diseño de un sistema de análisis de emociones usando

Diseño de un sistema de análisis de emociones usando Biosensores: caso de estudio en

estudiantes de educación superior.

Leandro García Pardo, [email protected]

Trabajo de Grado presentado para optar al título de Ingeniero Multimedia

Asesor: Sandra Patricia Cano, Doctor (PhD) en Ciencias de electrónica.

Universidad de San Buenaventura Colombia

Facultad de Ingenierías

Ingeniería Multimedia

Santiago de Cali, Colombia

2019

Citar/How to cite [1] (García,2018) … (García,2018)

Referencia/Reference

Estilo/Style:

IEEE (2014)

[1] García, L. “Diseño de un sistema de análisis de emociones usando Biosensores:

Caso de estudio en estudiantes de educación superior”, Trabajo de grado

Ingeniería Multimedia, Universidad de San Buenaventura Cali, Facultad de

Ingeniería, Cali

Grupo de Investigación (SIGLA).

Línea de investigación en. Procesamiento de señales.

Bibliotecas Universidad de San Buenaventura

Biblioteca Fray Alberto Montealegre OFM - Bogotá.

Biblioteca Fray Arturo Calle Restrepo OFM - Medellín, Bello, Armenia, Ibagué.

Departamento de Biblioteca - Cali.

Biblioteca Central Fray Antonio de Marchena – Cartagena.

Universidad de San Buenaventura Colombia

Universidad de San Buenaventura Colombia - http://www.usb.edu.co/

Bogotá - http://www.usbbog.edu.co

Medellín - http://www.usbmed.edu.co

Cali - http://www.usbcali.edu.co

Cartagena - http://www.usbctg.edu.co

Editorial Bonaventuriana - http://www.editorialbonaventuriana.usb.edu.co/

Revistas - http://revistas.usb.edu.co/

Biblioteca Digital (Repositorio)

http://bibliotecadigital.usb.edu.co

https://co.creativecommons.org/?page_id=13

https://co.creativecommons.org/?page_id=13

Carmencita

Cuadro de texto

Agradecimientos

A mi familia, por sus esfuerzos, amor y apoyo incondicional, por ser el pilar fundamental de mi

formación tanto académica como personal, sin ellos nada de esto sería posible.

A mis amigos por compartir este largo trayecto acompañado de logros, sentimientos, momentos y

experiencias, por ofrecerme su valiosa amistad, sus consejos y recuerdos los cuales perdurarán en

mi memoria.

A mi tutora, Sandra Cano, por ser un apoyo incondicional y la guía que iluminó el camino en este

proyecto y al profesor y amigo Luis Astorquiza, la experiencia, apoyo y conocimientos que me ha

compartido fueron de gran valor para mí y mis compañeros.

A mis docentes, por compartir su conocimiento, consejo y soporte de una manera excepcional en

mi formación universitaria.

A Dios y a mi padre, y a todos aquellos que en algún momento hicieron parte valiosa de mi vida.

Y a los estudiantes que preservan el deseo y la intención de querer aportar al mundo una buena

obra para tener un mejor mañana, de una manera desinteresada y con el mejor desempeño.

TABLA DE CONTENIDO

I. INTRODUCCIÓN ...................................................................................................................... 12

II. PLANTEAMIENTO DEL PROBLEMA .................................................................................. 14

2.1 Antecedentes ........................................................................................................................ 14

2.2 Descripción del problema ..................................................................................................... 15

III JUSTIFICACIÓN ...................................................................................................................... 17

IV. OBJETIVOS ............................................................................................................................ 18

Objetivo general ......................................................................................................................... 18

Objetivos específicos .................................................................................................................. 18

Metodología de la investigación ................................................................................................ 19

V. MARCO TEÓRICO .................................................................................................................. 21

Emociones .................................................................................................................................. 21

Clasificación de emociones ........................................................................................................ 23

Dimensiones de la emoción ........................................................................................................ 24

CAPTURA DE ESTADOS EMOCIONALES .......................................................................... 26

¿Qué es un sensor fisiológico? ................................................................................................ 26

Principios Fisiológicos ............................................................................................................ 26

Electromiografía ..................................................................................................................... 28

Instrumentación en electromiografía ...................................................................................... 29

Electrocardiograma ................................................................................................................. 30

Principios del impulso cardíaco .............................................................................................. 31

Temperatura corporal .............................................................................................................. 32

Interpretación de emociones a través de huellas de calor ....................................................... 32

Actividad electrodérmica (AED) ............................................................................................ 33

AED de la piel en psicología y fisiología ............................................................................... 35

Respiración ............................................................................................................................. 35

Selección de los sensores ........................................................................................................ 35

VI MODELO DE PROCESAMIENTO DE SEÑALES FISIOLÓGICAS ................................... 38

Modelo 1 .................................................................................................................................... 39

Inducción de emociones .......................................................................................................... 39

Captura de señales fisiológicas ............................................................................................... 39

Extracción de características ................................................................................................... 39

Modelo 2 .................................................................................................................................... 40

Identificación de los sensores fisiológicos que resaltan la valencia emocional ...................... 41

Extracción de características ................................................................................................... 41

Post procesamiento de los datos ............................................................................................. 42

Modelo 3 .................................................................................................................................... 42

Identificación de los sensores fisiológicos .............................................................................. 42

Selección del método de estimulación .................................................................................... 43

Selección de características ..................................................................................................... 43

Post procesamiento de los datos ............................................................................................. 43

VII DISEÑO DEL SISTEMA ........................................................................................................ 44

Inducción de las emociones ........................................................................................................ 44

Captura de las señales fisiológicas ............................................................................................. 46

Fotopletismógrafo. .................................................................................................................. 47

Sensor de temperatura. ............................................................................................................ 47

Sensor galvánico. .................................................................................................................... 48

Sensor respiratorio. ................................................................................................................. 48

Preprocesamiento de los datos ................................................................................................... 50

Extracción de características ...................................................................................................... 54

Almacenamiento de los datos ..................................................................................................... 58

Análisis estadístico ..................................................................................................................... 59

Selección de las dimensiones emocionales ................................................................................ 59

Experimento de Adquisición de datos ........................................................................................ 60

Participantes ............................................................................................................................ 60

Protocolo de Inducción de Emoción ....................................................................................... 60

Adquisición de las Señales ...................................................................................................... 60

Cuestionario. .............................................................................................................................. 63

VIII ANÁLISIS DE LOS RESULTADOS .................................................................................... 64

CONCLUSIONES Y TRABAJOS FUTUROS ............................................................................. 83

Trabajos futuros .......................................................................................................................... 85

REFERENCIAS ............................................................................................................................. 87

LISTA DE TABLAS

Tabla 1. Definiciones de emoción por diversos autores. ................................................................ 22

Tabla 2. Proceso de despolarización y repolarización de una célula. Tomado de [29]. ................ 28

Tabla 3. Valores normales de temperatura corporal. Tomado de [36]. .......................................... 32

Tabla 4. Relación de sensores fisiológicos con las emociones. ..................................................... 37

Tabla 5. Lista de imágenes empleadas para la inducción de emociones. ....................................... 46

Tabla 6. Conexión de los sensores a la placa de programación Arduino. ...................................... 51

Tabla 7. Características de las señales fisiológicas. ....................................................................... 55

Tabla 8. Primera comparación de resultados frente a una emoción de valencia positiva. ............. 65

Tabla 9. Segunda comparación de resultados frente a una emoción de valencia positiva. ............ 71

Tabla 10. Primera comparación de resultados frente a una emoción de valencia negativa. .......... 75

Tabla 11. Primera comparación de resultados frente a una emoción de valencia neutra. .............. 78

Tabla 12. Resultado del cuestionario ............................................................................................. 84

LISTA DE FIGURAS

Figura 1. Modelo emocional de la rueda de Plutchik. Tomado de [25]. ........................................ 25

Figura 2. Modelo de representación de estados afectivos por James A. Rusell. Tomado de [26]. 26

Figura 3. Myoware Muscle Sensor. Tomado de [32]. .................................................................... 28

Figura 4. Electrodos empleados en electrocardiografía. Tomado de [35]. .................................... 31

Figura 5. Representación de una onda de ECG en papel cuadriculado. ......................................... 31

Figura 6. Sensor de temperatura MLX90614. ................................................................................ 33

Figura 7. Sensor galvánico. Tomado de [39]. ................................................................................ 34

Figura 8. Fases respiratorias ilustradas. Tomado de [40]. .............................................................. 35

Figura 9. Etapas del modelo. .......................................................................................................... 39

Figura 10. Concepto de prueba de investigación para la captura de señales fisiológicas. Usando

los sensores: Respiración (RSP), Conductividad de la piel (SC), Actividad muscular (EMG),

Temperatura de la piel (T) volumen del pulso de la sangre (BVP). Tomado de [48]. ................... 40

Figura 11. Segundo modelo. .......................................................................................................... 41

Figura 12. Tercer modelo. .............................................................................................................. 42

Figura 13. Etapas del sistema de análisis de emociones. ............................................................... 44

Figura 14. Algunas imágenes de la IAPS. ...................................................................................... 46

Figura 15. Pulse Sensor. Tomado de [52] ...................................................................................... 47

Figura 16. Sensor de temperatura MLX90614. .............................................................................. 48

Figura 17. Sensor galvánico. Tomado de [39]. .............................................................................. 48

Figura 18. Sensor respiratorio. ....................................................................................................... 49

Figura 19. Colocación de los sensores en el usuario. ..................................................................... 49

Figura 20. Conexión Hardware con cada uno de los sensores a la placa arduino UNO. ............... 50

Figura 21. Datos de las señales de los sensores enviados por el puerto serial. .............................. 52

Figura 22. Separación de la cadena de datos en el entorno de Matlab. .......................................... 53

Figura 23. Interfaz gráfica para la captura de datos y muestra de características. ......................... 58

Figura 24. Muestra de exportación de los datos de cada sensor en archivo Excel. ........................ 59

Figura 25. Evaluación de los sensores fisiológicos con estudiantes de la Universidad San

Buenaventura .................................................................................................................................. 61

Figura 26. Expresiones faciales registradas en participantes. Orden de las emociones descritas de

forma descendente de izquierda a derecha: cólera, neutralidad, asco y alegría. ............................ 62

Figura 27. Ejemplo ilustrativo del proceso del experimento. ........................................................ 62

Figura 28. Valores máximos y mínimos de la frecuencia cardíaca ................................................ 66

Figura 29- Varianzas de las Frecuencias cardíacas. ....................................................................... 66

Figura 30. Diferentes promedios de las frecuencias cardíacas frente a una estimulación de una

emoción positiva. ........................................................................................................................... 71

Figura 31. Diferentes valores de varianza de la frecuencia cardíaca frente a una estimulación de

una emoción positiva. ..................................................................................................................... 72

Figura 32. Frecuencias respiratorias de los participantes frente a la estimulación de una emoción

de valencia negativa. ...................................................................................................................... 75

Figura 33. Máximos y mínimos de las amplitudes de frecuencias respiratorias frente a una emoción

de valencia negativa. ...................................................................................................................... 76

Figura 34. Promedio de frecuencias cardíacas frente a una emoción de valencia negativa. .......... 76

Figura 35. Desviación estándar de las frecuencias cardíacas frente a una estimulación negativa. 77

Figura 36. Promedios de resistencia electrodérmica frente a una estimulación emocional negativa.

