦)
𝑒𝑠 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒 𝑎
𝑦𝑦 (1) = 1
𝑦𝑦(2) = (𝑦(1) + 𝑦(2) + 𝑦(3)/3 )/3
𝑦(3) = (𝑦(1) + 𝑦(2) + 𝑦(3) + 𝑦(4) + 𝑦(5))/5
𝑦(4) = (𝑦(2) + 𝑦(3) + 𝑦(4) + 𝑦(5) + 𝑦(6))/5
y así sucesivamente.
Valor máximo: Es el dato de mayor valor de un conjunto de datos. El valor máximo de
una función es dado por la siguiente expresión:
𝑓(𝑐)𝑒𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 𝑢𝑛𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑠𝑖 𝑐 𝑝𝑒𝑟𝑡𝑒𝑛𝑒𝑐𝑒 𝑎𝑙 𝑑𝑜𝑚𝑖𝑛𝑖𝑜 𝑑𝑒 𝑓(𝑥)𝑦
𝑓(𝑐) ≥ 𝑓(𝑥)𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥 ∈ 𝑎𝑙 𝑑𝑜𝑚𝑖𝑛𝑖𝑜 𝑑𝑒 𝑓()
Valor Promedio: Es el valor de una serie de datos cuantitativos la cual se obtiene desde la
suma de todos los datos dividido entre el número de los sumandos y está dada por la
siguiente ecuación:
�̅� =1
𝑛 ∑ 𝑥𝑖 =
𝑥1+𝑥2…+𝑥𝑛
𝑛
𝑛𝑖=1 Ecuación 5
Valor mínimo: Es el dato de menor valor de un conjunto de datos. El valor mínimo de una
función es dado por la siguiente expresión:
𝑓(𝑐)𝑒𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 𝑢𝑛𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑠𝑖 𝑐 𝑝𝑒𝑟𝑡𝑒𝑛𝑒𝑐𝑒 𝑎𝑙 𝑑𝑜𝑚𝑖𝑛𝑖𝑜 𝑑𝑒 𝑓(𝑥)𝑦
𝑓(𝑐) ≤ 𝑓(𝑥)𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥 ∈ 𝑎𝑙 𝑑𝑜𝑚𝑖𝑛𝑖𝑜 𝑑𝑒 𝑓()
Frecuencia cardíaca: Es el número de contracciones o pulsaciones del corazón que se
efectúan en un tiempo determinado. La siguiente expresión corresponde a la medición de
las repeticiones de un suceso cíclico en base a una unidad de tiempo:
𝑓 =𝑛 𝑣𝑒𝑐𝑒𝑠
𝑇
𝑑𝑜𝑛𝑑𝑒
𝑇 = 𝑃𝑒𝑟𝑖𝑜𝑑𝑜 = 𝐶𝑖𝑐𝑙𝑜 𝑡𝑟𝑎𝑛𝑠𝑐𝑢𝑟𝑟𝑖𝑑𝑜𝑠 𝑒𝑛𝑡𝑟𝑒 𝑑𝑜𝑠 𝑝𝑢𝑛𝑡𝑜𝑠 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑢𝑛𝑎 𝑜𝑛𝑑𝑎.
𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜, 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑐𝑎𝑟𝑑í𝑎𝑐𝑎 𝑙𝑎 𝑒𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛 𝑠𝑒 𝑟𝑒𝑠𝑢𝑚𝑒 𝑒𝑛
𝑓 = 𝑛 𝑙𝑎𝑡𝑖𝑑𝑜𝑠
𝑚𝑖𝑛𝑢𝑡𝑜
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 58
Almacenamiento de los datos
Una vez identificadas las características de las señales, éstas se almacenan en documentos en
formato Excel. En los cuales están separados los vectores de cada uno de los sensores que fueron
capturados en la prueba por cada presentación asociada a una emoción como se muestra en la
Figura 23.
Figura 23. Interfaz gráfica para la captura de datos y muestra de características.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 59
Los datos son guardados en un archivo CSV, donde cada dato es una columna, como se observa en
la Figura 24.
Figura 24. Muestra de exportación de los datos de cada sensor en archivo Excel.
Análisis estadístico
En esta etapa se realiza el análisis de la información almacenada desde Excel, identificando los
datos obtenidos de la prueba por cada participante y las características de las señales fisiológicas
asociadas a un estado emocional.
Selección de las dimensiones emocionales
Para la selección de las dimensiones emocionales, se buscó extrapolar dos tipos de valencia
emocional más un tipo de valencia neutral (positiva-neutra-negativa) para encontrar un mayor
contraste en las características que se identificarán en cada una. Por lo tanto, para generar una fácil
estimulación, debido a que estas dimensiones se ven involucradas en las emociones que suceden
con normalidad en el día a día de las personas y están ligadas a las emociones básicas, se procede
con el diseño de un experimento que conllevará a la estimulación de estas dimensiones afectivas
de la emoción.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 60
Experimento de Adquisición de datos
Participantes
El público objetivo de esta investigación es la población universitaria juvenil entre 16 y 25 años de
la Universidad de San Buenaventura Cali (Santiago de Cali - Colombia), ya que estos tienden a
experimentar situaciones en su cotidianidad que los lleven a experimentar diferentes estados de
ánimo y es fácil la adquisición de participantes. Los participantes vinculados a las pruebas de
campo de manera voluntaria se dividen en dos grupos, masculino (12 participantes) y femenino (6
participantes), siendo un total de 18 sujetos evaluados para la captura de datos.
Protocolo de Inducción de Emoción
El sistema realiza la captura de las señales entregadas por los biosensores para la extracción y
análisis de las diferentes características de la señal. Para la identificación de las dimensiones
emocionales por medio de sensores fisiológicos, se propone usar el método de inducción de
emociones, el cual consiste en mostrar contenido multimedia (video, imágenes o sonidos) para
producir emociones. Este consiste en presentar un contenido de imágenes provenientes de la base
de datos de la IAPS clasificadas como positivas, neutras y negativas en base a sus valores de
dominancia, arousal y valencia [58], con el fin de exponer material multimedia que pueda inducir
emociones en los participantes, y de esta manera capturar los diferentes tipos de señales fisiológicas
usando los sensores. Se muestra el conjunto de presentaciones realizadas en PowerPoint, el cual
contienen 24 imágenes seleccionadas de la IAPS en el siguiente orden: Asco, Alegría, Tristeza,
Excitación, Neutro y Cólera.
Adquisición de las Señales
La adquisición de las señales consta de tres fases. Inicialmente, se le pide al participante llenar un
documento de consentimiento informado. En la primera fase, al participante le son colocados los
cuatro sensores fisiológicos: Fotopletismógrafo (dedo índice de la mano), GRS (dedo anular y
corazón de la mano), temperatura (debajo del brazo) y respiración (en el abdomen), como se
muestra en la Figura 25.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 61
Figura 25. Evaluación de los sensores fisiológicos con estudiantes de la Universidad San
Buenaventura
La presentación inicia al mismo tiempo que la captura de datos con el sistema realizado en
MATLAB, el cual realiza 30 segundos de captura de información por cada presentación mostrada,
5 segundos más que la duración de la presentación para la estabilización de los sensores (35
segundos de captura de información realiza el sistema en MATLAB por cada ejecución). La
presentación inicia mostrando un cuadro en negro para neutralizar el estado emocional del
participante, con una duración de transición de cinco segundos. Luego, se muestran las imágenes
restantes con el mismo tiempo de duración entre transiciones de imágenes (25 segundos comprende
el tiempo de duración por presentación. La prueba es registrada por video cámara para capturar las
reacciones gestuales del participante en el transcurso de la prueba como se muestra en la Figura
26.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 62
Figura 26. Expresiones faciales registradas en participantes. Orden de las emociones descritas de
forma descendente de izquierda a derecha: cólera, neutralidad, asco y alegría.
En la tercera fase, se retiran los sensores del participante y se realiza un cuestionario en formato
digital (Ver Anexo 2) como han realizado otros estudios [59]. En este cuestionario, se realiza unas
preguntas básicas para que el participante pueda describir su experiencia acerca de su estado
emocional, para llegar a una comparativa de las emociones descritas por el participante, en el
registro de la prueba y el sistema en desarrollo de análisis de emociones usando biosensores.
Como ejemplo ilustrativo de las fases empleadas en el experimento se muestra Figura 27:
Figura 27. Ejemplo ilustrativo del proceso del experimento.
Colocación de los sensores fisiológicos
Grabación de la prueba
Ejecución del sistema de captura de señales
fisiológicas
Exportación y guardado de la información
Cuestionario
Inducción de emociones
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 63
Debido a la imposibilidad de encontrar una base de datos que comparta los valores de las señales
fisiológicas relacionadas con las emociones o sus dimensiones mediante el método de inducción
de emociones usando IAPS. Surge la necesidad de crear una base de datos a partir de la información
generada por el sistema el cual exporta los valores de las señales fisiológicas en tablas en Excel,
que agrupe las diferentes respuestas de las señales de los sensores fisiológicos relacionados con las
valencias emocionales para la determinación de los estados afectivos de una persona en la
interacción con un dispositivo tecnológico, asociando los patrones que se presenten en los datos
que fueron capturados con una estimulación emocional de una valencia respectiva.
Cuestionario.
El cuestionario se propone como una forma de apoyo para conceptualizar el estado de ánimo desde
la experiencia subjetiva del participante, refiriéndose a preguntas que orientarán a una mejor
descripción de la experiencia personal de la prueba por cada usuario.
Esta información será utilizada para relacionar las características que mas se destaquen en el
análisis de los datos y relacionarlos con los estados anímicos descritos por cada participante.
Identificar relevancia de un estado entre otros y que sentimientos fueron los más estimulados para
un posterior análisis y comprobación con los datos obtenidos de los sensores fisiolóficos.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 64
VIII ANÁLISIS DE LOS RESULTADOS
De acuerdo con los resultados obtenidos a través de los diferentes sensores, se realiza un análisis
de las características presentes, donde se muestran los resultados del experimento; la descripción
de las señales se entiende por los siguientes acrónimos; FC: Frecuencia respiratoria, RED:
Respuesta ElectroDérmica de la piel, FR: Frecuencia Respiratoria, TC: Temperatura corporal y
LPM: Latidos Por Minuto. Los resultados de los participantes fueron seleccionados de la base de
datos generada por el sistema en el experimento de acuerdo a aquellos participantes que en el
cuestionario específicaron experimentar estimulaciones afectivas de forma más activa e
igualmente mostraron expresiones faciales y corporales en el registro de la prueba por vídeo.
Valencia positiva
Se puede observar en la Tabla 8 el resultado del análisis de los datos del sistema respecto a una
emoción positiva:
Características / Señales FC TC RED FR LPM
Participante 01 - Alegría
PROMEDIO 2,501 36 607,248 583,213 133,688716
Desviación estándar 5,159 0 5,15859051 35,356 31,4480083
Max 4,765 36 612 637,000 155
Min 0,723 36 0,72336266 413,667 0
Varianza 1,60452395 0 26,611056 1250,08031 988,977227
Participante 02 - Alegría
PROMEDIO 2,474 35,8666667 637,222 446,071 80,6614786
Desviación estándar 0,773 2,19089023 38,9400772 37,368 22,6527583
Max 4,770 36 641 474,400 98
Min 0,000 36 0 0,000 0
Varianza 0,59820491 4,8 1516,32962 1396,37498 513,14746
Participante 07 - Alegría
PROMEDIO 2,497 35,8666667 490,996 521,504 92,9494163
Desviación estándar 0,707 2,19089023 30,6354629 53,968 25,8731152
Max 4,770 36 537 597,800 136
Min 1,579 0 0 0,000 0
Varianza 0,50008823 4,8 938,531585 2912,59665 669,418092
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 65
Participante 08 - Alegría
PROMEDIO 2,448 35,8259259 764,778 460,492 153,447471
Desviación estándar 0,522 2,19734422 48,4746769 31,397 34,3156706
Max 3,949 36 776 479,600 184
Min 1,427 35 0 0,000 0
Varianza 0,27233113 4,82832163 2349,7943 985,770243 1177,56525
Participante 10 - Alegría
PROMEDIO 2,448 35,8259259 764,778 460,492 153,447471
Desviación estándar 0,522 2,19734422 48,4746769 31,397 34,3156706
Max 3,949 36 776 479,600 184
Min 1,427 35 0 0,000 0
Varianza 0,50274875 4,37400523 1547,36467 882,423336 1716,18731
Participante 12 - Alegría
PROMEDIO 2,480 33,8740741 627,456 1017,190 166,062257
Desviación estándar 0,706 2,06917411 38,3473155 66,667 60,191553
Max 4,770 34 634 1023,000 238
Min 0,000 34 0 0,000 0
Varianza 0,49802394 4,28148148 1470,5166 4444,45418 3623,02305
Tabla 8. Primera comparación de resultados frente a una emoción de valencia positiva.
