Система распознавания эмоций на основе Интернета вещей с использованием внутренних параметров организма

Почему ваши эмоции вскоре могут стать жизненным показателем

Представьте, что ваши умные часы тихо отслеживают не только шаги и частоту сердечных сокращений, но и то, насколько вы напряжены, спокойны или радостны в течение дня — и предупреждают врача до того, как наступит выгорание или депрессия. В этой статье описан шаг в таком направлении: интеллектуальная система, которая считывает внутренние сигналы организма, передаёт их через Интернет вещей (IoT) и с помощью машинного обучения определяет, какую эмоцию вы испытываете в реальном времени.

Слушая чувства через тело

Наши эмоции живут не только на лице или в голосе; они распространяются по телу. Когда мы злимся, у нас может подскакивать кровяное давление. Страх ускоряет пульс, а грусть может замедлять нас. Исследователи, стоящие за этим проектом, поставили задачу создать систему, которая считывает эти внутренние колебания и переводит их в шесть распространённых эмоциональных состояний: нейтральное, радость, печаль, страх, гнев и удивление. Вместо камер или микрофонов они опираются на внутренние измерения — такие как частота сердечных сокращений, кровяное давление, температура тела, уровень сахара в крови, насыщение кислородом и мышечная активность — получаемые носимыми датчиками и передаваемые в вычислительную систему для анализа.

Превращая носимое устройство в радар эмоций

Команда разработала многодатный браслет в паре с небольшим микроконтроллером с поддержкой Wi‑Fi. Устройство одновременно собирает несколько потоков данных: скорость сердцебиения, температуру кожи, насыщение крови кислородом, напряжение мышц, уровень кровяного давления и колебания уровня сахара в крови. Сигналы беспроводным путём передаются на ближайший телефон или шлюз, а затем на облачные серверы. Там данные очищаются — удаляются помехи, исправляются очевидные ошибки и нормализуются единицы измерения — прежде чем храниться в локальных и облачных базах. Медицинские эксперты помогли определить реалистичные диапазоны для каждого параметра и разработали правила, связывающие определённые паттерны изменений в теле с вероятными эмоциями, создав размеченный набор данных для обучения моделей машинного обучения.

Обучая машины читать настроение

Имея большой набор размеченных примеров, исследователи протестировали одиннадцать различных методов машинного обучения, чтобы выяснить, какой лучше всего угадывает эмоцию человека по его внутренним показателям. В их число вошли широко известные методы — логистическая регрессия, опорные векторы, k‑ближайших соседей, нейронные сети, а также несколько ансамблевых методов, объединяющих множество простых деревьев решений. Лидером стал подход Random Forest — метод, голосующий среди многих деревьев решений. На их основном наборе данных он корректно определял шесть эмоций примерно в 91% случаев в стандартных тестах и примерно в 93% при более строгой проверке с помощью k‑кратной кросс‑валидации, помогающей защититься от переобучения.

Тестирование системы вне лаборатории

Чтобы выяснить, сработает ли модель на людях и в ситуациях, не входивших в тренировочный набор, команда провела внешний тест, используя широко применяемый эмоциональный бенчмарк DEAP. В этом эксперименте добровольцы смотрели тщательно подобранные видео, призванные вызывать разные эмоции, а их внутренние сигналы измерялись той же конфигурацией датчиков. Обученную модель Random Forest, без дополнительной донастройки, попросили классифицировать эти новые записи. Она показала около 94% точности с высокими показателями по всем эмоциям — свидетельство того, что система способна обобщать за пределы исходной выборки. Авторы утверждают, что это подтверждает как их выбор физиологических сигналов, так и общую архитектуру, включающую аппаратную часть датчиков, IoT‑связь, облачное хранение и интеллектуальное ПО.

От исследовательского прототипа к повседневному спутнику

Для неспециалиста ключевой вывод прост: скрытые сигналы вашего тела могут надёжно показывать, что вы чувствуете, а компьютеры могут научиться их читать. Эта работа демонстрирует, что сеть носимых датчиков, соединённых через интернет и проанализированных с помощью современных алгоритмов, способна отслеживать эмоции неинвазивно и в близком к реальному времени режиме. Хотя у текущей системы есть ограничения — например, относительно небольшой объём выборки и фокус лишь на шести базовых эмоциях — она указывает путь к будущим инструментам, которые могут поддерживать психическое здоровье, персонализировать цифровой опыт, отслеживать одиноких или уязвимых людей дома и делать умные среды более отзывчивыми к нашему внутреннему состоянию.

Цитирование: 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

Ключевые слова: распознавание эмоций, носимые датчики, физиологические сигналы, Интернет вещей, машинное обучение