........................................................................................................................................................ 77

Figura 37. Promedio de latidos por minuto frente a una estimulación de una emoción con valencia

neutra. ............................................................................................................................................. 79

Figura 38. Promedio y desviación estándar de las frecuencias cardíacas frente a una estimulación

de una emoción con valencia neutra. ............................................................................................. 79

Figura 39. Promedios de resistencia electrodérmica frente a una estimulación emocional neutra.

........................................................................................................................................................ 81

Figura 40. Propuesta de chaleco con sensores fisiológicos. ........................................................... 85

DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES... 10

RESUMEN

La computación afectiva es un tópico de investigación que trabaja el reconocimiento de las

emociones en los usuarios, con el objetivo de realizar o adaptar productos de acuerdo con las

necesidades de estos. Por lo que, el interés es diseñar un sistema que permita analizar el estado

emocional de una persona través de la identificación de la valencia emocional, en busca de la

generación de una mejor experiencia al interactuar con un producto, ya que al capturar emociones

positivas en el usuario permitirá determinar la calidad del producto y el nivel de satisfacción en su

utilización.

Las emociones pueden ser manifestadas de tres maneras: fisiológicas, expresiones corporales (voz,

visual y corporal) y cognitivas. En este proyecto de investigación se analizarán la captura de señales

fisiológicas usando sensores que permitan analizar dimensiones emocionales tomando como

mediciones la valencia y el arousal (dimensiones de la emoción) en estudiantes universitarios.

Los sensores fisiológicos son una alternativa para medir los estados emocionales de una persona,

ya que permiten detectar una actividad fisiológica de una persona en tiempo real. Sin embargo,

cada persona puede manifestar respuestas fisiológicas de manera diferente al expresar un estado

emocional. Por lo que, se debe analizar en detalle la señal y características de cada uno de los

sensores que se utilizarán.

Palabras clave: Procesamiento de señales fisiológicas, estados emocionales, sensores fisiológicos.


ABSTRACT

Affective computing it’s a topic of research that works emotions recognition in users, with the aim

of making or adapting products acording to the users needs. So, the interest it’s design a system

that allow to recognize the emotional state of users throught the emotional valence identification,

in search of the generation of a better experience when interact with products, since capture positive

emotions in users, allow determine the quality of a product and satisfactions levels in the user.

Emotions can be expressed in three ways: physiological, body expressions (voice, visual and body

language) and cognitive. This resarch project will be analized the capture of physiological signals

using biosensors that allow analyze emotional dimensions taking as measurement the valence and

arousal in university students.

Physiological sensors are an alternative to measure emotional states of people, because can detect

the physiological activity of people in real time. However, each person can manifest different

physiological answers expressing an emotional state. So, it must be analized in detail the signal

and features of each one of the sensors used.

Keywords: Physiological signal processing, emotional states, physiological sensors.


I. INTRODUCCIÓN

Las personas enfrentan diferentes situaciones que pueden llegar a cambiar su estado emocional de

forma positiva o negativa, generando en la comunicación entre seres humanos una modulación en

los mensajes emitidos dado que incluyen expresiones, en la mayoría de los casos, gestuales y

corporales, los cuales complementan la información expresada.

Las emociones se convierten en una forma de lenguaje universal de carácter filogenético

(característica evolutiva arraigada en los genes), el cual se vuelve imprescindible en nuestra forma

de comunicación para expresar ideas, estados de ánimo o sentimientos de una manera más efectiva

[1]. Por lo que, las emociones desde la línea de investigación de computación afectiva se convierten

en caso de estudio para el desarrollo de aplicaciones que requieren medir el estado emocional de

un usuario. Esto con el interés de evaluar productos tecnológicos interactivos por medio del nivel

de la valencia emocional generada en una persona, determinada para medir la experiencia del

usuario (en inglés User Experience) al interactuar con el producto [2]. Hoy en día, el análisis de las

emociones y sus dimensiones son de interés, ya que se realizan investigaciones relacionadas con la

identificación de satisfacción o usabilidad de un usuario frente a esta necesidad para definir la

viabilidad de una aplicación o producto [3].

Las emociones de las personas pueden manifestarse por medio de tres tipos de señales, fisiológicas,

expresivas y cognitivas. Las emociones manifestadas en respuestas fisiológicas son acompañadas

de una reacción somática proveniente de los comportamientos de los sistemas nerviosos simpáticos

y parasimpáticos frente a situaciones específicas en el entorno [4], es posible el reconocimiento de

éstas, identificando las características fisiológicas presentes en el cuerpo humano cuando éste

puede expresar una emoción a través de respuestas fisiológicas, como: temperatura de la piel, ritmo

cardíaco, entre otros [4].

Teniendo en cuenta la forma en como las emociones se manifiestan a través de respuestas

fisiológicas, se usan biosensores para capturar estas señales. Estos biosensores tienen como función

capturar respuestas físicas del cuerpo, y de esta manera desarrollar un sistema que permita capturar

información de las respuestas fisiológicas del cuerpo. Para desarrollar este sistema es importante


procesar la señal que se captura por medio de los sensores, por lo que para cada sensor se

identificaran las características más relevantes que puedan representarse para analizar un estado

emocional. Así, como la identificación de los patrones para clasificar el

estado emocional. Por lo tanto, este proyecto mostrara el diseño de un sistema de análisis de

emociones utilizando biosensores que permitan la captura de estas señales fisiológicas, y desde el

cual, se observarán características de la información de las señales que permitan llegar a la

sugestión de la determinación de una dimensión emocional.


II. PLANTEAMIENTO DEL PROBLEMA

2.1 Antecedentes

En la actualidad se están realizando diversas investigaciones relacionadas con el reconocimiento

de las emociones y sus dimensiones en personas usando tecnologías no convencionales capturando

las respuestas fisiológicas por medio de sensores fisiológicos.

Un trabajo realizado por Healy and Picard [5], describe algoritmos de procesamiento de señales

afectivas para reconocer estados afectivos de una persona cuando expresa un estado emocional. En

este trabajo se describe un método usado para la recolección y entrenamiento de los datos.

También, describe un conjunto de técnicas usadas para la extracción de características y resultados

del reconocimiento de patrones usando un discriminante Lineal Fisher. Las señales fisiológicas que

se usan para capturar información son: conductividad de la piel, presión, respiración y

electromiograma (actividad eléctrica muscular). A partir de estas señales capturadas se

determinaron 11 características, como: Actividad muscular, conductividad de la piel, valor

promedio de la conductividad de la piel, ritmo cardíaco, aceleración y desaceleración promedio del

ritmo cardíaco, valor de la varianza de cada señal, el valor medio de cada señal, el valor promedio

de la energía de cada señal calculado dos veces, expansión y contracción de la caja toráxica y poder

espectral de la señal de la respiración. Estas características se seleccionaron para determinar el

estado emocional de una persona.

Mientras, Hamdi [6] propone en su tesis doctoral una plataforma multimodal para el

reconocimiento de las emociones por medio de señales fisiológicas. En esta investigación se

estudian las señales fisiológicas para evaluar estados emocionales de un usuario, y qué tipo de

sensores producen mejores señales de los estados emocionales. Hamdi hace uso de un casco EEG

(Electroencefalograma) el cual captura la actividad neuronal del cerebro, un ECG

(Electrocardiograma) para la captura de la frecuencia cardíaca del corazón posicionado en el dedo

índice del sujeto, un cinturón para la medición eléctrica del corazón, el cual se compone de una

banda elástica posicionada en el tórax del sujeto para medir la tensión dependiendo del aumento

del volumen de la caja torácica convirtiendo estas variaciones en tensión eléctrica. Por último, para


el análisis de la estimulación emocional, implementa un sistema calibrado de imágenes afectivas

denominado IAPS (International Affective Picture System).

Otro trabajo presentado por Torres et al. [7], han implementado un modelo con sensores

biométricos para detectar la emoción de un estudiante. Por lo que, el objetivo es reconocer el estado

emocional de una persona con el interés de adaptar el contexto del juego de acuerdo con su estado

emocional. Han trabajado con un Kinect para los datos de gestos corporales, y el sensor de ritmo

cardíaco. Han aplicado la curva ROC (En español Característica Operativa del Receptor), con el

objetivo de seleccionar modelos óptimos, en una representación de la sensibilidad y especificidad

para la clasificación.

Por último, en el 2017 Callejas et al. [8], presentan una revisión sistemática desde el 2010 hasta

2016 de artículos donde se han reportado trabajos relacionados con sistemas de reconocimiento

emocional a partir de señales fisiológicas. En esta revisión encontraron el uso de los videojuegos

como herramientas de estimulación emocional, debido a que logran captar la atención del usuario

a través de diferentes contenidos audiovisuales e interactivos, que generan en el jugador una

situación inmersiva que fomenta la estimulación de su estado emocional. Se revisaron 14 artículos

con el uso de diferentes señales psicológicas como: ECG (Electrocardiograma), GRS (Respuesta

Galvánica) y EMG (Electromiografía). Se encontraron siete artículos donde su desarrollo fue a

partir del uso de herramientas para la simulación emocional de un videojuego. Finalmente, diez

artículos corresponden a desarrollos sobre la simulación de emociones, revisión de literatura sobre

técnicas de mecanismos de aprendizaje automático y juegos serios.