El primer análisis es realizado frente a seis participantes a los cuales les fue inducida la emoción
de valencia positiva: Alegría. En la Tabla 8 se observa que los valores son similares frente a
diferentes señales. Por lo que, se puede decir lo siguiente:
La frecuencia cardíaca muestra valores en su promedio de amplitud se encuentran entre los
2,4 y 2,6 valores, con un promedio general de 2,474. No obstante, realizando una
comparación de los valores máximos y mínimos de las frecuencias cardíacas, se puede
determinar que la amplitud máxima y mínima permanece dentro de un rango similar para
cada frecuencia cardíaca en los participantes, como se muestra en la Figura 28.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 66
Figura 28. Valores máximos y mínimos de la frecuencia cardíaca
La varianza respecto a la frecuencia cardíaca, conservan rangos similares entre valores de
0,4 y 1,6 como se muestra en la Figura 29, manteniendo valores muy parecidos entre sí, con
un promedio general de la varianza de 0,662653485. Lo que no hay una gran dispersión de
los datos frente al promedio general de la amplitud de las frecuencias que corresponde a
2,47466667.
Figura 29- Varianzas de las Frecuencias cardíacas.
Otra señal que conserva similitud en cuanto a sus valores es la temperatura, mostrando
valores promedio de 34 a 36 grados C°, con un promedio general en la temperatura de
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 67
35,5432099. Es importante tener en cuenta que el sistema no desprecia el ruido entregado
por los sensores.
La desviación estándar respecto a la temperatura muestra una variabilidad de los datos
respecto al promedio de las temperaturas con un promedio general de desviación estándar
de 1,398. Así mismo, se puede observar que en 4 de 6 participantes se mantiene dentro de
un rango de 2,8 a 2,9.
A continuación, se adjuntan las gráficas de las señales fisiológicas de las cuales se concluyen las
observaciones más relevantes:
0
2
4
6
1
11
21
31
41
51
61
71
81
91
10
1
11
1
12
1
13
1
14
1
15
1
16
1
17
1
18
1
19
1
20
1
21
1
22
1
23
1
24
1
25
1
26
1
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca - Participante 01
0
2
4
6
1
11
21
31
41
51
61
71
81
91
10
1
11
1
12
1
13
1
14
1
15
1
16
1
17
1
18
1
19
1
20
1
21
1
22
1
23
1
24
1
25
1
26
1
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca - Participante 02
0
2
4
6
1
11
21
31
41
51
61
71
81
91
10
1
11
1
12
1
13
1
14
1
15
1
16
1
17
1
18
1
19
1
20
1
21
1
22
1
23
1
24
1
25
1
26
1
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca - Participante 07
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 68
0
2
4
6
1
11
21
31
41
51
61
71
81
91
10
1
11
1
12
1
13
1
14
1
15
1
16
1
17
1
18
1
19
1
20
1
21
1
22
1
23
1
24
1
25
1
26
1
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca - Participante 08
0
2
4
6
1
11
21
31
41
51
61
71
81
91
10
1
11
1
12
1
13
1
14
1
15
1
16
1
17
1
18
1
19
1
20
1
21
1
22
1
23
1
24
1
25
1
26
1
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca - Participante 10
0
2
4
6
1
11
21
31
41
51
61
71
81
91
10
1
11
1
12
1
13
1
14
1
15
1
16
1
17
1
18
1
19
1
20
1
21
1
22
1
23
1
24
1
25
1
26
1
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca - Participante 12
0
10
20
30
40
1
11
21
31
41
51
61
71
81
91
10
1
11
11
21
13
11
41
15
11
61
17
1
18
11
91
20
12
11
22
1
23
12
41
25
12
61
Gra
do
s ce
lciu
s (C
°)
# de muestras
Temperatura - Participante 01
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 69
0
10
20
30
40
1
11
21
31
41
51
61
71
81
91
10
1
11
11
21
13
11
41
15
11
61
17
1
18
11
91
20
12
11
22
1
23
12
41
25
12
61
Gra
do
s ce
lciu
s (C
°)
# de muestras
Temperatura - Participante 02
0
10
20
30
40
1
11
21
31
41
51
61
71
81
91
10
1
11
11
21
13
11
41
15
11
61
17
1
18
11
91
20
12
11
22
1
23
12
41
25
12
61
Gra
do
s ce
lciu
s (C
°)
# de muestras
Temperatura - Participante 07
0
10
20
30
40
1
11
21
31
41
51
61
71
81
91
10
1
11
11
21
13
11
41
15
11
61
17
1
18
11
91
20
12
11
22
1
23
12
41
25
12
61
Gra
do
s ce
lciu
s (C
°)
# de muestras
Temperatura - Participante 08
0
10
20
30
40
1
11
21
31
41
51
61
71
81
91
10
1
11
11
21
13
11
41
15
11
61
17
1
18
11
91
20
12
11
22
1
23
12
41
25
12
61
Gra
do
s ce
lciu
s (C
°)
# de muestras
Temperatura - Participante 10
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 70
En un segundo análisis, se observan las diferentes características obtenidas mediante la captura de
datos de las señales fisiológicas con una diferente emoción de valencia positiva: Excitación.
Características / Señales FC TC RED FR LPM
Participante 01 - Excitación
PROMEDIO 2,479 35 2,479 733,717 122,949416
Desviación estándar 6,292 0 1,19476015 52,337 30,9526791
Max 4,765 35 4,77028348 792,600 165
Min 0,723 35 0,46432063 447,000 0
Varianza 1,4274518 0 39,5872367 2739,20237 958,068346
Participante 02 - Excitación
PROMEDIO 2,479 35,8666667 640,359 196,454 85,9922179
Desviación estándar 0,590 2,19089023 39,1403039 65,462 22,1114173
Max 4,648 36 643 330,800 110
Min 1,628 36 0 0,000 0
Varianza 0,34845254 4,8 1531,96339 4285,33699 488,914774
Participante 05 - Excitación
PROMEDIO 2,477 32,8777778 364,407 555,695 73,6459144
Desviación estándar 0,645 2,00831604 24,4462224 38,404 17,305295
Max 4,252 33 392 586,000 80
Min 1,300 33 0 0,000 0
Varianza 0,41564064 4,03333333 597,617789 1474,899 299,473234
Participante 16 - Excitación
PROMEDIO 2,510 34,837037 429,752 732,033 86,0233463
Desviación estándar 0,772 2,1355807 34,4026223 55,395 35,3752234
Max 4,765 35 481 770,600 169
Min 1,701 34 0 0,000 0
Varianza 0,59563563 4,56070494 1183,54042 3068,56072 1251,40643
Participante 18 - Excitación
0
10
20
30
40
1
11
21
31
41
51
61
71
81
91
10
1
11
11
21
13
11
41
15
11
61
17
1
18
11
91
20
12
11
22
1
23
12
41
25
12
61
Gra
do
s ce
lciu
s (C
°)
# de muestras
Temperatura - Participante 12
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 71
PROMEDIO 2,494 35,8666667 661,348 746,178 199,856031
Desviación estándar 0,413 2,19089023 40,421169 70,119 41,9992639
Max 3,695 36 664 830,400 220
Min 1,696 36 0 0,000 0
Varianza 0,17090723 4,8 1633,87091 4916,63283 1763,93817
Participante 17 - Excitación
PROMEDIO 2,499 35,7259259 396,744 623,043 100,832685
Desviación estándar 0,251 2,20991221 25,7707484 50,447 26,3061661
Max 3,201 36 411 666,200 135
Min 2,072 35 0 0,000 0
Varianza 0,06292156 4,88371196 664,131475 2544,89829 692,014374
Tabla 9. Segunda comparación de resultados frente a una emoción de valencia positiva.
El segundo análisis es realizado frente otra comparación de seis participantes a los cuales les fue
inducida una diferente emoción de valencia positiva: Excitación. A continucación se describen
algunas observaciones obtenidas:
Representando de los diferentes promedios de las amplitudes de las frecuencias cardíacas
en la Figura 30, se puede observar que dichos valores comparados de los seis participantes
están dentro del rango establecido entre los valores de 2,475 y 2,515, lo que muestra que
son valores cercanos uno del otro. Con un promedio general de 2,489666667.
Figura 30. Diferentes promedios de las frecuencias cardíacas frente a una estimulación de una emoción
positiva.
En cuanto a la varianza, refleja que la dispersión de los datos no muestra un mayor
alejamiento significativo del valor promedio general de la varianza de las frecuencias
cardíacas el cual es de 0,5035, lo que muestra que existe similitud entre las frecuencias
porque existe una agrupación de los datos.
2,47
2,48
2,49
2,5
2,51
2,52
0 1 2 3 4 5 6 7
Participantes
Diferentes promedios de las Frecuencias cardíacas
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 72
Figura 31. Diferentes valores de varianza de la frecuencia cardíaca frente a una estimulación de una emoción
positiva.
Otra observación se puede determinar en cuanto a las gráficas de los latidos por minuto,
muestran una similitud en la forma de onda en el principio de la señal y al final de esta
como se muestra a continuación en el registro gráfico de la señal. Esta cuenta con un
promedio general de su desviación estándar de 29,0083408, y en los resultados individuales
de la desviación estándar muestran que en ciertos participantes la desviación estándar de
los latidos por minuto supera la media, con lo cual se puede argumentar que sigue existiendo
una dispersión de los datos respecto a los valores normales.
0
0,5
1
1,5
0 1 2 3 4 5 6 7
Participantes
Valores de varianza de la frecuencia cardíaca
0
50
100
150
200
11
42
74
05
36
67
99
21
05
11
81
31
14
41
57
17
01
83
19
62
09
22
22
35
24
82
61
Inte
rval
o d
e la
tid
os
po
r m
inu
to
# de muestras
Latidos por minuto - Participante 01
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 73
0
50
100
150
1
14
27
40
53
66
79
92
10
5
11
8
13
1
14
4
15
7
17
0
18
3
19
6
20
9
22
2
23
5
24
8
26
1
Inte
rval
o d
e la
tid
os
po
r m
inu
to# de muestras
Latidos por minuto - Participante 02
0
50
100
1
14
27
40
53
66
79
92
10
5
11
8
13
1
14
4
15
7
17
0
18
3
19
6
20
9
22
2
23
5
24
8
26
1
Inte
rval
o d
e la
tid
os
po
r m
inu
to
# de muestras
Latidos por minuto - Participante 05
0
50
100
150
200
1
14
27
40
53
66
79
92
10
5
11
8
13
1
14
4
15
7
17
0
18
3
19
6
20
9
22
2
23
5
24
8
26
1
Inte
rval
o d
e la
tid
os
po
r m
inu
to
# de muestras
Latidos por minuto - Participante 16
0
50
100
150
200
250
1
14
27
40
53
66
79
92
10
5
11
8
13
1
14
4
15
7
17
0
18
3
19
6
20
9
22
2
23
5
24
8
26
1
Inte
rval
o d
e la
tid
os
po
r m
inu
to
# de muestras
Latidos por minuto - Participante 18
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 74
Valencia negativa
En la Tabla 10 se puede observar una serie de análisis respecto a una emoción de valencia
negativa:
Características / Señales FC TC RED FR LPM
Participante 01 - Tristeza
PROMEDIO 2,517 34,8407407 579,967 697,362 136,51751
Desviación estándar 6,095 0,37660118 6,09549166 35,283 35,2362904
Max 4,765 36 627 739,000 202
Min 0,855 34 555 454,667 0
Varianza 1,57725422 0,14182845 37,1550186 1244,86577 1241,59616
Participante 02 - Tristeza
PROMEDIO 2,527 35,8666667 640,148 300,997 76,1984436
Desviación estándar 0,826 2,19089023 39,1481826 35,420 18,4301417
Max 4,770 36 644 353,600 81
Min 1,569 36 619 224,333 0
Varianza 2,527 35,8666667 640,148 300,997 76,1984436
Participante 11 - Tristeza
PROMEDIO 2,528 34,2851852 260,163 757,689 139,229572
Desviación estándar 1,603 2,15137264 18,3100953 51,308 28,9425701
Max 4,765 35 324 797,000 155
Min 0,000 34 247 525,000 0
Varianza 2,56967602 4,62840424 335,25959 2632,5093 837,672367
Participante 09 - Tristeza
PROMEDIO 2,364 35,9888889 768,367 823,322 126,11284
Desviación estándar 1,676 2,22270028 48,744791 65,029 65,8103774
Max 4,790 37 795 873,800 209
Min 0,000 36 645 548,333 0
Varianza 2,80958678 4,94039653 2376,05465 4228,74367 4331,00577
Participante 04 - Tristeza
PROMEDIO 2,489 36,7888889 637,719 558,890 168,603113
0
50
100
150
1
14
27
40
53
66
79
92
10
5
11
8
13
1
14
4
15
7
17
0
18
3
19
6
20
9
22
2
23
5
24
8
26
1
Inte
rval
o d
e la
tid
os
po
r m
inu
to# de muestras
Latidos por minuto - Participante 17
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 75
Desviación estándar 0,257 2,2624843 39,2037195 37,674 42,9053354
Max 3,612 37 645 588,000 201
Min 2,009 36 615 375,000 0
Varianza 0,06581242 5,11883519 1536,93163 1419,3051 1840,86781
Tabla 10. Primera comparación de resultados frente a una emoción de valencia negativa.
