一种基于物联网并利用体内参数的智能情绪识别系统

为什么你的情绪可能很快会成为生命体征

想象一下你的智能手表不仅静静记录步数和心率，还能跟踪你全天的压力、平静或喜悦程度——并在倦怠或抑郁出现前提醒你的医生。本文描述了朝着这一未来迈出的一步：一种智能系统，读取体内信号，通过物联网传输，并利用机器学习实时判定你正在经历的情绪。

通过身体倾听情感

我们的情绪不仅表现在面部或声音上；它们也在身体内波动。当我们生气时，血压可能飙升；恐惧会加快心跳，而悲伤可能让我们行动迟缓。本研究的团队着手构建一个系统，读取这些内部波动并将其转换为六种常见情绪状态：中性、快乐、悲伤、恐惧、愤怒和惊讶。他们不依赖摄像头或麦克风，而是采用心率、血压、体温、血糖、血氧饱和度和肌电等体内测量值，由可穿戴传感器采集并送入计算系统进行分析。

把可穿戴设备变成情绪雷达

团队设计了一款多传感器臂带，配备一块带 Wi‑Fi 的微控制器。该设备同时采集多路数据流：心率、皮肤温度、血氧含量、肌肉紧张度、血压水平和血糖波动等。这些信号通过无线方式传输到附近的手机或网关，再上传到云端服务器。数据在那里被清洗——去噪、纠正明显错误并标准化单位——随后存入本地和云数据库。医疗专家帮助定义了每个参数的合理范围，并制定规则将特定的身体变化模式与可能的情绪关联起来，从而创建用于训练机器学习模型的带标签数据集。

教机器读懂情绪

在获得大量带标签示例后，研究者测试了十一种不同的机器学习方法，以判断哪种方法能最好地从体内读数中猜测人的情绪。这些方法包括常见技术，如逻辑回归、支持向量机、k 近邻、神经网络，以及若干将许多简单决策树组合起来的“集成”方法。随机森林方法（即在多棵决策树间投票）表现最佳。在其主数据集上，它在标准测试中约能以 91% 的准确率识别六种情绪；在使用 k 折交叉验证以更严格地防止过拟合时，准确率约为 93%。

把系统带出实验室测试

为了验证模型能否适用于超出训练数据的人群和场景，团队使用一个广泛采用的情绪基准数据集 DEAP 进行了外部测试。在该设置中，志愿者观看经过精心挑选以诱发不同情绪的视频，同时使用相同的传感器配置测量其体内信号。训练好的随机森林模型在未重新训练的情况下被用于分类这些新记录，达到了约 94% 的准确率，并在各类情绪上均表现出较强的分数——这表明系统能够超越原始样本进行泛化。作者认为，这验证了他们对体征选择和整体设计的合理性，涵盖了传感器硬件、物联网通信、云存储和智能软件。

从研究原型走向日常伴侣

对非专业读者来说，关键结论很简单：你体内的隐性信号可以可靠地揭示你的感受，计算机可以学会读取它们。这项工作表明，一组通过互联网连接并用先进算法分析的可穿戴传感器网络，能够以非侵入且近实时的方式跟踪情绪。尽管当前系统仍有局限——例如样本量有限且仅关注六种基本情绪——它指向了未来可能支持心理健康、个性化数字体验、监护独居或脆弱人群并使智能环境对我们内心状态更具响应能力的工具。

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

关键词: 情绪识别, 可穿戴传感器, 生理信号, 物联网, 机器学习