2.2 Descripción del problema

Las emociones pueden definirse como un conjunto de experiencias subjetivas, respuestas

fisiológicas y expresiones corporales, generadas a partir de un estímulo que produce un cambio

biológico [1]. Las emociones, son sistemas de comunicación que en el contexto fisio-psicológico

permiten la interpretación de los estados de ánimo de un sujeto y su estado mental, siendo las

emociones culturalmente independientes y universales, y que, en el transcurso del tiempo, ha

evolucionado la forma de interpretación y expresión de emociones por parte del cerebro humano,

ya que esta cualidad de reconocer emociones tiene un factor filogenético [1]. Las diferentes


técnicas y procesos computacionales que involucran el reconocimiento de emociones varían desde

el análisis de lecturas biométricas hasta el procesamiento de frecuencias de la voz emitida por una

persona, no obstante, estos procesos tienen ventajas y desventajas. Para reconocer el estado

emocional de una persona mediante expresiones léxico-fonéticas (diálogo, discurso, entrevista,

entre otros), tiene la desventaja que no garantiza que el comportamiento fisiológico del sujeto

evaluado corresponda a su estado emocional, ya que la persona puede aparentar sus emociones [3].

También, cuando la captura de los datos se realiza por medio de grabaciones de audio puede ser

algo no seguro, por el ruido ambiental o factores externos como: tos, risas o ruido proveniente de

objetos, los cuales pueden llegar a afectar la información relevante. Otro proceso es el

reconocimiento facial para la detección de emociones, el cual puede tener ciertas complicaciones

dependiendo del software. Las características y rasgos de un rostro pueden crear similitudes entre

diferentes estados emocionales y la variabilidad de características de un estado emocional

expresado por el rostro de un niño puede ser confundido con otro estado emocional expresado por

el rostro de un adulto [9]. De igual manera, los análisis de vídeo o imágenes, siendo éstos otra

forma de detectar emociones en el rostro, limitan la capacidad de transmisión de emociones debido

al uso de imágenes estáticas, otros factores que pueden hacer más compleja esta tarea son los

cambios en las expresiones faciales como contracciones constantes de ciertas áreas musculares del

rostro, lo que genera el impedimento de analizar la consecución dinámica del rostro al expresar un

estímulo [10].

Por lo tanto, la utilización de señales biométricas es una alternativa para realizar reconocimiento

de las emociones y conocer su valencia emocional (positiva, negativa y neutra) de forma más

acertada en personas en estado de interacción con interfaces de computador. Por lo que, se plantea

la siguiente pregunta, ¿Cómo se pueden analizar las dimensiones emocionales de una persona

usando biosensores para la captura de sus respuestas fisiológicas?

Los trabajos mencionados describen que para la captura de las emociones han usado las señales

fisiológicas, lo cual lo ha sido usado en diferentes propósitos, como conocer el estado emocional

del usuario para medir el nivel de interacción de una persona frente a un producto tecnológico y

evaluar la experiencia y retroalimentación a partir de su estado emocional.


III JUSTIFICACIÓN

Utilizando la técnica por captura de respuestas fisiológicas usando sensores biométricos, es una

alternativa para el reconocimiento del estado emocional de un sujeto debido a que obtiene

información de las respuestas naturales del cuerpo, permitiendo así, la opción de crear sistemas

interactivos que puedan identificar respuestas emocionales de los usuarios cuando interactúan con

un dispositivo tecnológico, fomentando un mejor nivel de interacción y aprendizaje a partir de la

retroalimentación en la interacción humano – computadora. Este tipo de interacción amplia los

alcances del diseño de interfaces en dispositivos tecnológicos, permitiendo una interacción más

natural que ofrece mejores experiencias de usuario, enfocando la integración en el diseño de nuevas

tecnologías entornos interactivos que generen una mejor empatía con el usuario [11]. La

observación de las señales fisiológicas es útil para la determinación de estados cognitivos

ofreciendo la posibilidad de desarrollar tecnologías que se adapten a personas con diferentes

niveles de aprendizaje de mayor o menor nivel. Analizar las dimensiones emocionales permite

deducir los niveles de activación emocional, motivación y atención presente en las personas además

de su estado de ánimo y a su vez, conocer cómo se comporta el cuerpo frente a estos estímulos

fisio-psicológicos, lo cual es aplicable en áreas como la medicina, la neurociencia y la psicología.

Además, para la captura de señales fisiológicas existen en el mercado un amplio número de

herramientas tales como biosensores, monitores de signos vitales, o dispositivos médicos para la

medición de parámetros biométricos, lo cual permite la optimización, o modificación de un sistema

de captura de respuestas fisiológicas adecuándose a los recursos necesarios y presupuesto

disponible para la creación del sistema.


IV. OBJETIVOS

Objetivo general

Implementar un sistema de procesamiento de señales fisiológicas que permita analizar las

emociones en los jóvenes universitarios.

Objetivos específicos

Estudiar modelos de procesamiento de señales fisiológicas que sirvan para la clasificación

de emociones básicas.

Seleccionar un conjunto de emociones para la captura de señales por medio de sensores

fisiológicos.

Seleccionar un conjunto de características para cada una de las señales fisiológicas

seleccionadas.

Proponer etapas para el análisis de emociones básicas usando señales fisiológicas.

Diseñar y evaluar un sistema realizado a partir de las etapas anteriormente definidas con un

grupo de estudiantes universitarios de la Universidad de San Buenaventura Cali.


Metodología de la investigación

Para este proyecto de grado, se trabajará la metodología de investigación de tipo analítico –

sintético, debido a la necesidad de analizar el fenómeno a través de un enfoque progresivo y de

descomposición e interpretación de sus partes, enfocado en la conclusión de una incógnita que se

evalúa por medio de la observación y comprensión del problema el cual conllevará a la generación

de nuevas teorías las cuales se sustentan en base a registros estadísticos, hechos y resultados

concluyendo los objetivos relacionados con el tema. Una lista de características relacionada con

este tipo de metodología considera que una investigación de este tipo debe abarcar los siguientes

aspectos:

Racional.

Metódica.

Reflexiva.

Constante.

Ordenada.

Controlada.

Crítica.

A su vez, sus resultados deben ser de carácter verídico y probatorios, pudiendo ser calificados o

refutados llegado el caso los hechos presentados en una investigación científica, con el fin de servir

como una guía abierta para la orientación de los seres humanos en los procesos investigativos de

cualquier carácter científico que permitan el desarrollo profesional y personal del individuo [12].

En base a la metodología anterior, se describen las actividades a realizar:

Investigación los principios fisiológicos y su relación con las emociones.

Análisis de sensores biométricos que permitan relacionar señales fisiológicas con

emociones.

Observación en base a la literatura de modelos de procesamiento de señales fisiológicas

para el análisis de emociones.


Definición de las etapas de diseño de un sistema de análisis de emociones usando

biosensores.

Evaluación del sistema con un público objetivo en una prueba de campo y análisis de

resultados.


V. MARCO TEÓRICO

Emociones

Las emociones son imprescindibles para las relaciones sociales por lo que abarcan un papel muy

importante en nuestras vidas. Por consiguiente, se convierten en un factor importante para las

relaciones interpersonales y comunicativas debido a que ofrecen una relación entre expresiones,

posturas, tonalidades y gestos que acompañan el significado de un mensaje. La forma de interpretar

y expresar mensajes a través de comportamientos fisiológicos y psicológicos es muy compleja para

intentar llegar a una definición aceptada generalmente. Además, someter las emociones a una

respuesta, producto de reacciones fisiológicas y psicológicas sin tener en cuenta las características

personales del sujeto es erróneo [13], debido a que factores como la comprensión de una persona

con su entorno, su valoración personal a los hechos que lo conciernen, la percepción del actor al

cual se le atribuyen los hechos de generar el estímulo o las relaciones con otros individuos o grupos

de individuos influyen en la respuesta emotiva del sujeto [14].

Diferentes autores han organizado la definición de emoción, llegando a clasificar un conjunto de

emociones básicas innatas en los seres humanos. René Descartes, filósofo, matemático y físico

Francés, estableció seis emociones primitivas en el ser humano, (admiración, odio, deseo, alegría

y tristeza) [15]. A su vez, Baruch Spinoza, filósofo neerlandés, propuso que las emociones básicas

eran 15 (codicia, envidia, celos, orgullo, humildad, ambición, venganza, avaricia, trabajo, pereza,

deseo, amor paternal, amor pasional, amor filial y el odio) [15]. Luego, en 1896, Wilhelm Wundt,

célebre fisiólogo, psicólogo y filósofo Alemán, sugirió un sistema afectivo establecido por tres ejes

primarios (excitación-calma, placer-dolor y tensión-alivio) [15]. Posteriormente, Paul Ekman,

psicólogo cuyos estudios están orientados a las emociones y la expresión facial definió 6

emociones básicas en el ser humano, (alegría, miedo, asco, ira, tristeza y sorpresa) de las cuales se

derivan todas las demás [16]. En este caso, definiremos una emoción como la palabra proveniente

del latín “emotio”, vista como la variación profunda pero efímera del ánimo, que puede ser

agradable o penosa y que puede estar acompañada de cierta conmoción somática [14] y se

contextualizará la definición de emoción por diversos autores en la Tabla 1.


Autor Concepto de emociones Año

estimado de

postulación

Tomás de Aquino En su estudio sobre “las pasiones del alma”, se refiere a la

emoción como una afección, las cuales pueden ser de

carácter apetitivo, o deseable, y de carácter irascible o

propio de la persona, de esta forma determina que hay

emociones que se manifiestan al obrar de buena o mala

manera [17].

1265 - 1274

René Descartes Son modificaciones por las fuerzas mecánicas que obran en

el cuerpo o el movimiento de los espíritus vitales, las cuales

se manifiestan para concebir al cuerpo un estado de

actuación que le permita ser más perfecto [17].

1649

Baruch Spinoza Comprende el cuerpo y el alma pertenecientes a una misma

realidad. Relaciona las emociones como el esfuerzo del

cuerpo y la mente en conseguir la perfección [17].

1661 - 1675

Charles Darwin Las emociones están biológicamente determinadas, son

procesos corporales adaptativos y evolutivos, de carácter

finito, es decir, siendo medidas en un número limitado de

dimensiones y que están presentes en todas las culturas [6].

1872

Max Ferdinand

Scheler

Las emociones están centradas en la persona, siendo actos

que constituyen la sensibilidad del ser humano formados a

partir de la organización psicofísica del ambiente y

compuestos por actos intencionales, expresados desde la

intuición, el sentimiento, el odio y el amor [18].