Otro análisis es realizado a las señales fisiológicas a los cuales les fue inducida una emoción de
valencia negativa en este caso: Tristeza. Obteniendo las siguientes observaciones:
Las frecuencias respiratorias ofrecen un comportamiento diferente en sus formas de onda
como se muestra en la figura 32. Los datos otorgados por el sensor dependen de diversos
factores como la contextura del participante, la indumentaria que trae consigo en el
momento de la captura de los datos y que tanto movimiento efectúe en el transcurso de la
prueba por lo que en ciertos participantes la forma de onda es más prolongada frente a otras
más adjuntas.
Figura 32. Frecuencias respiratorias de los participantes frente a la estimulación de una emoción de valencia
negativa.
Así mismo se puede apreciar que cada forma de onda mantiene un rango diferente en cuanto
a sus valores máximos y mínimos que oscilan entre 0 a 1203 valores como se observa en la
Figura 33 una diferencia en cada frecuencia cardíaca.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 76
Figura 33. Máximos y mínimos de las amplitudes de frecuencias respiratorias frente a una emoción de
valencia negativa.
La frecuencia cardíaca muestra una similitud en cuanto a sus valores promedio como se
muestra en la Figura 34, con un valor promedio general de 2,485.
Figura 34. Promedio de frecuencias cardíacas frente a una emoción de valencia negativa.
Observando la desviación estándar de las frecuencias cardíacas como se muestra en la
Figura 35, se puede observar que excluyendo el participante # 1, no existe una dispersión
significativa de los datos respecto a su promedio general.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 77
Figura 35. Desviación estándar de las frecuencias cardíacas frente a una estimulación negativa.
Los promedios de la resistencia electrodérmica son mostrados a continuación en la Figura
36.
Figura 36. Promedios de resistencia electrodérmica frente a una estimulación emocional negativa.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 78
Valencia neutra
Características / Señales FC TC RED FR LPM
Participante 03 - Neutro
PROMEDIO 2,509 34,8703704 553,822 857,340 85,6108949
Desviación estándar 0,393 2,13003217 33,8423783 63,884 42,5436346
Max 3,832 35 566 942,000 150
Min 1,207 35 550 544,000 47
Varianza 2,509 34,8703704 553,822 857,340 85,6108949
Participante 12 - Neutro
PROMEDIO 2,476 34,8703704 630,719 862,723 157,463035
Desviación estándar 0,668 2,13003217 38,5499535 57,034 45,7589534
Max 4,765 35 634 883,800 223
Min 1,344 35 613 0,000 108
Varianza 2,476 34,8703704 630,719 862,723 157,463035
Participante 14 - Neutro
PROMEDIO 2,529 31,8814815 466,011 193,374 81,0350195
Desviación estándar 0,692 1,94745798 28,6519277 24,239 19,5453148
Max 4,614 32 489 237,600 98
Min 1,848 32 461 116,667 74
Varianza 2,529 31,8814815 466,011 193,374 81,0350195
Participante 16 - Neutro
PROMEDIO 2,505 34,8703704 382,800 540,841 87,6575875
Desviación estándar 0,805 2,13003217 24,9570039 40,889 40,7770247
Max 4,765 35 404 578,000 188
Min 1,838 35 370 338,333 61
Varianza 2,505 34,8703704 382,800 540,841 87,6575875
Participante 07 - Neutro
PROMEDIO 2,508 36,1407407 560,419 516,959 77,3385214
Desviación estándar 1,166 2,25234438 35,1718937 61,931 18,3952819
Max 4,770 37 638 589,400 87
Min 1,251 36 512 285,333 72
Varianza 2,508 36,1407407 560,419 516,959 77,3385214
Tabla 11. Primera comparación de resultados frente a una emoción de valencia neutra.
En este tercer caso se procede a analizar las características más relevantes de una serie de
participantes, donde se induce una emoción de valencia neutra, y se obtienen las siguientes
observaciones:
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 79
Respecto a la señal de latidos por minuto se puede observar en un resumen gráfico que
presenta una similitud en los datos, como se muestra en la Figura 37.
Figura 37. Promedio de latidos por minuto frente a una estimulación de una emoción con valencia neutra.
Frente a la frecuencia cardíaca se puede apreciar desde la Figura 38, la cual muestra de
forma gráfica la desviación estándar de las frecuencias cardíacas y sus valores promedio
por participantes.
Figura 38. Promedio y desviación estándar de las frecuencias cardíacas frente a una estimulación de una
emoción con valencia neutra.
La desviación estándar muestra nuevamente que la separación de las amplitudes frente a su
punto medio no es significativa. A continuación, se muestra las formas de onda de las
frecuencias cardíacas:
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 80
0
2
4
6
1
12
23
34
45
56
67
78
89
10
0
11
1
12
2
13
3
14
4
15
5
16
6
17
7
18
8
19
9
21
0
22
1
23
2
24
3
25
4
26
5
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca del participante 03
0
2
4
6
11
22
33
44
55
66
77
88
91
00
11
11
22
13
31
44
15
51
66
17
71
88
19
92
10
22
12
32
24
32
54
26
5
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca del participante 12
0
2
4
6
1
13
25
37
49
61
73
85
97
10
9
12
1
13
3
14
5
15
7
16
9
18
1
19
3
20
5
21
7
22
9
24
1
25
3
26
5
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca del participante 14
0
2
4
6
1
13
25
37
49
61
73
85
97
10
9
12
1
13
3
14
5
15
7
16
9
18
1
19
3
20
5
21
7
22
9
24
1
25
3
26
5
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca del participante 16
0
2
4
6
1
13
25
37
49
61
73
85
97
10
9
12
1
13
3
14
5
15
7
16
9
18
1
19
3
20
5
21
7
22
9
24
1
25
3
26
5
Am
plit
ud
de
on
da
(5v)
# de muestras
Frecuencia cardíaca del participante 07
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 81
La resistencia electrodérmica es mostrada gráficamente por sus promedios de las señales
de los participantes en la Figura 39.
Figura 39. Promedios de resistencia electrodérmica frente a una estimulación emocional neutra.
La discusión realizada del análisis de los estados emocionales con valencia positiva, neutra y
negativa previamente sirve para proponer las siguientes directrices:
A partir del análisis de los resultados de los participantes, de los cuales fue tomada una muestra
teniendo en cuenta los cuestionarios realizados para identificar aquellas personas que expusieron
de forma subjetiva un mismo sentimiento, alteración corporal o estado de ánimo, y así, de acuerdo
con estas alteraciones más relevantes, realizar un análisis de las características de las señales, por
lo cual se obtienen las siguientes observaciones:
La frecuencia cardíaca en estimulaciones emocionales de valencia negativa tiende a
presentar amplitudes mayores, continuando en menor medida en estimulaciones
emocionales de valencia neutra, aunque muy similares y por último frente a estimulaciones
emocionales de valencia positiva.
Las variables de desviación estándar permiten establecer un rango de normalidad y poder
conocer frente a una señal respectiva que valores pertenecen a ese valor emocional. De
igual forma los valores promedio ayudan a establecer cuáles son los valores estándar de una
serie de datos, esto, muestra como en los promedios de Latidos por minuto frente a una
estimulación emocional positiva son mayores los promedios de latidos por minuto frente a
una estimulación emocional neutra.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 82
La respiración es aconsejable observar su comportamiento frente a sus formas de onda, ya
que es el sensor de respiración registra las curvas ascendentes o descendientes de
respiraciones tanto prolongadas como cortas y rápidas o lentas.
Frente a la resistencia electrodérmica, se percibe por medio de los promedios de las señales
que, en estimulaciones emocionales neutras, tiende a haber menor activación de la
resistencia electrodérmica a comparación de estimulaciones emocionales negativas.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 83
CONCLUSIONES Y TRABAJOS FUTUROS
El resultado del experimento ofrece información de las características para cada señal, como:
Desviación estándar, varianza, valor máximo, valor mínimo y promedio. Teniendo en cuenta que
las señales, son: Frecuencia cardíaca, Temperatura corporal, Frecuencia respiratoria, Resistencia
electrodérmica, Latidos por minuto. Cada uno de estos datos es tomado para cada estado
emocional. Por consiguiente, se obtiene un total de 20 datos individuales de información (Las
señales fisiológicas por las características calculadas matemáticamente) de un total de 270 muestras
de captura de información. A sí mismo, se obtienen por participante 30 conjuntos de resultados
asociados a una emoción respectiva (Las señales fisiológicas por el número de emociones
inducidas), lo que resume en 540 conjuntos de información que comprenden las señales fisiológicas
de un total de 18 participantes. De esta manera se consigue generalizar una base de datos que
almacena información de señales fisiológicas por medio de sensores biosensores a través de un
sistema digital en pruebas donde se induce la estimulación de emociones. Esta información es útil
para observar comportamientos fisiológicos a través del análisis de datos que conlleven a la
identificación de diferencias entre estados emocionales, y sirve como un punto de referencia para
la implementación de sistemas que utilicen señales fisiológicas para la interpretación de emociones.
En la prueba se identificaron ciertas observaciones que se pueden tomar en cuenta para futuros
análisis de las emociones:
Los sensores fisiológicos empleados en la prueba son de carácter intrusivo, limitantes en
cuanto a la acomodación del usuario, ya que éste debe permanecer inmóvil para la correcta
adquisición de los datos. Por lo que es necesario diseñar una vestimenta para la adaptación
de los sensores que pueda ser de fácil colocación para el usuario y que cumpla con la
funcionalidad normal del sistema propuesto.
La vestimenta que porta cada sujeto de prueba debe ser tomada en cuenta a la hora de
capturar la información, ya que prendas gruesas como sacos o buzos perjudican la
adquisición de información para los sensores.
El entorno en el cual se desarrolla la prueba debe ser en preferencia aislado de distracciones
o sujetos ajenos a la prueba ya que esto altera la conformidad del usuario.
La señal de temperatura permanece entre un rango normal entre 36 °C y 37 °C y en
ocasiones por diversas variables tales como: movimiento del usuario que altera la posición
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 84
del sensor, vestimenta gruesa que interfiere con el valor real capturado, muestra resultados
distantes a los normales de 34 °C a 35 °C
Las estadísticas entregadas por el sistema son puestas a disposición para su posterior
estudio, como el sistema y el material visual empleado para la estimulación de las
emociones.
Las expresiones faciales sirven como apoyo para la identificación de momentos de
transición de estados conductuales entre dos emociones, donde se puede ver la reacción
natural de los gestos al interpretar una emoción, aun así, es necesario soportar este método
con un sistema de complemento en los contextos de identificación de emociones, ya que,
no todos los participantes son expresivos gestualmente pero debido al cuestionario
posteriormente realizado, si demuestran haber sentido algún tipo de estímulo emocional.
El procesamiento de la información es realizado posteriormente en un software estadístico
a mano, por lo cual se debe despreciar de las señales los valore de ruido comprendidos entre
0 y 1023 para la mayoría de los sensores.
El cuestionario fue un soporte desde el cual se pudo identificar momentos en la captura de
información a través de la prueba desde los cuales empezar las observaciones de las señales
ya que la experiencia subjetiva del participante de la prueba entrega información que puede
servir de guía para encontrar características en los datos capturados que se relacionen con
su descripción personal. El cuestionario fue diseñado para preguntar en qué momento de la
prueba experimentó ciertas reacciones fisiológicas o alteraciones corporales y asociadas a
qué tipo de emoción.
Resultado del cuestionario
Emoción Número de personas Género
Masculino - Femenino
Asco 5 3-2
Tristeza 2 2-0
Alegría 8 4-4
Cólera 3 3-2
Excitación 1 1-0
Neutro 2 1-1
Tabla 12. Resultado del cuestionario
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 85
Trabajos futuros
Para mayor efectividad del sistema de reconocimiento de emociones se sugiere añadir otras líneas
de investigación que incorporen diferentes metodologías para la identificación de emociones con
el fin de mejorar los resultados del sistema propuesto, como el estudio de las expresiones faciales,
donde se puede llevar a cabo la interpretación de la consecución de los gestos faciales siendo esta
una propuesta de reconocer emociones desde un factor psicológico y conductual [60]. Además, se
recomienda realizar pruebas que estimulen más activamente las emociones incorporando
elementos físicos que entren en interacción directa con el usuario o que lo involucre en situaciones
donde su estado de ánimo se vea más alterado debido a la apreciación subjetiva de cada persona
frente al material audiovisual presentado para la estimulación de emociones, que puede llegar a no
ocasionar los efectos esperados en el estado de ánimo del participante.
