System inteligentnego rozpoznawania emocji oparty na IoT z wykorzystaniem wewnętrznych parametrów ciała

Ponieważ twoje emocje wkrótce mogą stać się istotnym wskaźnikiem życiowym

Wyobraź sobie, że twój smartwatch cicho śledzi nie tylko kroki i tętno, ale także to, jak bardzo jesteś zestresowany, spokojny czy radosny przez cały dzień — i ostrzega lekarza, zanim nadejdzie wypalenie lub depresja. Artykuł opisuje krok w kierunku takiej przyszłości: inteligentny system, który odczytuje wewnętrzne sygnały ciała, przesyła je przez Internet rzeczy (IoT) i wykorzystuje uczenie maszynowe do rozpoznawania emocji w czasie rzeczywistym.

Słuchanie uczuć przez ciało

Emocje nie tkwią tylko w twarzach czy głosach; rozchodzą się po całym ciele. Gdy jesteśmy źli, może wzrosnąć ciśnienie krwi. Strach przyspiesza tętno, a smutek może nas spowolnić. Badacze stojący za tym projektem postawili sobie za cel zbudowanie systemu, który odczyta te wewnętrzne fale i przetłumaczy je na sześć powszechnych stanów emocjonalnych: neutralny, radosny, smutny, strach, złość i zaskoczenie. Zamiast kamer czy mikrofonów polegają na pomiarach wewnętrznych parametrów ciała — takich jak tętno, ciśnienie krwi, temperatura ciała, poziom cukru we krwi, saturacja tlenu i aktywność mięśni — rejestrowanych przez czujniki noszone i przekazywanych do systemu komputerowego w celu analizy.

Przekształcanie urządzenia noszonego w radar emocji

Zespół zaprojektował opaskę z wieloma czujnikami w parze z małym mikrokontrolerem z obsługą Wi‑Fi. Urządzenie to zbiera jednocześnie kilka strumieni danych: jak szybko bije serce, jak ciepła jest skóra, ile tlenu niesie krew, jak napięte są mięśnie, jak wysokie jest ciśnienie krwi i jak zmieniają się poziomy cukru. Sygnały te przesyłane są bezprzewodowo do pobliskiego telefonu lub bramki, a następnie do serwerów w chmurze. Tam dane są oczyszczane — usuwanie szumów, korekta oczywistych błędów i normalizacja jednostek — zanim zostaną zapisane w lokalnych i chmurowych bazach danych. Eksperci medyczni pomogli zdefiniować realistyczne zakresy dla każdego parametru i opracowali reguły łączące konkretne wzorce zmian w ciele z prawdopodobnymi emocjami, tworząc oznakowany zbiór danych do trenowania modeli uczenia maszynowego.

Nauczanie maszyn czytania nastrojów

Mając duży zestaw oznakowanych przykładów, badacze przetestowali jedenaście metod uczenia maszynowego, aby sprawdzić, która najlepiej potrafi odgadnąć emocję osoby na podstawie jej wewnętrznych pomiarów. Wśród nich znalazły się znane techniki, takie jak regresja logistyczna, maszyny wektorów nośnych (SVM), k‑najbliższych sąsiadów, sieci neuronowe oraz kilka metod „ensemble”, które łączą wiele prostych drzew decyzyjnych. Najlepiej wypadło podejście Random Forest — metoda, która głosuje w oparciu o wiele drzew decyzyjnych. Na głównym zbiorze danych poprawnie rozpoznawało sześć emocji około 91% przypadków w standardowych testach, a około 93% przy rygorystyczniejszej procedurze walidacji krzyżowej k‑fold, która pomaga zabezpieczyć się przed przeuczeniem.

Testowanie systemu poza laboratorium

Aby sprawdzić, czy model zadziała na osobach i sytuacjach poza danymi treningowymi, zespół przeprowadził test zewnętrzny, używając powszechnie stosowanego benchmarku emocjonalnego DEAP. W tym eksperymencie uczestnicy oglądali starannie dobrane filmy mające wywołać różne uczucia, podczas gdy ich wewnętrzne sygnały były mierzone za pomocą tej samej konfiguracji czujników. Wytrenowany model Random Forest, bez ponownego trenowania, został poproszony o sklasyfikowanie tych nowych nagrań. Osiągnął około 94% dokładności, z silnymi wynikami dla wszystkich emocji — dowód, że system potrafi uogólniać poza pierwotną próbą. Autorzy twierdzą, że potwierdza to zarówno ich wybór sygnałów ciała, jak i ogólną konstrukcję systemu, obejmującą sprzęt czujników, komunikację IoT, przechowywanie w chmurze i inteligentne oprogramowanie.

Od prototypu badawczego do codziennego towarzysza

Dla osoby niebędącej specjalistą kluczowy wniosek jest prosty: ukryte sygnały twojego ciała mogą niezawodnie ujawniać, co czujesz, a komputery mogą nauczyć się je odczytywać. Praca pokazuje, że sieć czujników noszonych, połączona przez internet i analizowana za pomocą zaawansowanych algorytmów, potrafi śledzić emocje w sposób nieinwazyjny i niemal w czasie rzeczywistym. Chociaż obecny system ma ograniczenia — takie jak umiarkowana wielkość próby i skupienie się tylko na sześciu podstawowych emocjach — wskazuje drogę ku przyszłym narzędziom, które mogą wspierać zdrowie psychiczne, personalizować doświadczenia cyfrowe, monitorować samotne lub wrażliwe osoby w domu oraz sprawić, że inteligentne otoczenia będą bardziej wyczulone na nasze życie wewnętrzne.

Cytowanie: 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

Słowa kluczowe: rozpoznawanie emocji, czujniki noszone, sygnały fizjologiczne, Internet rzeczy, uczenie maszynowe