1957

Paul Ekman Están relacionadas en sí con las acciones diarias del

usuario, generan cambios psicológicos y fisiológicos que

proveen de información al sujeto para responder de manera

diferenciada a través de los estados emocionales [19].

1999

Tabla 1. Definiciones de emoción por diversos autores.


Clasificación de emociones

Las emociones siguen estando vinculadas a diferentes estudios y múltiples formas de clasificación,

variando su forma de organización a partir del enfoque del evaluador, ya sea un enfoque, teológico,

psicológico, sociológico, entre otros. Una posibilidad de estructurar las emociones en un tipo de

jerarquía es dividiendo las emociones, en primarias y secundarias, siendo las secundarias

originarias a partir de las primarias.

Por consiguiente, las emociones primarias son consideradas respuestas fisiológicas, adaptadas a un

proceso evolutivo que generan una respuesta psicológica y fisiológica, interpretadas y expresadas

de una manera neurológicamente innata. Las emociones secundarias, están condicionadas en mayor

parte por contextos sociales y culturales, pudiendo ser combinaciones o derivaciones de las

emociones primarias [14].

Las emociones pueden ser positivas o negativas. Las emociones positivas, son aquellas que reflejan

una valencia emocional relacionada con el placer, la satisfacción y el bienestar, siendo de carácter

temporal. Éstas son necesarias para el desarrollo personal como para el bienestar emocional. Las

emociones positivas difieren de cada persona, ya que éstas son subjetivas y están relacionadas con

las experiencias personales. Estos estímulos emocionalmente positivos favorecen al desarrollo

mental, físico y social, debido a que, la existencia de emociones positivas genera una mejor forma

de adaptabilidad frente a situaciones difíciles o amenazantes y amplía los recursos intelectuales

que generan estímulos positivos frente a este tipo de circunstancias. Además, las emociones

positivas contribuyen al desarrollo integral de las personas, mejorando su capacidad de

razonamiento, concentración, desarrollo de aprendizaje, salud y bienestar subjetivo, donde

emociones como la alegría, entusiasmo o satisfacción pueden contribuir a la ampliación de

pensamientos positivos [20].

Las emociones negativas tienden a ser reconocidas más fácilmente debido a las expresiones

corporales y la gesticulación de ciertos músculos faciales cuyos movimientos o posturas están

relacionadas con los sentimientos de tristeza, ira, entre otras. Por lo que, la valoración de una

emoción depende de factores internos y externos en un individuo, los cuales logren generar una


respuesta fisiológica o expresiones corporales que conviertan la emoción en un fenómeno

observable [20].

Las variables psico-fisiológicas evidencian la presencia de una emoción a partir de ciertos cambios

fisiológicos presentes en determinados sucesos, siendo relacionados por la activación del sistema

nervioso simpático o parasimpático (Sistemas nerviosos que regulan y controlan los órganos

internos pertenecientes al sistema nervioso autónomo), lo que lleva a crear similitudes y diferencias

entre las señales fisiológicas que se refieren a dos grupos de emociones positivas y negativas. Estas

señales pueden relacionarse como: aceleración del ritmo cardíaco, dilatación de la pupila, aumento

de la temperatura corporal o una marcada gesticulación corporal entre otras [4].

Otra forma de clasificar las emociones es comprenderlas y separarlas entre primarias, secundarias:

Primarias: Presentes en todas las culturas siendo estas las bases de expresión para las demás

emociones y de carácter genético.

Secundarias: Son de carácter subjetivo y desarrolladas a nivel individual, se derivan de las

emociones primarias [21].

Dimensiones de la emoción

La dimensión emocional transcurre desde un estado complejo del cuerpo efectuado a partir de una

estimulación o perturbación que conlleva a una respuesta organizada ejemplarizada en una

conducta existente ante una situación. Por otra parte, la dimensión emocional puede ser inferida

desde la percepción de alteraciones fisiológicas, pudiendo ser observable desde el lenguaje

corporal, la gesticulación facial, posturas o secuencias de movimientos como resultado de una

respuesta inherente al subconsciente como formas de enfrentar situaciones poco confortantes.

Además, la dimensión emocional asume la intensidad del sentimiento, el cual es la expresión

psicológica de la emoción, siendo el sentimiento una característica subjetiva que puede llegar a

determinar patologías como fobias, traumas o adicciones en caso tal experimentar situaciones

emocionales fuertes [22]. La dimensión emocional está sujeta a un modelo bio-informacional de

las emociones, el cual comprende tres características (valencia, arousal y dominancia). La valencia

desde aspectos neurofisiológicos se identifica como la percepción agradable/desagradable de la

dimensión emocional y determina la expresión en una reacción afectiva (comportamiento pisco-

fisiológico) y que repercuta en la memoria emocional de las personas a través de la experiencia. A


su vez, el arousal define el nivel de activación de un sistema motivacional frente a una emoción.

Por último, la dominancia es la capacidad de control que desencadena una respuesta conductual

perceptible [23].

Existen varios modelos emocionales que agrupan y relacionan emociones básicas y primaras para

ejemplarizar por medio de una analogía la representación de una estructura emocional. El modelo

de Plutchik categoriza las emociones en un diagrama de colores donde dos emociones opuestas se

ubican en una posición contraria una a la otra por 180° (Figura 1) [24].

Figura 1. Modelo emocional de la rueda de Plutchik. Tomado de [25].

Por otra parte, James Rusell, propone un modelo ilustrativo para la representación de estados

afectivos, los cuales están distribuidos alrededor de dos ejes, uno vertical donde el extremo superior

(90°) representa un estado de alarma o agitación y el extremo opuesto (270°) una agitación baja.

En la recta horizontal, el extremo izquierdo (180°) representa un estado de valencia negativa o

“miseria” y el extremo opuesto (0°) de satisfacción o valencia positiva. En este modelo distribuye

28 estados afectivos, los cuales están repartidos en los cuatro cuadrantes del modelo, como se

observa en la Figura 2.


Figura 2. Modelo de representación de estados afectivos por James A. Rusell. Tomado de [26].

CAPTURA DE ESTADOS EMOCIONALES

¿Qué es un sensor fisiológico?

Los sensores fisiológicos son instrumentos biomédicos empleados para la adquisición de

características presentes en el cuerpo humano. La composición e interacción del cuerpo varía

dependiendo de cada persona, presentando diferentes situaciones para la adquisición de las

características [27].

Principios Fisiológicos

El potencial eléctrico producido por las membranas celulares se debe a una concentración de

diferentes iones (Na+ - Electrolitos Sodio, K+ - Electrolitos Potasio, Ca++ - Calcio, Cl – cloro,


entre otros), los cuales generan una polarización y despolarización en las membranas celulares

excitables, siendo el interior de la célula negativo y el exterior positivo, generando estos impulsos

eléctricos a nivel celular (Tabla 2). También, las despolarizaciones transitorias, llamadas

potenciales de acción, actúan en las fibras musculares, lo que conlleva a determinar la actividad

contráctil de la fibra muscular, a su vez, el músculo se divide en dos tipos de unidades, anatómicas

y funcionales, siendo la fibra muscular la unidad anatómica y la unidad funcional corresponde a la

unidad motora. Así mismo, la unidad motora está constituida por un grupo de fibras musculares la

cual transmiten estímulos nerviosos a partir de una única motoneurona [28]. En la Tabla 2 se

muestra el proceso de polarización y repolarización de una célula del corazón.

Proceso de la membrana celular Estado

Reposo

Inicio de la despolarización

Despolarización completa

Inicio de la repolarización


Repolarización completa

Tabla 2. Proceso de despolarización y repolarización de una célula. Tomado de [29].

A continuación, se describen diferentes señales fisiológicas que puedan capturarse de una persona,

y que pueden servir de apoyo para identificar una emoción.

Electromiografía

La electromiografía (EMG), es el registro de los impulsos eléctricos de los músculos del esqueleto,

los cuales proporcionan información sobre el estado fisiológico y los nervios activos [28]. Un

electromiograma es utilizado para el estudio del funcionamiento del sistema muscular registrados

a partir de potenciales bioeléctricos los cuales pueden ser electrodos de superficie o aguja situados

en un músculo o un nervio [30]. Un estudio neurofisiológico, empleando electromiografía puede

variar su duración oscilando entre 30 minutos y 2 horas, y pueden dar indicaciones sobre problemas

musculares tales como; parálisis o estimulación muscular tardía [31]. Un sensor EMG (Figura 3)

captura la actividad muscular por medio de electrodos es el Myoware Muscle Sensor.

Figura 3. Myoware Muscle Sensor. Tomado de [32].


Instrumentación en electromiografía

A. Electrodos.

Pueden estar conformados por una superficie metálica, recubiertos de espuma sólida de

gel o de goma. Son los encargados de transmitir las cargas iónicas producidas por el

cuerpo transformadas en corrientes eléctricas, por lo que son instrumentos

indispensables en la medicina. Además, otorgan información acerca de la actividad

muscular corporal o la actividad iónica en partes específicas del cuerpo, generalmente

están conformados por una superficie metálica y un electrolito que entra en contacto

con la piel permitiendo un intercambio entre de la señal bioeléctrica desde el interior

del cuerpo hacia el sistema de captación de la señal [33]. Por consiguiente, se pueden

aplicar dos tipos de electrodos en esta práctica, superficiales o por vía de inserción, a su

vez, estos se dividen en monopolares y coaxiales [28].

B. Amplificadores.

Se encargan de amplificar la señal recogida de los potenciales eléctricos producidos por

la actividad muscular, llegando a aumentar la señal hasta en 60 dB (decibeles) para una

posterior visualización en los elementos de instrumentación médica. Estos deben tener

la capacidad de captar con precisión señales comprendidas entre los 40 y 10.000 Hz (En

español Hercios) [28].

C. Sistemas de registro.

Los registros pueden ser realizados por medio de instrumento de visualización

electrónico para la representación gráfica de señales eléctricas como un osciloscopio, a

través de la escritura de los potenciales eléctricos desplazados descritos con un

desplazamiento vertical a través de una línea horizontal en un monitor de tubo de rayos

catódicos. Por contraparte, se puede realizar registros permanentes a través de plumillas

y tinta sobre una hoja milimetrada, fotografías, o soportes magnéticos [28].