Se propone diseñar un sistema de análisis de información que realice aproximaciones estadísticas
de los patrones diferenciales existentes en las señales fisiológicas desde la utilización de bases de
datos que contengan información de los sensores biométricos presentes en el sistema propuesto.
Se sugiere diseñar un traje adaptativo a la fisionomía del usuario el cual contenga los sensores
biométricos para evitar limitar el movimiento del usuario como su comodidad. Se recomienda el
diseño de un chaleco el cual incorpore los sensores, se ofrece una propuesta en la Figura 40.
Figura 40. Propuesta de chaleco con sensores fisiológicos.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 86
Se recomienda investigar estudios previamente realizados sobre el análisis de señales
psicofisiológicas para el reconocimiento de emociones donde usen otra técnica de análisis de la
información como sistemas automáticos usando Máquinas de soporte vectorial (en inglés support
vector Machines) [51]. Además de reforzar la construcción del sensor respiratorio utilizando otra
técnica de detección de la respiración como el cinturón de respiración el cual actúa en conjunto con
el sensor de respiración de Vernier [61].
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 87
REFERENCIAS
[1] A. M. Fernández, M. Dufey, and C. Mourgues, “Expresión y reconocimiento de emociones:
un punto de encuentro entre evolución, psicofisiología y neurociencias,” Rev. Chil.
Neuropsicol., vol. 2, no. February 2016, pp. 8–20, 2007.
[2] Y. H. Montero, “Experiencia de Usuario: Principios y Métodos,” Asin, 2015.
[3] E. De Lera and M. Garreta, “10 Heurísticos Emocionales,” Rev. Faz, vol. 6, pp. 68–81, 2013.
[4] M. Chóliz., “Psicología de la emoción: el proceso emocional,” Psicol. la emoción, pp. 1–34,
2005.
[5] R. P. Jennifer, Healey, “Digital Processing Of Affective Signals,” vol. 4, pp. 5–9, 1997.
[6] H. Hamdi, “Plate-forme multimodale pour la reconnaissance d ’ émotions via l ’ analyse de
signaux physiologiques : Application à la simulation d ’ entretiens d ’ embauche To cite this
version : Thèse de Doctorat Hamza Hamdi,” 2014.
[7] P. V. Torres-Carrion, C. S. Gonzalez-Gonzalez, R. Barba-Guamán, and A. C. Torres-Torres,
“Experiencia Afectiva de Usuario(UAX): Modelo desde sensores biométricos en aula de
clase con plataforma gamificada de Interacción Gestual,” V Congr. Int. Videojuegos Educ.,
pp. 6–11, 2017.
[8] M. C. Laura and A. M. Andrea, “Emotion recognition techniques using physiological signals
and video games – Systematic review – Técnicas de reconocimiento emocional utilizando
señales fisiológicas y,” vol. 26, no. 46, pp. 19–28, 2017.
[9] G. Beltrán, D. Hoyos, L. Andrés, and C. Mazuera, “EMOTION EXPERIENCE :
Herramienta de Reconocimiento Facial para medir la experiencia de usuario ( UX ) en niños
a través de las Emociones,” Rev. - http//revistas.usb.edu.co/, 2017.
[10] I. Martín de Diego, Á. Serrano, C. Conde, and E. Cabello, “Tecnicas De Reconocimiento
Automático De Emociones,” Rev. Electrónica Teoría la Educ., vol. 7, pp. 107–127, 2006.
[11] A. R.Aguiñaga, M. Lopez Ramirez, A. Alanis Garza, R. Baltazar, and V. M. Zamudio,
“Emotion analysis through physiological measurements,” Work. Proc. 9th Int. Conf. Intell.
Environ. J.A. Botía D. Charitos, pp. 97–106, 2013.
[12] S. Gomez Bastar, Metodologia de la investigacion. 2012.
[13] O. Rosas, “La estructura disposicional de los sentimientos,” Ideas y Valores, vol. 60, no.
145, pp. 5–31, 2011.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 88
[14] E. Bericat, “Emociones,” Sociopedia.isa, pp. 1–13, 2012.
[15] J. L. Díaz and E. O. Flores, “La estructura de la emoción humana: Un modelo cromático del
sistema afectivo,” Salud Ment., vol. 24, no. 4, pp. 20–35, 2001.
[16] P. Ekman, “Facial expression,” Nonverbal behavior and communication. pp. 97–116, 1977.
[17] C. Casado and R. Colomo, “Un breve recorrido por la concepción de las emociones en la
Filosofía Occidental .,” A parte rei. Rev. Filos., vol. N° 47, pp. 1–10, 2006.
[18] M. A. X. Scheler and M. A. X. Scheler, “Max scheler lo emocional como fundamento de la
ética,” vol. 1, pp. 58–68.
[19] P. Ekman, “Basic emotions,” Handbook of Cognition and Emotion. pp. 45–60, 1999.
[20] A. R. Barragán and C. I. Morales, “Psicología de las emociones positivas: generalidades y
beneficios,” Enseñanza e Investig. en Psicol., vol. 19, no. 1, pp. 103–118, 2014.
[21] L. De, “Los diferentes tipos de emociones,” p. 10, 2012.
[22] S. De la Torre, “Dimensión emocional y Estilos de vida,” Los canales Transm. dicha Cult.,
1999.
[23] C. Según, L. A. Etapa, and M. Del, “DIMENSIONES DE LA EMOCIÓN ANTE
IMÁGENES ASOCIADAS AL CIGARRILLO SEGÚN LA ETAPA MOTIVACIONAL
DEL CAMBIO,” Univ. SAN BUENAVENTURA, SEDE BOGOTÁ, p. 73, 2011.
[24] P. D. E. Tres and G. D. E. Libertad, “VISUALIZACIÓN DE EMOCIONES BASADO EN
EL MODELO DE PLUTCHIK,” 2014.
[25] R. Plutchik, “LECTURA PREVIA Alegría Confianza Miedo Tristeza Aversión Ira.”
[26] James A. Russell, “A Circumplex Model of Affect.” 1980.
[27] PUCC, “Conceptos Generales de Sensores Biomédicos,” Pontif. Univ. Catol. Chile, p. 15,
2008.
[28] R. Navarro, “Electromiografia.,” Dep. electrónica Univ. alcalá, vol. 1, no. Electromiografía,
pp. 1–19, 2013.
[29] L. Cabrera, “Lectura , Comprensión e Interpretación del Electrocardiograma,” Dep. Salud
Puerto Rico, 2015.
[30] A. Gómez, S. Carrillo, and N. Y. Electromiografía, “Indicaciones Y Protocolos Básicos,”
ACN - Asoc. Colomb. Nuerología, no. http://www.acnweb.org/guia/g7cap3.pdf, pp. 21–27.
[31] T. Talamillo García, “Manual de procedimientos en electromiografía y electroneurografía,”
Enfermería Docente, vol. 93, pp. 11–16, 2011.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 89
[32] A. Technologies, “Myoware datasheet,” pp. 1–8, 2015.
[33] B. R. Biardo, “" Electrodos Para Uso En Estudio De Electrofisiología Y Ablación ",” Energy
Sources, pp. 4–7, 2004.
[34] “Ambulatory Blood Pressure Monitors & ECG Holters | Meditech.” [Online].
Available: http://www.meditech.hu/es/tipos-de-ecg/articles-es/tipos-de-ecg. [Accessed: 27-
Jul-2017].
[35] E. C. G. Ekg, “Mejorar la habilidad y precisión en la técnica de realización del ECG.,”
https://www.madrid.es/UnidadesDescentralizadas/Emergencias/Samur-
PCivil/Samur/Apartados-secciones/5-
%20Proteccion%20Civil/Ficheros/ECG%2012%20derivaciones.pdf, p. 6, 2011.
[36] A. P. L. T. Angela Aguayo, “Guia clinica de control de signos vitales,” Univ. Pedro Vald.,
p. 17, 2009.
[37] E. Salazar, “La piel subjetiva : Estudio de las emociones a través de la termografía,” no. cc,
pp. 8–11, 2016.
[38] M. E. Moncada and J. De Cruz, “La actividad electrodérmica - Revisión Electrodermal
activity - a review,” vol. 31, no. 2, pp. 143–151, 2011.
[39] G. Gsr, “Grove - GSR,”
https://www.mouser.com/catalog/specsheets/Seeed_101020052.pdf, vol. 1, p. 10, 2015.
[40] D. O. Rodriguez, “Educación de la respiración,”
http://www.sld.cu/galerias/pdf/sitios/rehabilitacion-
logo/educacion_de_la_respiracion.pdf.
[41] L. Nummenmaa, E. Glerean, R. Hari, and J. K. Hietanen, “Bodily maps of emotions,” Proc.
Natl. Acad. Sci., vol. 111, no. 2, pp. 646–651, 2014.
[42] C. Tajer, “Alegría del corazón. Emociones positivas y salud cardiovascular,” Rev. Argent.
Cardiol., vol. 80, no. 4, pp. 325–332, 2012.
[43] J.-M. López-Gil et al., “Corrigendum: Method for Improving EEG Based Emotion
Recognition by Combining It with Synchronized Biometric and Eye Tracking Technologies
in a Non-invasive and Low Cost Way,” Front. Comput. Neurosci., vol. 10, no. August, 2016.
[44] D. Psicosomática and L. A. Relación, “Dermatología psicosomática, la relación mente y
piel,” vol. 11, no. 31, pp. 7–10, 2017.
[45] C. Platero, “Capítulo 12 : Introducción al Procesamiento digital de Señales.”
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 90
[46] C. R. Escuela, “Introducción al Procesamiento Digital De Señales,”
http://www.elai.upm.es/webantigua/spain/Publicaciones/pub01/intro_procsdig.pdf, 2006.
[47] S. Nava, “Reconocimiento De Patrones,” Luis Enrique Erro No. 1, Tonantzintla, Pue., C.P.
72840, M´ exico, p. 4, 2006.
[48] S. Wioleta, “Using Phisiological Signals for Emotion Recognition,” pp. 556–561, 2013.
[49] B. N. Lang, P.J., Bradley, M.M., & Cuthbert, “International affective picture system (IAPS):
Affective ratings of pictures and instruction manual. Technical Report A-8.,” Tech. Rep. A-
8., p. Tech. Rep. A-8., 2008.
[50] A. Haag, S. Goronzy, P. Schaich, and J. Williams, “Emotion Recognition Using Bio-
sensors: First Steps towards an Automatic System,” pp. 36–48, 2004.
[51] K. Gouizi, F. B. Reguig, and C. Maaoui, “Analysis physiological signals for emotion
recognition,” Int. Work. Syst. Signal Process. their Appl. WOSSPA, pp. 147–150, 2011.
[52] Pulse Sensor, “Pulse Sensor Getting Started Guide,” 2015.
[53] I. Red, MLX90614 - Single and Dual Zone Infrared Thermometer in TO-39. 2006.
[54] A. Bhaskar, S. Subramani, and R. Ojha, “Respiratory belt transducer constructed using a
singing greeting card beeper,” AJP Adv. Physiol. Educ., vol. 37, no. 1, pp. 117–118, 2013.
[55] G. Halley, “Introducción a Arduino ¿ Qué es arduino ?,” Univ. Ind. Santander, pp. 1–34,
2014.
[56] L. H. Pagoaga and J. Ben, “Introducción a MATLAB,”
http://personales.upv.es/jbenitez/data/matlab.pdf.
[57] S. Computer, “Arduino,” 2016.
[58] J. A. Mikels, “Emotional category data on images from the International Affective Picture
System,” no. 4, pp. 626–630, 2005.
[59] B. N. Cuthbert, H. T. Schupp, M. M. Bradley, N. Birbaumer, and P. J. Lang, “Brain
potentials in affective picture processing: Covariation with autonomic arousal and affective
report,” Biol. Psychol., vol. 52, no. 2, pp. 95–111, 2000.
[60] P. Ekman and H. Oster, “Expresiones faciales de la emotión,” Estud. Psicol., vol. 2, no. 7,
pp. 115–144, 1981.
[61] C. De Rmb, “Cinturón monitor de respiración,” http://www.vernier-
iberica.com/descargas/datos%20tecnicos/rmb.pdf, pp. 1–4.
