Smart Home

Auriculares con detección de emociones con tecnología Machine Learning con IoT: ¡Para mejorar tu vida!

La Cuarta Revolución Industrial está llevando a nuestra sociedad a una rápida transición a la era de la digitalización, impactando profunda e inevitablemente y alterando la forma en que se lleva a cabo la interacción entre humanos y humanos y computadoras.

IoT es la forma de incorporar los datos para varios propósitos (aprovechar modelos de aprendizaje automático, analizar, etc.), que tienen un gran impacto en la revolución industrial al mejorar y potenciar la vida cotidiana de las personas. Al mismo tiempo, la sociedad en su conjunto se esfuerza por lograr una mayor calidad de vida, y para ello hay que vigilar y tratar mejor las cuestiones de salud. En consecuencia, la escena del Internet de las cosas (IoT) se enriquece gracias al desarrollo de nuevos dispositivos en los diferentes segmentos del mercado de esta industria.

Piense en la situación, usted está utilizando auriculares para escuchar la música, y también imaginar lo que sucede si el mismo dispositivo monitorea su valencia-excitación (reconocimiento de emociones) , así como su salud en el backend con la ayuda de bioseñales del cuerpo. Esta idea podría hacerse posible de una manera altamente automatizada y escalable, con la combinación de IoT, sensor de bioseñal portátil, Inteligencia Artificial (IA) y Cloud. Piense en la situación, usted está utilizando auriculares para escuchar la música, y también imaginar lo que sucede si el mismo dispositivo monitorea su valencia-excitación (reconocimiento de emociones), así como su salud en el backend con la ayuda de bioseñales del cuerpo. Esta idea podría hacerse posible de una manera altamente automatizada y escalable, con la combinación de IoT, sensor de bioseñal portátil, Inteligencia Artificial (IA) y Cloud.

¿ Qué son los sensores portátiles?

Es un dispositivo en contacto directo con el cuerpo humano para extraer los datos fisiológicos. Los sensores portátiles están avanzando en el campo de la comercialización y la investigación médica.

El Internet de las Cosas, aplicado al campo de los dispositivos portátiles, representa una combinación disruptiva de tecnologías que pueden permitir una mayor personalización y trazabilidad de los parámetros, mejorando así el bienestar general de las personas.

Figura 1:Recopilación de datos en el sensor portátil

Tecnologías de detección de emociones en acción con Machine Learning

Hay algunas tecnologías de reconocimiento y detección de emociones que ya se han desplegado en el mundo real.

Detección de emociones usando señales fisiológicas: Incluye pulsera que tiene reconocimiento de emociones como una de sus características. Esta tecnología que tiene los sensores integrados en la pulsera de la muñeca/reloj extrae varios datos como la frecuencia cardíaca (HR), la presión arterial (PA) y la temperatura con el fin de definir el estado emocional de uno. Este tipo de tecnología tiene una amplia gama de utilización, que ayuda a predecir cualquier problema de salud potencial (diagnóstico precoz) y monitorear las actividades diarias. Estos dispositivos incluso envían periódicamente informes completamente analizados con posibles vulnerabilidades/predicciones de salud a los médicos/médicos asignados.

Detección de emociones usando voz y texto: El reconocimiento de emociones basado en voz y texto es la tecnología que utiliza los complejos algoritmos multimodales de aprendizaje automático . Esta tecnología utiliza una red neuronal convolucional (CNN) y memoria a corto plazo (LSTM) para aprender características de emoción acústica a partir de señales de voz. Y Bi-LSTM (bidireccional-LSTM) usaba para aprender emoción a partir de datos de texto. A continuación, estas dos tuberías se aplicaron a la Red Neural Densa (DNN) para clasificar la emoción basándose en el texto de entrada y los datos de voz.

Sensación de emociones usando la expresión facial: Este tema estaba siendo investigado activamente en la plataforma de visión por ordenador, este método no utiliza ningún dato fisiológico para el reconocimiento de emociones. Incluye principalmente métodos técnicos como el procesamiento de imágenes y algoritmos de aprendizaje profundo.