Electrocardiograma

El estudio del corazón presenta una gran importancia en la detección y prevención de enfermedades

cardiacas e incapacitaciones por fallas en el sistema de conducción del corazón. El

electrocardiograma es el registro de la actividad eléctrica del corazón en el momento que realiza

una contracción. Para la observación del corazón, se realizan derivaciones cardiacas, las cuales son

las distintas vistas del corazón a través de electrodos posicionados estratégicamente en la parte

torácica y precordial del paciente [29]. Existen distintos métodos para realizar ECG, dependiendo

del estado en el cual se encuentre el paciente. Entre los principales se encuentran los ECG de

reposo, ECG de esfuerzo y el ECG ambulatorio.

ECG de reposo: La práctica se realiza generalmente con el paciente recostado sobre una

camilla médica y en estado de reposo, el registro suele durar unos minutos y es necesario

que el paciente no realice esfuerzos musculares en la práctica. A través de los electrodos

posicionados en la parte del pecho se realiza el registro de la actividad cardiaca los cuales

son impresos o visualizados por computadora [34].

ECG de esfuerzo: El examen de esfuerzo se realiza con el paciente realizando una

actividad física de duración aproximada de 15 minutos, comúnmente en una bicicleta

estática o una banda caminadora y se analiza la capacidad de esfuerzo que tiene el corazón

del paciente en momentos de realizar actividades físicas [34]. El ejercicio comenzará de

manera lenta y gradualmente se irá aumentando la complejidad hasta obtener los registros

necesarios por el médico o que el paciente desista de la actividad por agotamiento u otro

factor [34].

ECG ambulatorio: Consiste en el registro de la actividad cardiaca en periodos más

extensos generalmente en un tiempo aproximado de 24-48 horas a través de un monitor

Holter de 24 horas el cual porta el paciente (Figura 4) [34].


Figura 4. Electrodos empleados en electrocardiografía. Tomado de [35].

Principios del impulso cardíaco

El impulso eléctrico generado por el corazón se origina en el Nodo sinusal, localizado en la parte

superior de la aurícula derecha, atravesando las vías internodales pasando posteriormente por el

Nodo Atrio ventricular localizado en el lado derecho del tabique auricular, propagándose por las

ramas del Haz de His para dirigirse hacia las ramas derecha e izquierda, las cuales son fascículos

ubicados a ambos lados respectivos del tabique ventricular, terminando en las fibras de Purkinje

causando la despolarización y contracción de los ventrículos [29]. El impulso cardíaco o ritmo

cardíaco, puede ser visualizado en la práctica de la electrocardiografía a través de la onda cardíaca

ubicada de manera impresa en un papel milimetrado como se muestra en la Figura 5.

Figura 5. Representación de una onda de ECG en papel cuadriculado.


P: Onda representativa de la despolarización auricular.

QRS: El conjunto de ondas QRS representan la despolarización ventricular.

T: Onda representativa de la repolarización ventricular.

Temperatura corporal

Es referenciado como el equilibrio que realiza biológicamente el cuerpo entre la generación de

calor y su pérdida. Controlado por el hipotálamo, este activa mecanismos de autorregulación como

la vasodilatación, la sudoración y la hiperventilación en el caso de que la temperatura aumente más

de lo normal [36]. La temperatura corporal de una persona varía dependiendo de su edad, sexo, la

actividad realizada recientemente, la cantidad de líquidos ingeridos, la hora del día y en el caso de

las mujeres, la fase del ciclo menstrual en la cual se encuentren [36]. Las zonas corporales

adecuadas para la obtención de una persona son:

Oral.

Rectal.

Axilar.

En el oído.

En la sien.

En la Tabla 3 se presentan los valores normales de la temperatura corporal.

Edad Grados celsius (C°)

Recién nacido 36,1 – 37,2

Lactante 37,2

Niños de 2 a 8 años 37,0

Adulto 36,0 – 37,0

Tabla 3. Valores normales de temperatura corporal. Tomado de [36].

Interpretación de emociones a través de huellas de calor

En relación con los cambios de temperatura corporal, se puede distinguir una forma de identificar

cambios emocionales a través de huellas de calor existentes en zonas específicas del cuerpo, siendo


de carácter transitorio y observables a través de técnicas como la termografía. Por lo tanto, se

demuestra en [37], la utilización de herramientas captadoras de calor, que, a través del tiempo han

aportado a investigaciones para la captura de cambios fisiológicos, que a su vez, subyacen

comportamientos psicológicos producido a través del esfuerzo mental y que por lo general, crea un

aumento en la temperatura corporal, como por ejemplo, la creación de música, razonamiento lógico

y matemático o un estado emocional, entre otros. Dado que, la termografía permite la

determinación de la temperatura de los objetos a distancia, permitiendo la representación visual de

la temperatura en la superficie de la piel y teniendo en cuenta que la temperatura normal de un

adulto sano se encuentra entre los 36,0° y 37,0° Celsius, se convierte en una técnica de registro

psicofisiológico de medición sencilla. Analizando regiones de interés como la frente, mejillas, nariz

o el área ocular, y promediando los cambios de temperaturas en un sujeto frente a una situación

que estimule su estado emocional, es posible el reconocimiento de la valencia emocional o el

arousal del sujeto pudiendo así identificar emociones básicas [37]. A continuación, se muestra un

sensor de temperatura el cual detecta el calor corporal.

Figura 6. Sensor de temperatura MLX90614.

Actividad electrodérmica (AED)

La piel es un órgano que impide la entrada de sustancias nocivas para el organismo, siendo este el

órgano más extenso en el ser humano, donde, en cuyo caso, faltase el 40 por ciento de su tejido, el


organismo sería incompatible con la vida. Por otra parte, ha demostrado que la piel presenta

impulsos de señales eléctricas, hecho que se cree estar relacionado con la actividad de las glándulas

sudoríparas. Para analizar esta relación existen dos instancias; la resistencia o conductancia

(exosomática) y mediante la detección de voltajes (endosomática). El registro de la conductividad

de la piel se realiza comúnmente empleando electrodos en la superficie de la epidermis (capa

superficial) [38].

La actividad electrodérmica ha sido caso de estudio desde el siglo XIX, donde su aplicación se ha

visto valorada debido a sus intervenciones positivas en el aumento del flujo sanguíneo, uso como

bactericida o para la aceleración de la cicatrización por estimulación de la actividad electrodérmica

de la piel, además, se ha visto relacionada en análisis del comportamiento fisiológico de la piel

frente a casos de neurosis o estrés, ayudando a la determinación del estado cognitivo y emocional

de un sujeto [38]. A continuación, se muestra un sensor que capta la respuesta electrodérmica de

la piel.

Figura 7. Sensor galvánico. Tomado de [39].


AED de la piel en psicología y fisiología

Está relacionada con los cambios emocionales, el arousal, referido al nivel de activación cerebral,

concentración o desempeño óptimo en cuanto a niveles psicológicos o fisiológicos en una persona

frente a una actividad, y su atención. Cabe mencionar que, la AED, es empleada como herramienta

para identificar los cambios cognitivos o emocionales debido a sus mediciones de alta sensibilidad

[38].

Respiración

La respiración es un reflejo natural del cuerpo, involuntario y automático en el cual ingresa oxígeno

del aire por medio de la inhalación y se eliminan los desechos extrayéndolos hacia afuera

separándolos del oxígeno por medio de la exhalación. Este movimiento es controlado por los

centros respiratorios bulbares los cuales adaptan la respiración a cada situación y divide este reflejo

en tres fases: Inspiración, espiración y momento de reposo.

Figura 8. Fases respiratorias ilustradas. Tomado de [40].

Selección de los sensores

Para la selección de los sensores, fue necesaria la identificación de elementos que no fueran de

carácter invasivo, tuvieran practicidad en su utilización y mantuvieran compatibilidad con la

captura de la información mediante la plataforma de hardware que se utilizara.

Los sensores que se relacionan con las características fisiológicas extraídas de la captura de datos

se describen en la Tabla 4.


Sensor Temperatura / Calor corporal

Importancia

La temperatura corporal ha demostrado ser una característica relevante

para la identificación de emociones debido a la existencia de cambios de

calor en diferentes zonas corporales en la experimentación de diversas

emociones. La temperatura se muestra como una reacción fisiológica que

usualmente es percibida en la zona del rostro y cabeza, tórax y cuello [41].

Característica

Está relacionada con el aumento de la temperatura corporal de forma

general o focalizada en ciertas partes del rostro y ligada a otras

características fisiológicas como el aumento del ritmo cardiaco, la

sudoración o la presión sanguínea [41].

Relación emocional Ira, Alegría, vergüenza, amor.

Aplicación

El sensor de temperatura se puede ubicar fácilmente en las zonas axilares

para la medición del calor corporal. La referencia utilizada (ver capítulo

5) dispone de un sensor de captación de calor a distancia y es compatible

con la plataforma de programación de Arduino.

Sensor Oxímetro

Importancia

Este presenta diversos comportamientos en situaciones provenientes del

medio externo que altera su funcionamiento estereotipado, de este

principio, se diversifican amplios estudios acerca de la relación del

corazón y las emociones las cuales abarcan muchos aspectos

psicofisiológicos [42].

Característica

Está relacionado con el análisis del ritmo cardíaco, los intervalos de latido

por minuto y la observación de las ondas de frecuencia cardiaca para el

análisis del comportamiento del corazón.

Relación emocional Alegría, miedo, ira.

Aplicación

El sensor empleado (ver capítulo 5) dispone de una fácil aplicación en el

cuerpo, pudiendo ser ubicado en los dedos corazón u índice de la persona,

además del lóbulo de la oreja. Su funcionamiento por medio de la

oximetría de pulso permite que sea un sensor de carácter no invasivo y

presenta compatibilidad con la placa de programación de Arduino.

Sensor Galvánico


Importancia

La respuesta electrodérmica de la piel demuestra interacción causada por

los eventos del entorno y los cambios de los estados psicológicos de un

individuo, estando ligada también a los cambios del rimo cardíaco [43].

La piel actúa como un interlocutor entre el entorno y el organismo y un

medio por el cual las toxinas se eliminan hacia el medio exterior. Debido

a la conductividad de la piel, las mínimas alteraciones eléctricas pueden

ser medidas o inducidas para la identificación de una emoción, las

reacciones somáticas como los cambios de color (enrojecimiento /

palidez), son también características observables del comportamiento

emocional en la piel [44].

Característica Está relacionado con la medición de la respuesta electrodérmica de la piel.

Relación emocional Vergüenza, miedo, ira.