[62] E. Jissel, G. Beltrán, L. Andrés, and D. Hoyos, “EMOTION EXPERIENCE : Una
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 91
herramienta para medir la experiencia de usuario en niños a través de las emociones Trabajo
de Grado presentado para optar al título de Ingeniero Multimedia Asesor : Sandra Patricia
Cano , Doctor ( PhD ) en Ciencias de la Electrón,” 2017.
[63] P. Wagner and T. Wagner, “iWorx Physiology Lab Experiment Galvanic Skin Response
(GSR) and Investigation into ‘Cheating’ Experiment HP-8: The Galvanic Skin Response
(GSR) and Investigation into ‘Cheating,’” vol. 03820, pp. 603–742, 2013.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 92
ANEXOS
Anexo 1. Documento de consentimiento informado.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 93
Anexo 2. Cuestionario personal.
DISEÑO DE UN SISTEMA DE RECONOCIMIENTO DE DIMENSIONES EMOCIONALES
Nombre:
Edad: Género: M F
Programa: Semestre:
Contexto
El siguiente cuestionario es solicitado para obtener la apreciación subjetiva del participante frente a la experiencia que desarrolló en el anterior experimento de inducción de emociones y realizar un posterior análisis de la información suministrada. Es importante responder con total sinceridad.
# Cuestionario
1 ¿Podría identificar de la siguiente lista de emociones, las cuales cree
que experimentó en el transcurso de la prueba? (Asco, Tristeza, Excitación, Neutro, Cólera)
Respuesta
2 ¿Cuál cree que, de la lista de emociones, las que estuvieron más
presente en su estado de ánimo? (Asco, Tristeza, Excitación, Neutro, Cólera)
Respuesta
3
¿Experimentó en algún momento algún tipo de reacción corporal involuntaria? Ej: impresión, aumento del ritmo cardíaco, aumento de
temperatura, etc.
Respuesta
4
De haber respondido la pregunta # 3: ¿Puede describir o asociar en que instante de la prueba sintió estas reacciones corporales?
(ej: Cuando vio una imagen determinada)
Respuesta
5 ¿Podría describir en que instantes de la prueba su estado de ánimo se
vio afectado de forma positiva o negativa (Sentirse bien o mal)?
Anexo 3. Código fuente del prototipo EMONITOR en Arduino.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 94
// ---- INFORMACIÓN emonitor_base V5.0 ----- 30 / 09 / 2018
// Salida SCL a pin A5
// Salida SDA a pin A4
// Salida Vin a pin Vin
// Incluír librerías
// Temperatura: Normal Humano = 37.2 C° - 36.1 C°
// Pulse sensor A0
// Sensor de respiración A3
// Ritmos cardíacos normales
// Adulto / Reposo = 60 - 100 BPM
// Atletas alto Rend. = 40 - 60 BPM
// Niños 7 - 9 años = 70 - 110 BPM
// Sensor GRS Galvánico
// Mide la resistencia de la piel / No conductividad
// Rojo - Voltaje / Negro - Tierra / Blanco - NC / Amarillo - A1
// Human Resistance = ((1024+2*Serial_Port_Reading)*10000)/(512-
Serial_Port_Reading),
// unit is ohm, Serial_Port_Reading is the value display
// on Serial Port(between 0~1023)
// Importante !!
// Orden de entrega de datos
// Frecuencia cardíaca
// Intervalos entre latidos
// Temperatura corporal
// Respuesta electrogalvánica
// Frecuencia respiratoria
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 95
// Librerías ECG & TEMPERATURA / (Deben estar incluídas en el PC)
#define USE_ARDUINO_INTERRUPTS true
#include <PulseSensorPlayground.h>
#include <Wire.h>
#include <Adafruit_MLX90614.h>
Adafruit_MLX90614 mlx = Adafruit_MLX90614();
// Configuración de las variables del PulseSensor
const int OUTPUT_TYPE = SERIAL_PLOTTER;
const int PIN_INPUT = A0;
const int PIN_BLINK = 13; // Pin 13 is the on-board LED
const int PIN_FADE = 5;
const int THRESHOLD = 550; // Adjust this number to avoid noise when idle
// Variables Temperatura
float temp_Ambiente;
float temp_Corporal;
// Variables GRS
const int GSR = A1;
int sensorGrsValue = 0;
int grs_promedio = 0;
/*
Funciones del PulseSensor Playground.
*/
PulseSensorPlayground pulseSensor;
void setup() {
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 96
// Velocidad de transmisión de datos óptima para el PulseSensor
Serial.begin(115200);
// Congiruación librería del sensor de Temperatura
mlx.begin();
// Configure the PulseSensor manager.
pulseSensor.analogInput(PIN_INPUT);
pulseSensor.blinkOnPulse(PIN_BLINK);
pulseSensor.fadeOnPulse(PIN_FADE);
pulseSensor.setSerial(Serial);
pulseSensor.setOutputType(OUTPUT_TYPE);
pulseSensor.setThreshold(THRESHOLD);
// Verifica que el PulseSensor inicialice correctamente
if (!pulseSensor.begin()) {
for(;;) {
// Flash the led to show things didn't work.
digitalWrite(PIN_BLINK, LOW);
delay(50);
digitalWrite(PIN_BLINK, HIGH);
delay(50);
}
}
}
// Llamado a las funciones
void loop() {
// Principal
emonitor();
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 97
}
void emonitor(){
//ECG ---------------------------------------------------------
// Obtención de las características del latido del Corazón
//Serial.print("ECG Signal = ");
Serial.println(pulseSensor.getLatestSample()); // Intervalo entre Latidos
(Milisegundos)
Serial.println(pulseSensor.getBeatsPerMinute()); // Latidos por minuto (Frecuencia
Cardíaca)
/*
Si ha ocurrido un latido desde la última vez que se verificó,
escribe la información per-beat en el puerto Serial.
*/
if (pulseSensor.sawStartOfBeat()) {
pulseSensor.outputBeat();
}
//Temperatura -----------------------------------------------------
temp_Ambiente = mlx.readAmbientTempC();
temp_Corporal = mlx.readObjectTempC();
Serial.println(temp_Corporal);
// Galvánico (Resistencia eléctrica de la piel) -------------------
long sum=0;
for(int i=0;i<10;i++) //Average the 10 measurements to remove the glitch
{
sensorGrsValue=analogRead(GSR);
sum += sensorGrsValue;
delay(5);
}
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 98
grs_promedio = sum/10;
Serial.println(grs_promedio);
// Respiración
const int respiracion = analogRead(A3);
int frecuenciaRepsiratoria = map(respiracion, 0,1024,1024,0);
Serial.println(frecuenciaRepsiratoria);
// Serial.println(respiracion);
delay(20);
}
Anexo 4. Código fuente del prototipo EMONITOR en MATLAB.
% Emonitor_base V5
% 29 / 09 / 2018
% -------------------------------------------------------------------------
function varargout = GUI_emonitor(varargin)
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @GUI_emonitor_OpeningFcn, ...
'gui_OutputFcn', @GUI_emonitor_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 99
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
function GUI_emonitor_OpeningFcn(hObject, eventdata, handles, varargin)
handles.output = hObject;
guidata(hObject, handles);
function varargout = GUI_emonitor_OutputFcn(hObject, eventdata, handles)
varargout{1} = handles.output;
% BOTÓN PRINCIPAL / TODA LA EJECUCIÓN -------------------------------------
function btn_Capturar_Callback(hObject, eventdata, handles)
% Variables
global amplitud;
global bpm;
global temperatura;
global dataGSR;
global respiracionSuavizada;
global respiracion;
global tiempo;
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 100
% Elimina conexiones previas del puerto y Matlab
delete(instrfind({'Port'},{'COM3'}));
% Detecta la placa especificada de arduino que está conectada
puertoSerial = serial('COM3','BaudRate',115200,'Terminator','CR/LF');
warning('off','MATLAB:serial:fscanf:unsuccessfulRead');
% abre el puerto
fopen(puertoSerial);
% parámetros de medidas
tmax = 30; % tiempo de captura en segundos
rate = 45; % resultado experimental / velocidad de captura por segundo (comprobar al final de la
ejecución)
% preparar la figura
f = figure('Name','Captura');
a = axes('XLim',[0 tmax],'YLim',[0 5.1]); % Mapeo a 5 Voltios
l1 = line(nan,nan,'Color','b','LineWidth',2);
xlabel('Tiempo (s)')
ylabel('Voltaje (v)')
title('Captura de las señales en tiempo real con Arduino')
grid on
hold on
% inicializar
signal = zeros(1,tmax*rate); % Define el tamaño del vector que va a almacenar la señal
i = 1;
t = 0;
% ejecutar bucle cronometrado
tic
while t<tmax % Compara el tiempo actual con el tiempo definido para la captura de la señal
t = toc;
% leer del puerto serie
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 101
a = fscanf(puertoSerial,'%d''%d')';
signal(i)= a(1)*5/1023; % Mapeo a 5 voltios / 0 - 1023 es el rango en el cual se mueve el
PulseSensor
% dibujar en la figura
x = linspace(0,i/rate,i); % Vector que va entre intervalos de "0 a i/rate" de tamaño "i"
set(l1,'YData',signal(1:i),'XData',x);
drawnow
% seguir
i = i+1;
end
% Se separan la cadena de valores provenientes del Serial.println de arduino
% Señal ECG, el BPM, temperatura, Señal GSR y respiracion
cnt=1;
for i=1:5:1350 % 1350 = tmax*rate - Tamaño del vector que guarda la señales
amplitud(cnt) = signal(i);
cnt = cnt + 1;
end
cnt=1;
for i=2:5:1350
bpm(cnt) = signal(i)*1023/5; % Se "desconvierte" el mapeo a voltios por ser datos del BPM
cnt = cnt + 1;
end
cnt=1;
for i=3:5:1350
temperatura(cnt) = signal(i)*1023/5; % Se "desconvierte" el mapeo a voltios por ser datos de
Temperatura
cnt = cnt + 1;
end
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 102
cnt=1;
for i=4:5:1349
dataGSR(cnt) = signal(i)*1023/5; % Se "desconvierte" el mapeo a voltios por ser datos de
Temperatura
cnt = cnt + 1;
end
cnt=1;
for i=5:5:1350
respiracion(cnt) = signal(i)*1023/5; % Se "desconvierte" el mapeo a voltios por ser datos de
Temperatura
cnt = cnt + 1;
end
% Tamaño del vector tiempo depende del tamaño de los vectores que
% almacenan las señales (ECG,BPM,TEMPERATURA)
tiempo = (1:1:270); % 540 = (tmax*trate)/# de señales
temperatura(270) = 0; % Se llena el espacio faltante
dataGSR(270) = 0; % Se llena el espacio faltante
respiracion(270) = 0; % Se llena el espacio faltante
respiracionSuavizada = smooth(respiracion);
axes(handles.axis_Bpm),plot(tiempo,bpm);
axes(handles.axis_ECGwave),plot(tiempo,amplitud);
axes(handles.axis_Temp),plot(tiempo,temperatura);
axes(handles.axis_GSR),plot(tiempo,dataGSR);
axes(handles.axis_resp),plot(tiempo,respiracionSuavizada);
% Promedio de los valores
averageBPM = mean(bpm);
averageTemperatura = mean(temperatura);
averageValorGSR = mean(dataGSR);
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 103
cantidadDeBPM = bpm(end);
txtAverageBPM = mat2str(averageBPM);
txtAverageTemp = mat2str(averageTemperatura);
txtAverageGSR = mat2str(averageValorGSR);
txtcantidadDeBPM = mat2str(cantidadDeBPM);
set(handles.txt_BPMAverage,'string',txtAverageBPM);
set(handles.txt_cantBPM,'string',txtcantidadDeBPM);
set(handles.txt_TempAverage,'string',txtAverageTemp);
set(handles.txt_GSRAverage,'string',txtAverageGSR);
% Desviación estándar de los valores
dsBPM = std(bpm);
dsTemp = std(temperatura);
dsGSR = std(dataGSR);
txtdS_BPM = mat2str(dsBPM);
txtdS_Temp = mat2str(dsTemp);
txtdS_GSR = mat2str(dsGSR);
set(handles.dS_BPM,'string',txtdS_BPM);
set(handles.dS_Temp,'string',txtdS_Temp);
set(handles.dS_GSR,'string',txtdS_GSR);
% Valor máximo de los valores
maxValorBPM = max(max(bpm));
maxValorTemp = max(max(temperatura));
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 104
txtMax_BPM = mat2str(maxValorBPM);
txtMax_Temp = mat2str(maxValorTemp);
set(handles.max_BPM,'string',txtMax_BPM);
set(handles.max_temp,'string',txtMax_Temp);
% Valor mínimo de los valores
mimValorBPM = min(min(bpm));
minValorTemp = min(min(temperatura));
minValorGSR = min(min(dataGSR));
txtMin_BPM = mat2str(mimValorBPM);
txtMin_Temp = mat2str(minValorTemp);
txtMinGSR = mat2str(minValorGSR);
set(handles.vMin_BPM,'string',txtMin_BPM);
set(handles.vMin_Temp,'string',txtMin_Temp);
set(handles.vMin_GSR,'string',txtMinGSR);
% Varianza de los valores (Medida de la dispersión de los datos referente al valor medio)
varValorBPM = var(bpm);
varValorTemp = var(temperatura);
varValorGSR = var(dataGSR);
txtVar_BPM = mat2str(varValorBPM);
txtVar_Temp = mat2str(varValorTemp);
txtVar_GSR = mat2str(varValorGSR);
set(handles.varianzaBPM,'string',txtVar_BPM);
set(handles.varianzaTemp,'string',txtVar_Temp);
set(handles.varianzaGSR,'string',txtVar_GSR);
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 105
% Escribe el documento de excel de la prueba
global nombre;
global edad;
global emocion;
nombre = get(handles.nombre_usuario,'String');
edad = get(handles.edad_usuario,'String');
emocion = get(handles.emocion_usuario,'String');
nombreDocumentoExcel = 'Prueba captura de emocion.xlsx';
encabezado = {'No muestras','FC','Temperatura Corporal','R.E.D','FR','LPM','Participante:
',nombre,'Edad: ',edad,'Emoción',emocion};
xlswrite(nombreDocumentoExcel,encabezado,'Sheet 1','A1');
xlswrite(nombreDocumentoExcel,[tiempo(:),amplitud(:),temperatura(:),dataGSR(:),respiracionSu
avizada(:),bpm(:)],'Sheet 1','A2');
% Limpiar el puerto para ser usado por otras aplicaciones ---------------
% resultado del cronometro
%fprintf('%g s de captura a %g cap/s \n',t,i/t);
fclose(puertoSerial);
delete(puertoSerial);
clear puertoSerial;
% --- Executes during object creation, after setting all properties.