Los modelos más confiables de aprendizaje automático y aprendizaje profundo utilizados en este dominio son la máquina vectorial de soporte (SVM), los bosques aleatorios (RF), los vecinos más cercanos K (K-nN), la red neuronal convolucional (CNN), la memoria a corto plazo (LSTM), las unidades recurrentes cerradas (GRU). Así como la combinación de tales técnicas de aprendizaje automático, por ejemplo CNN-LSTM.

Avance: detección de emociones de desgaste de orejas

Si durante muchos años los smartwatches y las bandas inteligentes han impulsado la demanda de wearables que monitorean la vida humana, pero para el cambio, la nueva tecnología en ascenso está tomando el escenario. Este es el caso de los dispositivos para auriculares, comúnmente conocidos como wearables.

Según IDC, estos wearables lograron el mayor crecimiento interanual de 2018 a 2019, con una cifra asombrosa del 242 por ciento con respecto al año anterior. En 2019, se enviaron 139,4 millones de dispositivos audibles , lo que capturó el 45,7 por ciento de la cuota de mercado de 2019. Se espera que esta cifra crezca aún más. La creciente demanda de los clientes de tomar el control de su salud está influyendo en gran medida en el uso de la tecnología portátil en el sector de la salud.

Como parte de IoT, Hearables puede ofrecer más que conectividad entre dispositivos, lo que da el potencial de nuevos modelos de negocio ahora y en el futuro. Las orejas representan una posición ideal para recuperar los datos y se describen metafóricamente como la entrada USB de una persona. Su cercanía al cerebro sugiere que en el futuro los sensores que logren recuperar este tipo de datos serán explotados a través de este tipo de dispositivo.

¿ Por qué no dependemos de las viejas tecnologías

Como hemos visto la investigación relacionada con este campo, hay algún logro usando los datos psicológicos y más, es decir, expresión facial basada en imágenes, voz, texto. Sin embargo, el reconocimiento de emociones utilizando tales datos no puede garantizar una solución confiable. Porque la detección de emociones utilizando la cara, el habla y el texto depende en gran medida de la expresión, que varía ampliamente con cada individuo y su origen cultural y puede ser fácilmente falsificada . Considere a un individuo en un estado negativo de emoción en algunas ocasiones sociales, él/ella podría falsificar relativamente el verdadero estado emocional con una sonrisa.

Debido a tal complejidad en las soluciones existentes, los datos fisiológicos (frecuencia cardíaca) medidos pasivamente del cuerpo humano a lo largo del día se utilizan en el reconocimiento de emociones, lo que hace que el sistema sea más preciso de manera oportuna . La sofisticación de los sensores integrados en los auriculares (orejas-wearables) ayuda a estudiar las señales cerebrales (electroencefalografía (EEG)) en el futuro.

Impacto en el mundo real

Pero primero, ¿quiénes son los beneficiarios? La vida humana en la tierra es muy diversa y esta solución se puede aplicar a toda la naturaleza de la vida humana. Para ser simple, ¿a quién no le gusta la música? Para ser particular, imagina a una persona con discapacidad intelectual. Los dispositivos portátiles con detección de emociones pueden ayudar a controlar el estado emocional de la persona con enfermedades mentales y de otra índole las 24 horas del día, los 7 días de la semana.

Interacción de persona a máquina: el potencial del IoT con detección de emociones desbloquea una enorme posibilidad en las industrias de medios y entretenimiento. Podemos construir un sistema de recomendación íntimo con el avance en los algoritmos de IA y ML. Los sistemas de IA proporcionan biofeedback relacionado con la emoción que controla nuestra experiencia de audio/video en tiempo real.

Optimización del encuentro clínico: El sistema equipado con los protocolos de recolección de datos colaborados con sensores IoT envía periódicamente informes completamente analizados con posibles vulnerabilidades/predicciones de salud a los médicos/médicos asignados.