Aplicación

El sensor Galvánico utiliza el registro de la respuesta electrodérmica de

la piel a través de electrodos que son posicionados en los dedos de la

mano, siendo así de fácil aplicación y de carácter no invasivo, además

demuestra compatibilidad con la plataforma de programación de Arduino.

Tabla 4. Relación de sensores fisiológicos con las emociones.


VI MODELO DE PROCESAMIENTO DE SEÑALES FISIOLÓGICAS

El procesamiento de señales digitales está presente en diversas disciplinas, como:

telecomunicaciones, medicina, astronomía, etc. Ésta comprende el manejo de la información y las

señales físicas para su manipulación. El procesamiento de señales se relaciona con el manejo,

transformación y representación de señales a través de una computadora o sistema digital, el cual

son representados en secuencias de números de precisión finita [45]. En procesamiento de la señal

digital se debe tener en cuenta algunas características de amplitud de forma discreta y tiempo lo

que concede la condición adecuada para que una computadora pueda procesar la señal y

representarla de forma finita [46]. Las señales pueden proceder de diversas fuentes. En este

proyecto las señales proceden de sensores que miden respuestas fisiológicas de una persona.

El procesamiento de señales digitales es la manipulación matemática de una señal de información

para modificarla o mejorarla. Por lo que, el procesamiento de una señal consiste en unas etapas

para hacer tratamiento a la señal e identificar características que ayuden a identificar patrones de

una señal. Un patrón puede ser una representación de una relación estocástica entre señales y se

obtiene mediante el análisis matemático de ejemplos de señales adquiridas previamente. Por lo que,

un patrón representa a una clase de señales, que a su vez representa una clase de entidades

individuales. Los patrones se obtienen a partir de la extracción de características distintivas, de tal

manera que se logre representar sólo rasgos significativos.

Los patrones se obtienen a partir de un conjunto de etapas, como: adquisición de señales

fisiológicas, almacenamiento de datos, extracción de características y clasificación [47]. Es

importante mencionar que en el proyecto de investigación que se propone no se llegará a la etapa

de clasificación, ya que el interés es analizar las emociones usando sensores fisiológicos y cómo la

identificación de un conjunto de características puede ayudar a etiquetar una determinada emoción.

A continuación, se describen algunos modelos que se han propuesto para el análisis y clasificación

de las emociones.


Modelo 1

El modelo propuesto por Wioleta [48], describe unas etapas para el reconocimiento de las

emociones (Figura 9). El modelo consta de las siguientes etapas: Inducción de emociones, captura

de señales fisiológicas, extracción de características, y clasificación.

Figura 9. Etapas del modelo.

A continuación, se describe cada etapa del modelo:

Inducción de emociones

Para inducir las emociones se seleccionan un conjunto de imágenes de la IAPS (en inglés

International Affective Picture System) [49], el cual es una base de datos de imágenes que pueden

inducir emociones en las personas. La IAPS hace relación a dimensiones afectivas, tomando en

cuenta el arousal, dominancia y la valencia en el estudio de las emociones.

Captura de señales fisiológicas

Presentan una serie de experimentos donde se sitúa una persona frente a un videojuego y se realiza

la captura de señales de forma multimodal (señales fisiológicas, expresiones faciales y señales de

audio) utilizando a su vez un sensor de respiración, un electromiograma y un sensor de captura

electrodérmica de la piel.

Extracción de características

A partir de las señales fisiológicas se realiza la captura de señales de los sensores fisiológicos

(Figura 10) descritas a continuación:

La conductividad de la piel (SC), la cual es extraída por medio de electrodos colocados en

los dedos utilizando el sensor de respuesta electro galvánica.

El volumen del pulso de la sangre (BVP) es detectado por medio de un sensor infrarrojo

que mide cuanta luz es reflejada al ser colocado en la punta de los dedos de la mano.


Captura de señales

fisiológicas

Extracción de características Clasificación


La temperatura (T), la cual es detectada por un sensor de temperatura que mide el nivel de

calor de la superficie de la piel, generalmente colocado en la punta de los dedos de la mano.

La respiración (RSP), que determina que tan profunda es la respiración y la velocidad de

la respiración de una persona, capturada por medio de un sensor que rodea el vientre de la

persona y detecta la expansión y normalización de este.

La actividad eléctrica muscular (EMG), detectada a partir de un sensor de electromiografía

que captura micro impulsos eléctricos causados por la activación de un músculo, y que, a

partir de su amplitud se puede determinar la fuerza de contracción del músculo, lo cual está

relacionado con la existencia de emociones fuertes.

Figura 10. Concepto de prueba de investigación para la captura de señales fisiológicas. Usando

los sensores: Respiración (RSP), Conductividad de la piel (SC), Actividad muscular (EMG),

Temperatura de la piel (T) volumen del pulso de la sangre (BVP). Tomado de [48].

Modelo 2

Otro modelo para el análisis y clasificación de señales afectivas fue propuesto por [4], el cual sigue

un conjunto de etapas, como se muestra en la Figura 11.


Figura 11. Segundo modelo.

Identificación de los sensores fisiológicos que resaltan la valencia emocional

Se seleccionaron un conjunto de sensores para medir respuestas fisiológicas de una persona. Estos

son:

Galvánico de la piel, sensor ubicado en la palma de la mano detecta los cambios en la

conductividad de la piel, está relacionado con el nivel arousal de la activación emocional.

Fotopletismógrafo, detecta el volumen del pulso de la sangre mediante un sensor infrarrojo

que captura el comportamiento del ritmo cardíaco a través del flujo sanguíneo.

Respiración, detecta la expansión y contracción de la cavidad pectoral usando un sensor

colocado alrededor del pecho por medio de un cinturón de velcro.

Electromiografo, detecta la ausencia o presencia de la actividad eléctrica en los músculos.


Se definieron las siguientes características usando los sensores fisiológicos:

El cambio promedio en la pendiente de cada señal se calculó tomando la media de la

primera diferencia de la señal suavizada (SRC2)

El valor medio de cada señal (SRC).

El ritmo cardíaco fue calculado tomando el inverso del intervalo entre latidos de la forma

de onda expuesta por pulso del volumen de la sangre (HR).

El promedio de aceleración o desaceleración del ritmo cardíaco calculado por la media de

la primera diferencia del ritmo cardíaco (HR2).

Para cada emoción se calculó la media y la varianza de la señal en el dominio del tiempo.

Además del cálculo de la densidad espectral de la potencia de la señal (RT1 y RT2).

Identificación de los sensores fisiológicos que

resaltan la valencia emocional


Postprocesamiento de los datos


La energía promedio se calculó de los primeros cuatro valores de 0.5 Hz bandas de las

señales (RF1 y RF4)

El sensor de respiración midió la expansión y la contracción de la cavidad torácica

utilizando un sensor de efecto Hall conectado alrededor del pecho con una banda de velcro.

Para la respiración se calculó el poder espectral para cada estado afectivo.

Post procesamiento de los datos

Obtenidos los datos, para el reconocimiento de los patrones, fue necesario normalizar los valores

de cada característica y posteriormente fue utilizada una proyección del método de análisis

discriminante lineal de Fisher.

Modelo 3

Por último en [50], proponen un modelo con el objetivo de realizar un sistema base para la

detección automática de emociones. Las etapas de esta investigación son descritas en la siguiente

figura:

Figura 12. Tercer modelo.

Identificación de los sensores fisiológicos

Usaron los siguientes sensores fisiológicos para la deducción de los estados emocionales de un

usuario: Electromiografía, actividad electro dérmica, temperatura de la piel, electrocardiograma,

sensor de respiración.

Identificación de los sensores

fisiológicos

Selección del método de

estimulación

Selección de características

Post-procesamiento de las señales


Selección del método de estimulación

En segunda etapa se procedió con el método para la estimulación de los estados afectivos: La

alternativa que se utilizó fue el uso del conjunto de fotos otorgado por la IAPS (en inglés

International Affective Picture System) [49], donde se clasificaron en términos de excitación y

valencia más de 800 imágenes.

Selección de características

Las características extraídas de las señales fueron las siguientes:

Valor promedio de la variante, este valor es calculado a lo largo de un vector en base al

tiempo de entrada de una señal específica, la cual se recalcula a medida que se desplaza por

los valores entrantes de la señal lo que permite detectar cambios en el comportamiento de

la señal.

Desviación estándar, esta medida muestra los cambios de la señal en base a los datos que

se alejan del valor medio del conjunto de datos de la señal.

Valor de la pendiente. Este valor indica los cambios que se presentan rápidamente en la

señal, para esta característica es necesario realizar un filtro a menudo debido al ruido que

puede de la señal que puede alterar los resultados.

Post procesamiento de los datos

En cuarta instancia se realizó el post-procesamiento y clasificación de los datos: Se optó por el

modelo de clasificación de redes neuronales para la construcción de sistema clasificador con el

objetivo de aprender una emoción correspondiente desde un conjunto de características.

Los diferentes métodos analizados anteriormente muestran que existe una correlación en las etapas

que atraviesan cada una de las investigaciones, teniendo como iniciativa la identificación de los

sensores que se emplearán y/o las señales fisiológicas a monitorear. Tener clara estas etapas

permite tener una base con la cual sea viable proceder con la metodología propia para la captura

de señales fisiológicas enfocada a la detección de la valencia emocional.


VII DISEÑO DEL SISTEMA

Para la construcción del sistema que analiza las emociones por medio de la captura de señales

fisiológicas, cuyo propósito es determinar un conjunto de patrones a partir de los datos obtenidos,

se proponen las siguientes etapas de diseño e implementación del sistema.

Figura 13. Etapas del sistema de análisis de emociones.

Inducción de las emociones

Para la inducción de las emociones, se utiliza un conjunto de imágenes seleccionadas de la base de

datos del IAPS (En inglés International Affective Picture System) [49]. IAPS corresponde a una

base de datos de fotografías a color agrupadas por categorías, donde cada categoría tiene asociada

un promedio de 60 imágenes que representan todas las posibles combinaciones de las dimensiones

de la emoción IAPS, se ha empleado en varios países. IAPS es una de las pruebas a nivel

Inducción de las emociones

Captura de las señales

fisiológicas

Preprocesamiento de los datos


Almacenamiento de los datos

Análisisestadístico


internacional más usadas para inducir emociones en las personas. Las fotografías son semejantes a

los objetos reales, ya que puede ocasionar estímulos en la persona, logrando producir un estado

emocional.