function axis_Bpm_CreateFcn(hObject, eventdata, handles)
% hObject handle to axis_Bpm (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 106
% Hint: place code in OpeningFcn to populate axis_Bpm
% --- Executes during object creation, after setting all properties.
function axis_ECGwave_CreateFcn(hObject, eventdata, handles)
% hObject handle to axis_ECGwave (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: place code in OpeningFcn to populate axis_ECGwave
% --- Executes during object creation, after setting all properties.
function axis_Temp_CreateFcn(hObject, eventdata, handles)
% hObject handle to axis_Temp (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: place code in OpeningFcn to populate axis_Temp
% --- Executes during object creation, after setting all properties.
function axis_GSR_CreateFcn(hObject, eventdata, handles)
% hObject handle to axis_GSR (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: place code in OpeningFcn to populate axis_GSR
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 107
% --- Executes during object creation, after setting all properties.
function txt_BPMAverage_CreateFcn(hObject, eventdata, handles)
% hObject handle to txt_BPMAverage (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% --- Executes during object creation, after setting all properties.
function txt_TempAverage_CreateFcn(hObject, eventdata, handles)
% hObject handle to txt_TempAverage (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
function txt_usuario_Callback(hObject, eventdata, handles)
% hObject handle to txt_usuario (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of txt_usuario as text
% str2double(get(hObject,'String')) returns contents of txt_usuario as a double
function nombre_usuario_Callback(hObject, eventdata, handles)
% --- Executes during object creation, after setting all properties.
function nombre_usuario_CreateFcn(hObject, eventdata, handles)
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 108
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
function edad_usuario_Callback(hObject, eventdata, handles)
% --- Executes during object creation, after setting all properties.
function edad_usuario_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
function emocion_usuario_Callback(hObject, eventdata, handles)
% hObject handle to emocion_usuario (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Hints: get(hObject,'String') returns contents of emocion_usuario as text
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 109
% str2double(get(hObject,'String')) returns contents of emocion_usuario as a double
% --- Executes during object creation, after setting all properties.
function emocion_usuario_CreateFcn(hObject, eventdata, handles)
% hObject handle to emocion_usuario (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called
% Hint: edit controls usually have a white background on Windows.
% See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
Anexo 5. Artículo postulado para la IV jornadas Iberoamericanas HCI.
Hacia el diseño de un sistema de
reconocimiento de estados afectivos usando
sensores fisiológicos para medir la experiencia
de usuario
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 110
Leandro García Pardo
Universidad de San Buenaventura
Grupo LIDIS
Santiago de Cali, Colombia
Sandra Cano
Universidad de San Buenaventura
Grupo LIDIS
Santiago de Cali, Colombia
Resumen— El reconocimiento de emociones es de interés en la
línea de Interacción Humano Computador para evaluar el estado
emocional del usuario al interactuar con un producto
determinado. Esta propuesta está encaminada hacia el diseño de
un sistema para el reconocimiento de emociones a través de
respuestas fisiológicas que expresa una persona, utilizando
sensores biométricos para la captura de las diferentes señales que
puedan representarse en una emoción ya sea negativa o positiva.
Por otro lado, la experiencia de usuario permite conocer aspectos
en el aprendizaje o satisfacción de un producto interactivo,
mientras el usuario interactúa con él. La evaluación es apoyada de
datos fisiológicos obtenidos de los sensores, desde los cuales se
establece el reconocimiento de la emoción de un estudiante. Este
sistema tiene cuatro fases: la captura de los datos por medio de los
sensores, el pre-procesamiento, la clasificación y la
retroalimentación. Se presenta la estructura del sistema a
implementar, el cual servirá de apoyo para evaluar la interacción
de un videojuego desde un enfoque emocional.
Palabras clave—Emotion Recognition, Physiological Patterns,
Feature Selection, Emotional Intelligence.
Introducción
Las personas enfrentan diferentes situaciones que
pueden llegar a cambiar su estado emocional de
forma positiva o negativa. Las emociones
desempeñan un papel importante en la comunicación
y en la expresión de sentimientos. Sobre todo,
cuando se precisa comprender las reacciones
emocionales en un sujeto. Por lo tanto, las emociones
se convierten en caso de estudio de las cuales derivan
diversas técnicas de reconocimiento de emociones de
manera automática [10] y que pueden usarse para
medir la experiencia de un usuario (en inglés User
Experience, UX) al interactuar con un producto
interactivo.
Las emociones pueden ser vistas como un lenguaje
universal, propicio para la expresión de sentimientos
y una comunicación más efectiva entre seres
humanos. Hoy en día, se capturan las emociones de
una persona para medir la experiencia de uso de un
producto, como una alternativa efectiva en el
momento del análisis de la eficiencia de un producto
[3]. Además, las emociones ofrecen la posibilidad de
llevar más allá la Interacción Humano-Computadora
(en inglés Human Computer Interaction),
permitiendo identificar las reacciones emocionales
en un usuario frente a un sistema de interacción
tecnológico y digital.
Una emoción puede ser manifestada en una persona
de tres maneras diferentes: fisiológica (respuestas
físicas del cuerpo), cognitivas y expresiones (faciales
o habla). Las emociones pueden ser positivas o
negativas. Las emociones positivas, son aquellas que
reflejan una valencia emocional relacionada con el
placer, la satisfacción y el bienestar, siendo de
carácter temporal, son necesarias para el desarrollo
personal como para el bienestar emocional. Las
emociones positivas difieren de cada persona, ya que
éstas son subjetivas y están relacionadas con las
experiencias personales. Estos estímulos
emocionalmente positivos favorecen al desarrollo
mental, físico y social, debido a que, la existencia de
emociones positivas genera una mejor forma de
adaptabilidad frente a situaciones difíciles o
amenazantes y amplía los recursos intelectuales que
generan estímulos positivos frente a este tipo de
circunstancias. Las emociones positivas contribuyen
además al desarrollo integral de las personas,
mejorando su capacidad de razonamiento,
concentración, desarrollo de aprendizaje, salud y
bienestar subjetivo, donde emociones como la
alegría, el entusiasmo o la satisfacción pueden
contribuir a la ampliación de pensamientos positivos
[20].
Las emociones negativas tienden a ser reconocidas
más fácilmente debido a las expresiones corporales y
la gesticulación de ciertos músculos faciales cuyos
movimientos o posturas están relacionadas con los
sentimientos de tristeza, ira, entre otras. Por lo que,
la valoración de una emoción depende de factores
internos y externos en un individuo, los cuales logren
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 111
generar una respuesta fisiológica o expresiones
corporales que conviertan la emoción en un
fenómeno observable [20]. Las variables psico-
fisiológicas evidencia la presencia de una emoción a
partir de ciertos cambios fisiológicos presentes en
determinados sucesos, siendo estos relacionados por
la activación del sistema nervioso simpático o
parasimpático, lo que lleva a crear similitudes y
diferencias entre las señales fisiológicas que se
refieren a dos grupos de emociones positivas y
negativas. Estas señales pueden relacionarse como:
aceleración del ritmo cardíaco, dilatación de la
pupila, aumento de la temperatura corporal o una
marcada gesticulación corporal entre otras [4].
Por lo tanto, con este trabajo de investigación se
quiere desarrollar un sistema que permita capturar las
diferentes señales fisiológicas de una persona para
representar una emoción.
El artículo está estructurado de la siguiente manera.
En la sección 2 se describen trabajos relacionados a
la investigación propuesta. En la sección 3, se realiza
una descripción del problema. En la sección 4 se
describe una relación entre las emociones y la
experiencia de usuario. En la sección 5, se describe
la propuesta. Por último, conclusiones y trabajo
futuro.
Trabajos relacionados
Hoy en día, se están realizando diversas
investigaciones relacionadas con el reconocimiento
de las emociones de una persona usando tecnologías
no convencionales capturando respuestas cognitivas
o fisiológicas en una persona.
Un trabajo realizado por Healy and Picard [8], el cual
hablan acerca de los algoritmos de procesamiento de
señales afectivas para reconocer estados afectivos de
una persona cuando expresa un estado. En este
trabajo describen un método usado para la
recolección y entrenamiento de los datos, algoritmos
usados para la extracción de características y
resultados del reconocimiento de patrones usando un
discriminante Lineal Fisher. Las señales fisiológicas
que capturaron información son: conductividad de la
piel, presión, respiración y electromiograma. A partir
de estás señales capturadas determinaron 11
características para determinar el estado afectivo de
una persona.
Mientras, Hamdi [11] desarrolla su tesis doctoral
proponiendo una plataforma multimodal para el
reconocimiento de las emociones por medio de
señales fisiológicas. Por lo que, se estudian las
señales fisiológicas para evaluar estados emociones
de un usuario, y qué tipo de sensores pueden producir
mejores señales de los estados emocionales.
Otro presentado por Torres et al. [5], donde han
implementado un modelo con sensores biométricos
para detectar la emoción de un estudiante. Por lo que,
el objetivo era reconocer el estado emocional de una
persona con el interés de adaptar el contexto del
juego de acuerdo a su estado emocional. Por lo que
han trabajado con un Kinect para los datos de gestos
corporales y el sensor de ritmo cardíaco. Han
aplicado la curva ROC, con el objetivo de
seleccionar modelos óptimos, en una representación
de la sensibilidad y especificidad para la
clasificación.
También un trabajo de investigación propuesto por
Gutiérrez et al. [7], el cual propone una herramienta
llamada, “EMOTION EXPERIENCE, para medir la
experiencia de usuario en niños a través de las
emociones. Este proyecto involucra la técnica del
reconocimiento facial por medios computacionales
para el reconocimiento de emociones en niños.
Evalúa dos técnicas Eingerfaces y Fisherfaces para
reconocer tres estados de emocionales, tristeza,
alegría y neutro.
Por otro lado, en el 2017 Callejas et al. [9], presenta
una revisión sistemática desde el 2010 hasta 2016 de
artículos donde que hayan reportado trabajos
relacionados con sistemas de reconocimiento
emocional a partir de señales fisiológicas. En está
revisión encontraron el uso de los videojuegos como
herramientas de estimulación emocional.
Los trabajos mencionados previamente muestran que
han usado las señales fisiológicas para la captura de
las emociones, el cual lo han usado en diferentes
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 112
propósitos entre ellos el conocer el estado emocional
del usuario para que el videojuego o los personajes
se adapten a su estado emocional. Mientras otros los
han usado para medir la experiencia del usuario por
medio de su estado emocional.
