Um sistema inteligente de reconhecimento de emoções baseado em IoT usando parâmetros internos do corpo

Por que suas emoções podem em breve ser um sinal vital

Imagine seu smartwatch acompanhando discretamente não apenas seus passos e frequência cardíaca, mas também quanto você está estressado, calmo ou alegre ao longo do dia — e alertando seu médico antes que o esgotamento ou a depressão se instalem. Este artigo descreve um passo em direção a esse futuro: um sistema inteligente que lê sinais internos do corpo, os transmite pela Internet das Coisas (IoT) e usa aprendizado de máquina para identificar qual emoção você está experimentando em tempo real.

Ouvindo sentimentos através do corpo

Nossas emoções não vivem apenas em nossos rostos ou vozes; elas se espalham pelo corpo. Quando estamos com raiva, nossa pressão arterial pode subir. O medo pode acelerar o pulso, enquanto a tristeza pode nos deixar mais lentos. Os pesquisadores por trás deste estudo se propuseram a construir um sistema que leia essas ondulações internas e as traduza em seis estados emocionais comuns: neutro, feliz, triste, medo, raiva e surpresa. Em vez de câmeras ou microfones, eles dependem de medições internas do corpo — como frequência cardíaca, pressão arterial, temperatura corporal, glicemia, saturação de oxigênio e atividade muscular — capturadas por sensores vestíveis e enviadas a um sistema computacional para análise.

Transformando um vestível em um radar de emoções

A equipe projetou uma braçadeira multi-sensor emparelhada com um microcontrolador pequeno com Wi‑Fi. Este dispositivo coleta vários fluxos de dados ao mesmo tempo: a rapidez dos batimentos cardíacos, a temperatura da pele, a quantidade de oxigênio no sangue, a tensão muscular, a elevação da pressão arterial e as flutuações nos níveis de glicose. Esses sinais viajam sem fio para um telefone ou gateway próximo e, em seguida, para servidores na nuvem. Lá, os dados são limpos — removendo ruído, corrigindo erros óbvios e normalizando unidades — antes de serem armazenados em bancos de dados locais e na nuvem. Especialistas médicos ajudaram a definir faixas realistas para cada parâmetro e elaboraram regras que vinculam padrões específicos de mudanças corporais a emoções prováveis, criando um conjunto rotulado para treinar modelos de aprendizado de máquina.

Ensinando máquinas a ler humores

Com um grande conjunto de exemplos rotulados em mãos, os pesquisadores testaram onze métodos diferentes de aprendizado de máquina para ver quais conseguiam adivinhar melhor a emoção de uma pessoa a partir de suas leituras internas. Isso incluiu técnicas conhecidas como regressão logística, máquinas de vetor de suporte, k‑nearest neighbors, redes neurais e vários métodos de “ensemble” que combinam muitas árvores de decisão simples. A abordagem Random Forest — um método que faz votação entre muitas árvores de decisão — foi a vencedora. Em seu conjunto de dados principal, ela identificou corretamente as seis emoções em cerca de 91% das vezes em testes padrão, e cerca de 93% quando verificada de forma mais rigorosa usando um procedimento de validação cruzada k‑fold que ajuda a proteger contra overfitting.

Testando o sistema além do laboratório

Para descobrir se o modelo funcionaria em pessoas e situações além dos dados de treinamento, a equipe realizou um teste externo usando um benchmark emocional amplamente utilizado chamado DEAP. Nesse experimento, voluntários assistiram a vídeos cuidadosamente selecionados para evocar diferentes sentimentos, enquanto seus sinais internos eram medidos com a mesma configuração de sensores. O modelo Random Forest treinado, sem ser re-treinado, foi então solicitado a classificar essas novas gravações. Ele alcançou cerca de 94% de precisão, com pontuações fortes em todas as emoções — evidência de que o sistema pode generalizar além da amostra original. Os autores argumentam que isso valida tanto a escolha dos sinais corporais quanto o projeto geral, que abrange hardware de sensores, comunicação IoT, armazenamento em nuvem e software inteligente.

Do protótipo de pesquisa ao companheiro do dia a dia

Para um não especialista, a conclusão principal é simples: os sinais ocultos do seu corpo podem revelar com confiabilidade como você se sente, e os computadores podem aprender a lê-los. Este trabalho mostra que uma rede de sensores vestíveis, conectada pela internet e analisada com algoritmos avançados, pode monitorar emoções de forma não invasiva e em quase tempo real. Embora o sistema atual tenha limitações — como um tamanho de amostra modesto e foco em apenas seis emoções básicas — ele aponta para ferramentas futuras que podem apoiar a saúde mental, personalizar experiências digitais, monitorar pessoas solitárias ou vulneráveis em casa e tornar ambientes inteligentes mais responsivos às nossas vidas internas.

Citação: 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

Palavras-chave: reconhecimento de emoções, sensores vestíveis, sinais fisiológicos, Internet das Coisas, aprendizado de máquina