Cada imagen está clasificada con un valor arousal y valencia emocional determinado por el IAPS.

Se seleccionaron 6 emociones a partir de la base de datos de imágenes teniendo en cuenta que

anteriores estudios han realizado este mismo procedimiento [51], y posteriormente 4 imágenes por

cada emoción como se muestra a continuación en la Tabla 5, que contiene los valores de la media

y la desviación estándar de la valencia y del valor arousal para cada imagen respectiva [49].

ID

imagen Valencia Emoción

Valencia -

Media (Desviación

estándar)

Arousal -

Media (Desviación

estándar)

7380 Negativa Asco 2.61 (1.55) 5.53 (2.56)

7361 Negativa Asco 3.65 (1.56) 4.73 (2.47)

2352.2 Negativa Asco 1.87 (1.41) 6.57 (2.16)

9405 Negativa Asco 1.59 (1.02) 6.77 (2.22)

2332 Positiva Alegría 7.64 (1.60) 4.30 (2.29)

1463 Positiva Alegría 7.10(1.47) 4.46 (2.17)



9075 Negativa Tristeza 1.29 (0.64) 6.57 (2.39)




4607 Positiva Excitación 7.03 (1.84) 6.34 (2.16)




7150 Neutro Neutro 4.72 (1.00) 2.61 (1.76)


7235 Neutro Neutro 4.96 (1.18) 2.83 (2.00)

2190 Neutro Neutro 4.73 (1.25) 2.27 (1.72)

7632 Neutro Neutro 5.05 (1.56) 4.49 (2.23)

9810 Negativa Cólera 2.25 (1.84) 6.74 (2.33)

6212 Negativa Cólera 1.81 (1.41) 6.53 (2.35)

3191 Negativa Cólera 1.95(1.22) 5.95(2.17)

6415 Negativa Cólera 2.21(1.51) 6.20(2.31)

Tabla 5. Lista de imágenes empleadas para la inducción de emociones.

Para inducir las emociones en los usuarios se diseña un experimento, el cual consiste en mostrar

un conjunto de imágenes que puedan inducir diferentes tipos de emoción y capturar la respuesta de

cada uno de los sensores fisiológicos. Por lo que, es necesario diseñar un protocolo para inducir la

emoción en el usuario usando el conjunto de imágenes IAPS. En la Figura 14, se muestran 3

imágenes del IAPS, las cuales producen un estado emocional positivo, neutro y negativo.

Figura 14. Algunas imágenes de la IAPS.

Captura de las señales fisiológicas

Para la captura de las señales, se emplean los sensores fisiológicos en el momento en el que se

induce a los diferentes estados emocionales al usuario. A continuación, se describen los sensores

fisiológicos a usar en el sistema.


Fotopletismógrafo.

El sensor de pulso (Pulse Sensor) es un fotopletismógrafo (Figura 15), el cual capta la frecuencia

cardíaca de una manera no invasiva, midiendo las fluctuaciones del ritmo cardíaco enviando una

señal analógica de voltaje con una onda perceptible denominada fotopletismograma. El sensor de

pulso amplifica la onda y la normaliza alrededor del punto medio del voltaje (v/2) [52]. El sensor

de pulso, compuesto por tres cables de 24’’ (pulgadas) de largo, y de un color diferencial para cada

uno (Rojo: +3V – 5V, Negro: GND, Morado: Señal). Esta captura la señal del pulso cardiaco a

través de un sensor led infrarrojo que toma las pulsaciones del corazón ubicado desde un dedo de

la mano o en el lóbulo de la oreja.

Figura 15. Pulse Sensor. Tomado de [52]

Sensor de temperatura.

El sensor de temperatura MLX90614 (Figura 16) es controlado internamente por una máquina de

estado, la cual realiza las mediciones y los cálculos de la temperatura de los objetos y del ambiente.

La señal adquirida por el sensor de temperatura es amplificada mediante un amplificador de

compensación Chopper de bajo nivel de ruido con ganancia programable. Posteriormente la señal

pasa a convertirse por un modulador Sigma Delta a un solo flujo de bits [53].


Figura 16. Sensor de temperatura MLX90614.

Sensor galvánico.

El sensor galvánico captura la respuesta galvánica de la piel midiendo la conductividad de la piel,

siendo esta perceptible en emociones fuertes que pueden ser causadas por el sistema nervioso

simpático y medidas a través de dos electrodos conectados a los dedos de la mano [39].

Figura 17. Sensor galvánico. Tomado de [39].

Sensor respiratorio.

El sensor respiratorio está compuesto por un piezo eléctrico conectado por un cable al voltaje del

puerto análogo de la tarjeta arduino y otro cable a un pin análogo de la misma. Este se sujeta

alrededor del pecho del usuario con una cinta de velctro, el sensor se coloca a través de un cinta de

resorte, detecta la expansión del pecho debido a la modificación en su parte posterior con un

montículo de silicona líquida que permite enetrar en contacto con el movimiento del pecho en la

inhalación y la exhalación. El sensor entrega valores entre 0 y 1023. Este se construyó en base a

un artículo médico [54].


Figura 18. Sensor respiratorio.

Los sensores están ubicados de la siguiente manera: PulseSensor (dedo índice), sensor de

temperatura (bajo el brazo), sensor respiratorio (tórax o abdomen) y sensor galvánico (dedo

corazón y anular).

Figura 19. Colocación de los sensores en el usuario.


Preprocesamiento de los datos

Para la captura de las señales, cada sensor trae consigo una infraestructura compuesta de hardware

(Arduino [55]) y software (Matlab [56]) que facilita la obtención y visualización de las señales de

forma digital en un monitor. Dicho esto, los sensores son conectados a la placa de desarrollo de

hardware Arduino [57] (Figura 19).

Figura 20. Conexión Hardware con cada uno de los sensores a la placa arduino UNO.


La conexión detallada de cada entrada analógica de los sensores se muestra en la Tabla 6:

Sensor Cable Color Conexión

Temperatura

SCL Cian Pin A5 (Arduino)

SDA Lila Pin A4 (Arduino)

Voltaje Rojo Pin voltaje (Protoboard)

Tierra Negro Pin Tierra (Protoboard)

Vin Ocre Pin Vin (Arduino)

Galvánico



Señal_1 Amarillo Pin A1 (Arduino)

Señal_2 Blanco No se conecta

Respiratorio


Tierra Negro Pin A3 (Arduino)

Pulse Sensor



Señal Morado Pin A0 (Arduino)

Tabla 6. Conexión de los sensores a la placa de programación Arduino.

Los sensores entregan una cadena de datos al sistema, en el cual se separa cada valor de

información para cada sensor respectivo para almacenarlo en un vector independiente, como se

observa en la Figura 21.


Figura 21. Datos de las señales de los sensores enviados por el puerto serial.

Debido a que la información es enviada por el puerto serial del ordenador desde la aplicación de

Arduino hacia el sistema propuesto (en MATLAB). Para procesar los datos correctamente se debe

realizar el mapeo de los datos a 5v (voltios) a la señal que contiene la cadena de datos de todos los

sensores debido a que ciertos sensores, como el Pulse Sensor, el sensor Galvánico, y el respiratorio,

tienen un rango de entrega de valores entre 0 a 1023. Para ello, se emplea la ecuación 1:

𝑠𝑒ñ𝑎𝑙(𝑖) = 𝑎(1) ∗ (5/1023) Ecuación 1

Se establece un protocolo de comunicación para él envió de datos, por lo que lo datos que se reciben

en Matlab tienen la siguiente estructura: Se realiza una separación de la cadena de información,

separando en el orden de envío de los datos cada valor de información correspondiente a cada

sensor. Esto se realiza mediante un ciclo que se repite hasta el número de muestras total por señal

de captura de datos, que se define por la Ecuación 2 y se muestra en la Figura 22:

𝑡𝑚𝑎𝑥 ∗ 𝑡𝑟𝑎𝑡𝑒 = 𝑡𝑎𝑚𝑎ñ𝑜𝑉𝑒𝑐𝑡𝑜𝑟 Ecuación 2

Donde:


𝑡𝑚𝑎𝑥 = Tiempo de captura de datos en segundos por el sistema.

𝑡𝑟𝑎𝑡𝑒 = Frecuencia de muestreo por segundo.

𝑡𝑎𝑚𝑎ñ𝑜𝑉𝑒𝑐𝑡𝑜𝑟 = Número de muestras total para cada señal.

Y la separación se realiza mediante el ciclo mostrado a continuación:

𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟 = 1;

𝑓𝑜𝑟 𝑖 = 1: 𝑝𝑜𝑠: 𝑡𝑎𝑚𝑎ñ𝑜𝑉𝑒𝑐𝑡𝑜𝑟

𝑠𝑒𝑛𝑠𝑜𝑟𝑁(𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟) = 𝑠𝑒ñ𝑎𝑙(𝑖);

𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟 = 𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟 + 1;

𝑒𝑛𝑑

Donde:

𝑆𝑒𝑛𝑠𝑜𝑟𝑁 = Es un vector que almacena todos los valores de la señal por cada sensor.

𝑝𝑜𝑠 = La posición de envío del valor de información en la cadena de datos.

𝑐𝑜𝑛𝑡𝑎𝑑𝑜𝑟 = Es la variable que almacena en cada posición del vector el valor de información de

la señal del sensor.

Figura 22. Separación de la cadena de datos en el entorno de Matlab.



Una vez capturadas las señales fisiológicas por medio de los sensores, se identifica las

características más relevantes. De tal manera, que puedan servir de información para encontrar un

patrón en la señal relacionado con los estados emocionales. Las características que se extraigan

ayudarán a clasificar la dimensión emocional desde la captura de de las señales fisiológicas del

usuario frente a un estímulo externo.

Los latidos por minuto ofrecen la posibilidad de detectar alteraciones en el pulso que conlleven a

la identificación de patologías cardiorespiratorias [36], en este caso, se empleará para determinar

los momentos de frecuencia cardíaca de mayor y menor nivel frente al estímulo emocional.

Por otro lado, temperatura corporal, descrito por E. Salazar en [37]. El aumento o disminución

de calor pueden ser utilizado como marcador somático de la respuesta emocional, que permiten

dimensionar características emocionales como el arousal y valencia emocional de acuerdo a los

cambios de temperatura en ciertas zonas faciales a través de termografía . Se utilizará para

reconocer cambios singificativos de temperatura que se relacionen con el estímulo emocional.