Descripción del problema
Las emociones pueden definirse como un conjunto
de experiencias subjetivas, respuestas psicológicas y
expresiones corporales, generadas a partir de un
estímulo que produce un cambio biológico [1]. Las
emociones son desde los tiempos primitivos,
sistemas de comunicación que en el contexto fisio-
psicológico permiten la interpretación de los estados
de ánimo de un sujeto y su estado mental, siendo las
emociones culturalmente independientes y
universales, y que, en el transcurso del tiempo, ha
evolucionado la forma de interpretación y expresión
de emociones por parte del cerebro humano, ya que
esta cualidad de reconocer emociones tiene un factor
filogenético [1]. Los diferentes procesos
computacionales para el reconocimiento de
emociones varían desde el análisis de lecturas
biométricas hasta el procesamiento de frecuencias de
la voz emitida por una persona, no obstante, estos
procesos tienen ventajas y desventajas presentadas a
continuación en los siguientes ejemplos. Una
metodología común para reconocer el estado
emocional de una persona es mediante expresiones
léxico-fonéticas (diálogo, discurso, entrevista, entre
otros), pero esta metodología no garantiza que el
comportamiento fisiológico del sujeto evaluado
corresponda a su estado emocional, ya que la persona
puede aparentar sus emociones [3]. Por otro lado, la
captura de los datos por medio de grabaciones de
audio, el ruido ambiental o externos como tos, risas
o proveniente de objetos puede llegar a afectar la
información capturada [3]. El reconocimiento facial
para la detección de emociones puede tener ciertas
complicaciones dependiendo del software, las
características y rasgos de un rostro pueden crear
similitudes entre diferentes estados emocionales y la
variabilidad de características de un estado
emocional expresado por el rostro de un niño puede
ser confundido con otro estado emocional expresado
por el rostro de un adulto [62]. De igual manera, los
análisis de vídeo o imágenes, siendo éstos otra forma
de detectar emociones en el rostro, limitan la
capacidad de transmisión de emociones debido al uso
de imágenes estáticas. Otros factores que pueden
hacer más compleja esta tarea son los cambios en las
expresiones faciales como contracciones constantes
de ciertas áreas musculares del rostro, lo que genera
el impedimento de analizar la consecución dinámica
del rostro al expresar un estímulo [10]. Además, este
tipo de análisis es más cualitativo que cuantitativo,
es una apreciación más subjetiva por parte del
evaluador.
Por lo tanto, la utilización de las señales fisiológicas
es una alternativa para realizar inferencias
emocionales y conocer su valencia emocional
(positiva y negativa) de forma más acertada en
personas en estado de interacción con interfaces de
computador. En base a estos antecedentes, se plantea
la siguiente pregunta, ¿Cómo se puede reconocer las
emociones de una persona usando biosensores que
puedan ayudar a medir la experiencia al interactuar
con un producto interactivo, como un videojuego?
Emociones en la experiencia de usuario
La experiencia de usuario puede ser descrita como un
término utilizado en gran mayoría en el campo del
marketing, como el conjunto de resultados
relacionados por la interacción de un usuario con un
producto, lo cual reflejaría mediante esta experiencia
la cantidad de satisfacción que genera en el usuario
durante su utilización y definiría la productividad,
usabilidad y viabilidad del mismo [2].
El uso de biosensores es una alternativa para medir
los estados emocionales de una persona, ya que
permiten detectar la actividad fisiológica de una
persona en tiempo real y son robustos frente a los
sonidos o ruido. Sin embargo, cada persona puede
manifestar respuestas fisiológicas de manera
diferente. Por lo que se debe analizar en detalle la
señal y los patrones que cada uno de estos sensores
logra capturar de la persona.
Las ventajas de realizar detección multimodal de
emociones por medio de biosensores se basan en el
hecho de tener un criterio más amplio para la
clasificación de emociones en base a las respuestas
fisiológicas del cuerpo, permitiendo así corroborar
los comportamientos presentes en un sujeto con su
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 113
estado emocional, el cual se quiere caracterizar y se
estimula en la práctica, además, se prevé relacionar
características de ciertas señales fisiológicas
específicas las cuales conlleven a la deducción de
diferentes estados emocionales estando presentes en
un modo combinatorio en las lecturas de los
biosensores, con el fin de catalogar valores
correspondientes a cada sensor, que en conjunto
definan una emoción específica.
Para la captura de las emociones a través de señales
fisiológicas se hace uso de sensores que capturan
señales fisiológicas, y se describen a continuación:
Electrocardiograma (ECG): El electrocardiograma
es el registro de la actividad eléctrica del corazón en
el momento que realiza una contracción. Para la
observación del corazón, se realizan derivaciones
cardiacas, las cuales son las distintas vistas del
corazón a través de electrodos posicionados
estratégicamente en la parte torácica y precordial del
paciente [29]. El sensor de pulso.
Temperatura Corporal: Es referenciado como el
equilibrio que realiza biológicamente el cuerpo entre
la generación de calor y su pérdida. Controlado por el
hipotálamo, este activa mecanismos de
autorregulación como la vasodilatación, la
sudoración y la hiperventilación en el caso de que la
temperatura aumente más de lo normal [36]. La
temperatura corporal de una persona varía
dependiendo de su edad, sexo, la actividad realizada
recientemente, la cantidad de líquidos ingeridos, la
hora del día y en el caso de las mujeres, la fase del
ciclo menstrual en la cual se encuentren.
Electromiograma (EMG): La electromiografía es el
registro de los impulsos eléctricos de los músculos del
esqueleto, los cuales proporcionan información sobre
el estado fisiológico y los nervios activos [28]. Un
electromiograma es utilizado para el estudio del
funcionamiento del sistema muscular registrados a
partir de potenciales bioeléctricos los cuales pueden
ser electrodos de superficie o aguja situados en un
músculo o un nervio. Un estudio neuro-fisiológico,
empleando electromiografía puede variar su duración
oscilando entre 30 minutos y 2 horas, y pueden dar
indicaciones sobre problemas musculares tales como;
parálisis o estimulación muscular tardía [31].
El sensor sirve para registrar la actividad eléctrica de
un musculo al contraerse, por lo que la respuesta que
se obtiene es la frecuencia de tensión y relajación de
un musculo determinado. Para identificar las
emociones positivas y negativas, se trabaja con los
músculos de la cara, se trabajan con dos músculos del
rostro, cigomático mayor y corrugador superciliar.
El músculo corrugador superciliar (corrugator
supercili), es un músculo de la cara que se encuentra
en la parte interna del arco superciliar, debajo del
orbicular de los párpados con cuyas fibras se
entrecruza. Mientras, el músculo cigomático mayor
es un músculo de la cara, situado en la mejilla. El
musculo corrugados superciliar esta asociado con las
emociones negativas, mientras que el músculo
cigomático está relacionado con emociones
positivas.
Gálvanico (GRS): El sensor de respuesta galvánico
mide la respuesta galvánica de la piel, la cual es una
de las muchas respuestas electro dérmicas del cuerpo
humano, la respuesta galvánica de la piel se pude
entender como la generación de un impulso eléctrico
que se propaga a través de la piel la relacionado con
un suceso que previamente conlleva a una respuesta
fisio-psicológica en una persona. Estos impulsos
eléctricos pueden ser medidos dando a conocer la
conductividad de la piel o la resistencia de la piel, se
pueden caracterizar dos tipos de conductividad de la
piel, las cuales son la tónica y la fásica, cada persona
tiene un nivel de conductividad de la piel diferente
regularmente con rangos de niveles tónicos entre 10-
50 µS (micro Segundos) [63].
Experimento
El sistema de reconocimiento de emociones a través
de sensores, como: GSR, ECG, EMG y temperatura
. El sistema está diseñado para ser incorporado a una
prenda de vestir como un guante, ubicando los
sensores de manera estratégica para que éstos puedan
adaptarse a las proporciones de la mano de una
persona promedio.
Participantes
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 114
El entorno de esta investigación es la población
universitaria juvenil entre 16 y 22 años de la
Universidad de San Buenaventura Cali (Santiago de
Cali - Colombia), los cuales son los sujetos de estudio
para este trabajo de investigación. Los participantes
vinculados a las pruebas de campo de manera
voluntaria se dividen en dos grupos, masculino (10
participantes) y femenino (10 participantes), siendo
un total de 20 sujetos evaluados para la captura de
datos. Cada participante ha realizado un cuestionario
en línea, el cual brinda información necesaria para el
diseño de la prueba. Algunas de las preguntas que se
formulan son: ¿Qué tipo de situaciones suelen
generarle risa o agrado?, ¿Qué tipo de situaciones
suelen ocasionarle terror o miedo?, entre otras. Por lo
que, algunos respondieron que las bromas, las
personas expresivas o recordar momentos divertidos.
Mientras que, para producir emociones negativas
para los estudiantes, es cuando pierden un examen, o
cuando su seguridad puede estar en riesgo o se
encuentran en peligro.
Estas preguntas fueron realizadas, con el fin de
encontrar material multimedia que pueda inducir a
ese tipo de emociones en los evaluadores, y de esta
manera poder capturar los diferentes tipos de señales
por medio de los sensores biométricos. Por lo que,
para la captura de las emociones se propone usar el
método de inducción de emociones, el cual consiste
en mostrar contenido multimedia (video, imágenes o
sonidos) para producir emociones.
El diseño de la prueba consta de tres fases. Una
primera fase, donde al participante se le presenta una
serie de videoclips clasificados en las categorías que
corresponden a las emociones que se quiere analizar
en el sujeto (miedo-ira/rabia-alegría). En la segunda
fase, se realiza una captura de cada uno de los
sensores biométricos, como ECG, GRS, Temperatura
y EMG. Por último, una tercera fase, donde se realiza
un cuestionario físico, en el cual el participante
describe su experiencia, esto con el fin de llegar a una
comparativa de las emociones descritas por el
participante. El registro de la prueba y el sistema en
desarrollo de reconocimiento de emociones a través
de los biosensores.
Captura de datos
Para el diseño del sistema, el cual involucrará los
sensores ECG, EMG, GSR y Temperatura, el cual se
ajustarán en diferentes partes del cuerpo del
evaluador, como se observa en la Fig. 1. Para la
captura de las señales se hace uso de un Arduino
Uno, donde se ubican los sensores en cada una de las
entradas análogas del Arduino.
Pre-procesamiento
Para cada una de las señales se determinan un
conjunto de características. En la señal ECG se mide
BPM (Beat per minute), HRV, la media y el
promedio. La señal GSR entrega la resistencia
humana en unidades de Ohmios. El EMG entrega el
potencial eléctrico de una zona muscular específica
y el sensor de Temperatura, la temperatura corporal
registrada en grados Celsius (°C).
El sistema de visualización de cada una de las señales
obtenidas de los sensores se realiza con Processing-
Java, donde los datos son recibidos de manera serial
y visualizados, como se observa en la Fig. 2.
Fig 1. Sistema para la captura de las señales con los sensores.
En Processing-Java, se muestra una interface gráfica
con las diferentes representaciones de la señal que se
captura de cada uno de los sensores. La información
capturada es guardada en dos formatos de archivo,
CSV y TXT para ser procesada y analizada. También
hay una cámara, el cual permite grabar cada una de
las expresiones faciales del usuario, con el objetivo
de comparar cada una de las señales de los sensores
y encontrar un conjunto de patrones que permitan
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 115
clasificar la emoción como negativa, positiva o
neutral.
De esta manera, reconociendo el tipo de
retroalimentación que recibe el usuario al estar en
una situación de interacción humano computador, se
concibe desde el análisis de los resultados del
experimento propuesto, una alternativa para
complementar los métodos de aplicación de
usabilidad a productos tecnológicos, siendo así, un
respaldado en base a la identificación de emociones
a partir de señales fisiológicas. De esta manera, tener
directamente información interpretadas como
respuestas de las reacciones naturales del cuerpo
humano, útiles para la validación de la usabilidad de
dispositivos tecnológicos o relacionados.
La fase de clasificación y retroalimentación aún
están en desarrollo, por lo que se están analizando y
evaluando qué técnica podría usarse.
Fig. 2. Desarrollo de la aplicación con Processing(Java) para la captura
de señales biométricas (GSR,EMG, ECG, Temperatura Corporal) Conclusiones y trabajo futuro
El reconocimiento de emociones puede ser visto
como la vía entre la generación de tecnologías
inteligentes, inteligencia artificial (IA) o máquinas
de aprendizaje que puedan retroalimentarse de los
estados emocionales de un usuario, para esto es
necesario la correcta interpretación de las
expresiones emocionales en los humanos,
adjudicando a estos programas la propiedad de
reconocer, diferenciar y reaccionar frente a una
determinada emoción. A partir de este punto, las
alternativas de enseñanza y aprendizaje a través de la
Interacción Humano-Computador pueden
expandirse para satisfacer nuevas necesidades en el
futuro.
