内部体内パラメータを用いたIoTベースのスマート感情認識システム

なぜあなたの感情がまもなくバイタルサインになるかもしれないのか

腕時計型デバイスが歩数や心拍だけでなく、一日の中でどれだけストレスを感じているか、落ち着いているか、喜んでいるかといった感情の状態も静かに追跡し、燃え尽き症候群やうつ状態が深刻化する前に医師へ知らせることを想像してください。本論文はその未来に向けた一歩を示します：内部の体信号を読み取り、モノのインターネット（IoT）を通じて送信し、機械学習を用いてリアルタイムでどの感情を経験しているかを判定するスマートシステムです。

体を通して感情に耳を傾ける

感情は顔や声だけに現れるものではなく、体全体に波及します。怒りのときは血圧が上がることがあり、恐怖は脈拍を速め、悲しみは動きを鈍らせることがあります。本研究の研究者たちは、こうした内面的な波を読み取り、ニュートラル、幸福、悲しみ、恐怖、怒り、驚きの六つの一般的な感情状態に翻訳するシステムを構築しようとしました。カメラやマイクの代わりに、心拍、血圧、体温、血糖、酸素飽和度、筋活動などの内部体測定値を用い、これらをウェアラブルセンサーで取得してコンピュータシステムに送り解析します。

ウェアラブルを感情レーダーに変える

研究チームは、複数センサーを備えたアームバンドと小型のWi‑Fi対応マイクロコントローラを設計しました。このデバイスは、心拍の速さ、皮膚温、血中酸素量、筋肉の緊張、血圧の高さ、血糖値の変動といった複数のデータストリームを同時に収集します。これらの信号はワイヤレスで近くのスマートフォンやゲートウェイに送られ、さらにクラウドサーバへ送信されます。そこでデータはノイズ除去、明らかな誤りの補正、単位の正規化などの前処理を受けた上でローカルおよびクラウドのデータベースに保存されます。医療の専門家が各パラメータの現実的な範囲を定義し、特定の体の変化パターンを有力な感情に結びつけるルールを作成して、機械学習モデルの学習用にラベル付けされたデータセットを作り上げました。

機械に気分を読み取らせる

ラベル付きの大規模な例を用意した上で、研究者たちは内部の測定値から被験者の感情を最もよく推定できるのはどの機械学習手法かを検証するため、11種類の異なる手法をテストしました。これにはロジスティック回帰、サポートベクターマシン、k近傍法、ニューラルネットワーク、そして複数の単純な決定木を組み合わせるいくつかのアンサンブル手法など、よく知られた技術が含まれます。多数の決定木で票を集めるRandom Forest（ランダムフォレスト）アプローチがトップとなりました。主要なデータセット上での標準的なテストでは六つの感情を約91%の精度で正しく識別し、過学習を防ぐためのk分割交差検証を厳密に行った場合には約93%の精度を示しました。

研究室の外でシステムを試す

モデルが訓練データ以外の人や状況にも通用するかを確かめるため、チームは広く用いられている感情評価ベンチマークであるDEAPを使った外部テストを実施しました。この実験では、被験者が異なる感情を引き起こすよう慎重に選ばれた動画を視聴し、同じセンサー構成で内部信号を測定しました。訓練済みのランダムフォレストモデルを再訓練せずにこれらの新しい記録の分類にかけたところ、約94%の正答率を達成し、すべての感情で高いスコアを示しました。これは、システムが元のサンプルを超えて一般化できることの証拠といえます。著者らは、これが体信号の選択と、センサー機器、IoT通信、クラウド保存、インテリジェントなソフトウェアにまたがる全体設計の妥当性を裏付けると主張しています。

研究プロトタイプから日常的な伴侶へ

専門外の読者にとって重要な結論は明快です：体の隠れた信号はあなたの感情を信頼できる形で明らかにでき、コンピュータはそれを読み取ることを学べるということです。本研究は、インターネットを介して接続されたウェアラブルセンサーのネットワークを高度なアルゴリズムで解析することで、非侵襲的かつほぼリアルタイムに感情を追跡できることを示しています。現在のシステムには、サンプル数の限界や六つの基本感情に限定している点などの制約がありますが、将来的にはメンタルヘルスの支援、デジタル体験の個別化、孤立しがちな人や支援を要する人の在宅モニタリング、そして私たちの内面により応答するスマート環境の実現へとつながる可能性を示しています。

引用: Rashid, T., Bajwa, I.S. & Kim, J. An IoT-based smart emotion recognition system by using internal body parameters. Sci Rep 16, 7210 (2026). https://doi.org/10.1038/s41598-026-35982-9

キーワード: 感情認識, ウェアラブルセンサー, 生理学的信号, モノのインターネット, 機械学習