Análisis en Salud: Analizamos diferentes parámetros directamente en la fuente, permitiendo tomar mejores decisiones de salud en la identificación de los trastornos adecuados, medidas preventivas para evitarlos y llevar un mejor estilo de vida. «Nos esforzamos por curar permanentemente la discapacidad, justo en la fuente».

Transporte: Las personas con discapacidad especial o las personas mayores no necesariamente tienen que visitar hospitales con frecuencia. Podrían quedarse en casa y evitar el dolor excesivo de los desplazamientos o el transporte, asegurando que sus vidas estén seguras las 24 horas del día, los 7 días de la semana.

Calidad de la atención/Emergencias: Nuestro sistema identifica emergencias en tiempo real y envía una alerta inmediata a los hospitales cercanos, cuidadores, seres queridos o vecinos. Esto garantiza que reciban ayuda a tiempo incluso antes de que lleguen los servicios de emergencia.

Prioridad: Nos aseguramos de que sus informes sean analizados completamente por los cuidadores/hospitales. Les damos prioridad en la programación de citas, no tienen la capacidad de esperar largas horas en los hospitales y el objetivo es priorizar su seguridad con la máxima comodidad.

Innovación futura con datos abiertos: Con la ayuda de los datos biométricos que recogemos, abre una nueva forma de investigar y desarrollar fármacos y establece un camino para nuevas innovaciones técnicas futuras para los seres humanos.

Conclusión: Siguiente evolución de los auriculares!

Sincroniza la música con tu estado de ánimo; Haz que tu dispositivo aprenda tu hábito; Controla tu salud;

Finalmente podemos recopilar los datos brutos de frecuencia cardíaca, EEG y movimiento con la ayuda de sensores portátiles integrados en los auriculares. La recuperación de estas métricas puede traducirse en información más precisa y adaptada, a través de la implementación de inteligencia artificial, con el fin de aumentar la conciencia de las condiciones de salud y condición física, la detección precoz de enfermedades y la evitación del riesgo potencial en el sistema cardiovascular.

Además, los dispositivos audibles son capaces de proporcionar retroalimentación de voz a los usuarios, eliminando así la necesidad de que los usuarios miren una pantalla para obtener la información.

Actualmente, estamos trabajando para desarrollar auditivos que detectan emociones que usando las señales del corazón son capaces de «leer» el estado emocional de los usuarios.  La investigación muestra que los datos fisiológicos, como la variabilidad de la frecuencia cardíaca (VHS), se pueden utilizar para determinar el estado emocional de una persona a partir de los métodos de excitación valenciosa. Esto incluye entender si una persona está estresada, feliz, triste, cansada, etc.

Figura 2: Valencia-excitación

Al expandir el aspecto del seguimiento de la salud, podría ser interesante desarrollar un algoritmo de recomendación musical basado en técnicas de aprendizaje automático/aprendizaje profundo y algoritmos de inteligencia artificial. Estos algoritmos llegarían a conocer al usuario, en particular entendiendo sus gustos musicales y, en consecuencia, comprendiendo qué tipo de música es más preferible dependiendo de la circunstancia.

Por lo tanto, en función del gusto musical y el estado emocional de los usuarios, recomienda la música adecuada para la circunstancia particular.

Además, la incorporación de funciones como la traducción en vivo y la cancelación de ruido podría potencialmente añadir más atractivo a este nuevo producto. Por esta razón, estamos tratando de entender el estado actual del mercado de auriculares.

Comprender los patrones de compra, así como las expectativas de los clientes para futuros desarrollos, puede ayudar a la etapa de desarrollo de este proyecto. Por lo tanto, Por favor, dé su idea acerca de la preferencia por los modelos de ropa de oído en su mente ahora mismo.

Para más detalles, póngase en contacto con nosotros!

Related Articles

Leave a Comment