La implementación de biosensores es una técnica que
requiere de una larga trayectoria para garantizar su
correcta clasificación, sin embargo, presenta gran
acogida desde diferentes enfoques de investigación,
lo cual garantiza una cualidad favorable para su
continua profundización como se presenta en este
artículo.
Las emociones siguen siendo un objeto de estudio del
cual derivan numerosas hipótesis e investigaciones
acerca de su interpretación y reconocimiento, no
obstante, demuestran ser una característica
imprescindible en el ser humano para una
comunicación más efectiva y expresión de
sentimientos, por lo cual se tiene en consideración en
el desarrollo de nuevas tecnologías.
Como trabajo futuro, es la captura de las diferentes
señales de los sensores con un grupo de estudiantes,
y procesar la información obtenida para implementar
una técnica de clasificación que permita clasificar la
señal al estado emocional del usuario. También se
quiere diseñar una prenda inteligente, que permita
tener cada uno de estos sensores adheridos.
Referencias
[1] A. M. Fernández, M. Dufey, and C. Mourgues, “Expresión y
reconocimiento de emociones: un punto de encuentro entre
evolución, psicofisiología y neurociencias,” Rev. Chil. Neuropsicol.,
vol. 2, no. February 2016, pp. 8–20, 2007.
[2] Y. H. Montero, “Experiencia de Usuario: Principios y Métodos,”
Asin, 2015.
[3] E. De Lera and M. Garreta, “10 Heurísticos Emocionales,” Rev. Faz,
vol. 6, pp. 68–81, 2013.
[4] M. Chóliz., “Psicología de la emoción: el proceso emocional,” Psicol.
la emoción, pp. 1–34, 2005.
[5] R. P. Jennifer, Healey, “Digital Processing Of Affective Signals,”
vol. 4, pp. 5–9, 1997.
[6] H. Hamdi, “Plate-forme multimodale pour la reconnaissance d ’
émotions via l ’ analyse de signaux physiologiques : Application à la
simulation d ’ entretiens d ’ embauche To cite this version : Thèse de
Doctorat Hamza Hamdi,” 2014.
[7] P. V. Torres-Carrion, C. S. Gonzalez-Gonzalez, R. Barba-Guamán,
and A. C. Torres-Torres, “Experiencia Afectiva de Usuario(UAX):
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 116
Modelo desde sensores biométricos en aula de clase con plataforma
gamificada de Interacción Gestual,” V Congr. Int. Videojuegos Educ.,
pp. 6–11, 2017.
[8] M. C. Laura and A. M. Andrea, “Emotion recognition techniques
using physiological signals and video games – Systematic review –
Técnicas de reconocimiento emocional utilizando señales
fisiológicas y,” vol. 26, no. 46, pp. 19–28, 2017.
[9] G. Beltrán, D. Hoyos, L. Andrés, and C. Mazuera, “EMOTION
EXPERIENCE : Herramienta de Reconocimiento Facial para medir
la experiencia de usuario ( UX ) en niños a través de las Emociones,”
Rev. - http//revistas.usb.edu.co/, 2017.
[10] I. Martín de Diego, Á. Serrano, C. Conde, and E. Cabello, “Tecnicas
De Reconocimiento Automático De Emociones,” Rev. Electrónica
Teoría la Educ., vol. 7, pp. 107–127, 2006.
[11] A. R.Aguiñaga, M. Lopez Ramirez, A. Alanis Garza, R. Baltazar, and
V. M. Zamudio, “Emotion analysis through physiological
measurements,” Work. Proc. 9th Int. Conf. Intell. Environ. J.A. Botía
D. Charitos, pp. 97–106, 2013.
[12] S. Gomez Bastar, Metodologia de la investigacion. 2012.
[13] O. Rosas, “La estructura disposicional de los sentimientos,” Ideas y
Valores, vol. 60, no. 145, pp. 5–31, 2011.
[14] E. Bericat, “Emociones,” Sociopedia.isa, pp. 1–13, 2012.
[15] J. L. Díaz and E. O. Flores, “La estructura de la emoción humana: Un
modelo cromático del sistema afectivo,” Salud Ment., vol. 24, no. 4,
pp. 20–35, 2001.
[16] P. Ekman, “Facial expression,” Nonverbal behavior and
communication. pp. 97–116, 1977.
[17] C. Casado and R. Colomo, “Un breve recorrido por la concepción de
las emociones en la Filosofía Occidental .,” A parte rei. Rev. Filos.,
vol. N° 47, pp. 1–10, 2006.
[18] M. A. X. Scheler and M. A. X. Scheler, “Max scheler lo emocional
como fundamento de la ética,” vol. 1, pp. 58–68.
[19] P. Ekman, “Basic emotions,” Handbook of Cognition and Emotion.
pp. 45–60, 1999.
[20] A. R. Barragán and C. I. Morales, “Psicología de las emociones
positivas: generalidades y beneficios,” Enseñanza e Investig. en
Psicol., vol. 19, no. 1, pp. 103–118, 2014.
[21] L. De, “Los diferentes tipos de emociones,” p. 10, 2012.
[22] S. De la Torre, “Dimensión emocional y Estilos de vida,” Los canales
Transm. dicha Cult., 1999.
[23] C. Según, L. A. Etapa, and M. Del, “DIMENSIONES DE LA
EMOCIÓN ANTE IMÁGENES ASOCIADAS AL CIGARRILLO
SEGÚN LA ETAPA MOTIVACIONAL DEL CAMBIO,” Univ.
SAN BUENAVENTURA, SEDE BOGOTÁ, p. 73, 2011.
[24] P. D. E. Tres and G. D. E. Libertad, “VISUALIZACIÓN DE
EMOCIONES BASADO EN EL MODELO DE PLUTCHIK,” 2014.
[25] R. Plutchik, “LECTURA PREVIA Alegría Confianza Miedo Tristeza
Aversión Ira.”
[26] James A. Russell, “A Circumplex Model of Affect.” 1980.
[27] PUCC, “Conceptos Generales de Sensores Biomédicos,” Pontif.
Univ. Catol. Chile, p. 15, 2008.
[28] R. Navarro, “Electromiografia.,” Dep. electrónica Univ. alcalá, vol.
1, no. Electromiografía, pp. 1–19, 2013.
[29] L. Cabrera, “Lectura , Comprensión e Interpretación del
Electrocardiograma,” Dep. Salud Puerto Rico, 2015.
[30] A. Gómez, S. Carrillo, and N. Y. Electromiografía, “Indicaciones Y
Protocolos Básicos,” ACN - Asoc. Colomb. Nuerología, no.
http://www.acnweb.org/guia/g7cap3.pdf, pp. 21–27.
[31] T. Talamillo García, “Manual de procedimientos en electromiografía
y electroneurografía,” Enfermería Docente, vol. 93, pp. 11–16, 2011.
[32] A. Technologies, “Myoware datasheet,” pp. 1–8, 2015.
[33] B. R. Biardo, “" Electrodos Para Uso En Estudio De Electrofisiología
Y Ablación ",” Energy Sources, pp. 4–7, 2004.
[34] “Ambulatory Blood Pressure Monitors & ECG Holters |
Meditech.” [Online]. Available: http://www.meditech.hu/es/tipos-de-
ecg/articles-es/tipos-de-ecg. [Accessed: 27-Jul-2017].
[35] E. C. G. Ekg, “Mejorar la habilidad y precisión en la técnica de
realización del ECG.,”
https://www.madrid.es/UnidadesDescentralizadas/Emergencias/Sa
mur-PCivil/Samur/Apartados-secciones/5-
%20Proteccion%20Civil/Ficheros/ECG%2012%20derivaciones.pdf
, p. 6, 2011.
[36] A. P. L. T. Angela Aguayo, “Guia clinica de control de signos
vitales,” Univ. Pedro Vald., p. 17, 2009.
[37] E. Salazar, “La piel subjetiva : Estudio de las emociones a través de
la termografía,” no. cc, pp. 8–11, 2016.
[38] M. E. Moncada and J. De Cruz, “La actividad electrodérmica -
Revisión Electrodermal activity - a review,” vol. 31, no. 2, pp. 143–
151, 2011.
[39] G. Gsr, “Grove - GSR,”
https://www.mouser.com/catalog/specsheets/Seeed_101020052.pdf,
vol. 1, p. 10, 2015.
[40] D. O. Rodriguez, “Educación de la respiración,”
http://www.sld.cu/galerias/pdf/sitios/rehabilitacion-
logo/educacion_de_la_respiracion.pdf.
[41] L. Nummenmaa, E. Glerean, R. Hari, and J. K. Hietanen, “Bodily
maps of emotions,” Proc. Natl. Acad. Sci., vol. 111, no. 2, pp. 646–
651, 2014.
[42] C. Tajer, “Alegría del corazón. Emociones positivas y salud
cardiovascular,” Rev. Argent. Cardiol., vol. 80, no. 4, pp. 325–332,
2012.
[43] J.-M. López-Gil et al., “Corrigendum: Method for Improving EEG
Based Emotion Recognition by Combining It with Synchronized
Biometric and Eye Tracking Technologies in a Non-invasive and
Low Cost Way,” Front. Comput. Neurosci., vol. 10, no. August,
2016.
[44] D. Psicosomática and L. A. Relación, “Dermatología psicosomática,
la relación mente y piel,” vol. 11, no. 31, pp. 7–10, 2017.
[45] C. Platero, “Capítulo 12 : Introducción al Procesamiento digital de
Señales.”
[46] C. R. Escuela, “Introducción al Procesamiento Digital De Señales,”
http://www.elai.upm.es/webantigua/spain/Publicaciones/pub01/intr
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 117
o_procsdig.pdf, 2006.
[47] S. Nava, “Reconocimiento De Patrones,” Luis Enrique Erro No. 1,
Tonantzintla, Pue., C.P. 72840, M´ exico, p. 4, 2006.
[48] S. Wioleta, “Using Phisiological Signals for Emotion Recognition,”
pp. 556–561, 2013.
[49] B. N. Lang, P.J., Bradley, M.M., & Cuthbert, “International affective
picture system (IAPS): Affective ratings of pictures and instruction
manual. Technical Report A-8.,” Tech. Rep. A-8., p. Tech. Rep. A-8.,
2008.
[50] A. Haag, S. Goronzy, P. Schaich, and J. Williams, “Emotion
Recognition Using Bio-sensors: First Steps towards an Automatic
System,” pp. 36–48, 2004.
[51] K. Gouizi, F. B. Reguig, and C. Maaoui, “Analysis physiological
signals for emotion recognition,” Int. Work. Syst. Signal Process.
their Appl. WOSSPA, pp. 147–150, 2011.
[52] Pulse Sensor, “Pulse Sensor Getting Started Guide,” 2015.
[53] I. Red, MLX90614 - Single and Dual Zone Infrared Thermometer in
TO-39. 2006.
[54] A. Bhaskar, S. Subramani, and R. Ojha, “Respiratory belt transducer
constructed using a singing greeting card beeper,” AJP Adv. Physiol.
Educ., vol. 37, no. 1, pp. 117–118, 2013.
[55] G. Halley, “Introducción a Arduino ¿ Qué es arduino ?,” Univ. Ind.
Santander, pp. 1–34, 2014.
[56] L. H. Pagoaga and J. Ben, “Introducción a MATLAB,”
http://personales.upv.es/jbenitez/data/matlab.pdf.
[57] S. Computer, “Arduino,” 2016.
[58] J. A. Mikels, “Emotional category data on images from the
International Affective Picture System,” no. 4, pp. 626–630, 2005.
[59] B. N. Cuthbert, H. T. Schupp, M. M. Bradley, N. Birbaumer, and P.
J. Lang, “Brain potentials in affective picture processing: Covariation
with autonomic arousal and affective report,” Biol. Psychol., vol. 52,
no. 2, pp. 95–111, 2000.
[60] P. Ekman and H. Oster, “Expresiones faciales de la emotión,” Estud.
Psicol., vol. 2, no. 7, pp. 115–144, 1981.
[61] C. De Rmb, “Cinturón monitor de respiración,” http://www.vernier-
iberica.com/descargas/datos%20tecnicos/rmb.pdf, pp. 1–4.
[62] E. Jissel, G. Beltrán, L. Andrés, and D. Hoyos, “EMOTION
EXPERIENCE : Una herramienta para medir la experiencia de
usuario en niños a través de las emociones Trabajo de Grado
presentado para optar al título de Ingeniero Multimedia Asesor :
Sandra Patricia Cano , Doctor ( PhD ) en Ciencias de la Electrón,”
2017.
[63] P. Wagner and T. Wagner, “iWorx Physiology Lab Experiment
Galvanic Skin Response (GSR) and Investigation into ‘Cheating’
Experiment HP-8: The Galvanic Skin Response (GSR) and
Investigation into ‘Cheating,’” vol. 03820, pp. 603–742, 2013.
DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES...
118