La Respuesta electro-galvánica permite tener una percepción acerca de la activación eléctrica de

la piel, reacciones psicosomáticas que son provocadas por factores externos y que son visualizados

mediante los cambios de la piel [44], ademaás como identificar la activación de las glándulas

sudoríparas de la piel que permiten mayor conductividad [39]. En la práctica se empleará para

visualizar los patrones y cambios en la actividad eléctrica de la piel en relación al estímulo

emocional provocado.

La respiración refleja el comportamiento muscular asociado a la relajación y alteraciones de tipo

psicomotriz, lo cual esta vinculado a la percepción del cuerpo y su estado de activación [40].

También, las expresiones faciales, cuya identificación de sentimientos está ligado a un factor

empático desarrollado por los seres humanos a través de la evolución [1], permite reconocer

aspectos básicos en el reconocimiento de emociones por medio de cambios gestuales. Eva de Lera

et al [3], proponen 10 heurísticos para el reconocimiento de emociones aplicados en la evaluación

de la experiencia de usuario, analizando expresiones marcadas como signos referentes a un estado

emocional. Para ese caso, se aplicará el registro de las expresiones faciales a través de la grabación

de video del rostro del participante para cada prueba.


El lenguaje corporal es uno de los fenómenos observables desencadenado a partir de condiciones

internas y externas que conellevan a la activación del sistema nervioso simpático que se traducen

en cambios de postura o reacciones fisiológicas [20]. A partir de esto, se puede capturar desde el

mismo registro por videocámara las expresiones corporales que se relacionen con el estímulo

emocional provocado. En la Tabla 7 se describen características que se analizarán para cada una

de las señales fisiológicas.

Señal Fisiológica Características

Pulso Frecuencia cardíaca

Intervalo de latidos por minuto

Valor máximo

Valor promedio

Valor mínimo

Desviación estándar

Temperatura corporal

Valor máximo

Valor promedio

Valor mínimo


Actividad electrodérmica Valor mínimo


Respiración Frecuencia respiratoria

Tabla 7. Características de las señales fisiológicas.

Se han seleccionado 12 características que ayudarán a representar un estado emocional a través

de señales fisiológica. A continuación, se realiza una breve descripción de cada una de las

características:


Desviación estándar: Es la raíz cuadrada de la varianza, la cual define la medida de

dispersión de los datos con respecto a la media. Cuanto mayor sea la desviación estándar

más dispersos están los datos. Se define matemáticamente como:

𝑆 = √1

𝑁−1∑ |𝐴𝑖 − 𝜇2|𝑁

𝑖=1 Ecuación 3

𝑑𝑜𝑛𝑑𝑒 𝜇 𝑒𝑠 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝐴 (𝑣𝑒𝑐𝑡𝑜𝑟):

𝜇 = 1

𝑁∑ 𝐴𝑖

𝑁𝑖=1 Ecuación 4

𝐴 𝑒𝑠 𝑙𝑎𝑠 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑑𝑎𝑡𝑜

Varianza: Es la medida que define que tan dispersos están los datos alrededor de la media.

La varianza es igual a la desviación estándar elevada al cuadrado.

𝑉 =1

𝑁 − 1∑|𝐴𝑖 − 𝜇2|

𝑁

𝑖=1

𝑑𝑜𝑛𝑑𝑒 𝜇 𝑒𝑠 𝑒𝑙 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝐴:

𝜇 = 1

𝑁∑ 𝐴𝑖

𝑁

𝑖=1

Frecuencia Respiratoria: La frecuencia respiratoria es el número de respiraciones

realizadas en un determinado tiempo, el cual comprende un ciclo la fase de inhalación y el

de exhalación provocada por aparato respiratorio. La señal entregada por el sensor

respiratorio es procesada en Arduino con la función map( ) de la siguiente manera.

𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑅𝑒𝑝𝑠𝑖𝑟𝑎𝑡𝑜𝑟𝑖𝑎 = 𝑚𝑎𝑝(𝑟𝑒𝑠𝑝𝑖𝑟𝑎𝑐𝑖𝑜𝑛, 0,1024,1024,0);

𝑑𝑜𝑛𝑑𝑒:

𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑅𝑒𝑝𝑠𝑖𝑟𝑎𝑡𝑜𝑟𝑖𝑎 = 𝑙𝑒𝑡𝑢𝑟𝑎 𝑑𝑒𝑙 𝑝𝑖𝑛 𝑎𝑛𝑎𝑙ó𝑔𝑖𝑐𝑜 𝑒𝑛 𝐴𝑟𝑑𝑢𝑖𝑛𝑜.

Lo cual invierte los valores de la forma de onda de la señal para conseguir visualizar ondas

ascendentes en el momento de la inhalación y formas de ondas descendentes en la

exhalación, y es normalizada con la función smooth( ) en MATLAB, la cual realiza un

procesamiento a la señal suavizando los datos de una columna del vector usando un filtro

por promedios que se desplaza, el lapso de desplazamiento del filtrado por promedios es de

5 y está descrito de la siguiente forma:


𝑦𝑦 = 𝑠𝑚𝑜𝑜𝑡ℎ(𝑦)

𝑒𝑠 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒 𝑎

𝑦𝑦 (1) = 1

𝑦𝑦(2) = (𝑦(1) + 𝑦(2) + 𝑦(3)/3 )/3

𝑦(3) = (𝑦(1) + 𝑦(2) + 𝑦(3) + 𝑦(4) + 𝑦(5))/5

𝑦(4) = (𝑦(2) + 𝑦(3) + 𝑦(4) + 𝑦(5) + 𝑦(6))/5

y así sucesivamente.

Valor máximo: Es el dato de mayor valor de un conjunto de datos. El valor máximo de

una función es dado por la siguiente expresión:

𝑓(𝑐)𝑒𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 𝑢𝑛𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑠𝑖 𝑐 𝑝𝑒𝑟𝑡𝑒𝑛𝑒𝑐𝑒 𝑎𝑙 𝑑𝑜𝑚𝑖𝑛𝑖𝑜 𝑑𝑒 𝑓(𝑥)𝑦

𝑓(𝑐) ≥ 𝑓(𝑥)𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥 ∈ 𝑎𝑙 𝑑𝑜𝑚𝑖𝑛𝑖𝑜 𝑑𝑒 𝑓()

Valor Promedio: Es el valor de una serie de datos cuantitativos la cual se obtiene desde la

suma de todos los datos dividido entre el número de los sumandos y está dada por la

siguiente ecuación:

�̅� =1

𝑛 ∑ 𝑥𝑖 =

𝑥1+𝑥2…+𝑥𝑛

𝑛

𝑛𝑖=1 Ecuación 5

Valor mínimo: Es el dato de menor valor de un conjunto de datos. El valor mínimo de una

función es dado por la siguiente expresión:

𝑓(𝑐)𝑒𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒 𝑢𝑛𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑠𝑖 𝑐 𝑝𝑒𝑟𝑡𝑒𝑛𝑒𝑐𝑒 𝑎𝑙 𝑑𝑜𝑚𝑖𝑛𝑖𝑜 𝑑𝑒 𝑓(𝑥)𝑦

𝑓(𝑐) ≤ 𝑓(𝑥)𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥 ∈ 𝑎𝑙 𝑑𝑜𝑚𝑖𝑛𝑖𝑜 𝑑𝑒 𝑓()

Frecuencia cardíaca: Es el número de contracciones o pulsaciones del corazón que se

efectúan en un tiempo determinado. La siguiente expresión corresponde a la medición de

las repeticiones de un suceso cíclico en base a una unidad de tiempo:

𝑓 =𝑛 𝑣𝑒𝑐𝑒𝑠

𝑇

𝑑𝑜𝑛𝑑𝑒

𝑇 = 𝑃𝑒𝑟𝑖𝑜𝑑𝑜 = 𝐶𝑖𝑐𝑙𝑜 𝑡𝑟𝑎𝑛𝑠𝑐𝑢𝑟𝑟𝑖𝑑𝑜𝑠 𝑒𝑛𝑡𝑟𝑒 𝑑𝑜𝑠 𝑝𝑢𝑛𝑡𝑜𝑠 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑢𝑛𝑎 𝑜𝑛𝑑𝑎.

𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜, 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑐𝑎𝑟𝑑í𝑎𝑐𝑎 𝑙𝑎 𝑒𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛 𝑠𝑒 𝑟𝑒𝑠𝑢𝑚𝑒 𝑒𝑛

𝑓 = 𝑛 𝑙𝑎𝑡𝑖𝑑𝑜𝑠

𝑚𝑖𝑛𝑢𝑡𝑜


Almacenamiento de los datos

Una vez identificadas las características de las señales, éstas se almacenan en documentos en

formato Excel. En los cuales están separados los vectores de cada uno de los sensores que fueron

capturados en la prueba por cada presentación asociada a una emoción como se muestra en la

Figura 23.

Figura 23. Interfaz gráfica para la captura de datos y muestra de características.


Los datos son guardados en un archivo CSV, donde cada dato es una columna, como se observa en

la Figura 24.

Figura 24. Muestra de exportación de los datos de cada sensor en archivo Excel.

Análisis estadístico

En esta etapa se realiza el análisis de la información almacenada desde Excel, identificando los

datos obtenidos de la prueba por cada participante y las características de las señales fisiológicas

asociadas a un estado emocional.

Selección de las dimensiones emocionales

Para la selección de las dimensiones emocionales, se buscó extrapolar dos tipos de valencia

emocional más un tipo de valencia neutral (positiva-neutra-negativa) para encontrar un mayor

contraste en las características que se identificarán en cada una. Por lo tanto, para generar una fácil

estimulación, debido a que estas dimensiones se ven involucradas en las emociones que suceden

con normalidad en el día a día de las personas y están ligadas a las emociones básicas, se procede

con el diseño de un experimento que conllevará a la estimulación de estas dimensiones afectivas

de la emoción.


Experimento de Adquisición de datos

Participantes

El público objetivo de esta investigación es la población universitaria juvenil entre 16 y 25 años de

la Universidad de San Buenaventura Cali (Santiago de Cali - Colombia), ya que estos tienden a

experimentar situaciones en su cotidianidad que los lleven a experimentar diferentes estados de

ánimo y es fácil la adquisición de participantes. Los participantes vinculados a las pruebas de

campo de manera voluntaria se dividen en dos grupos, masculino (12 participantes) y femenino (6

participantes), siendo un total de 18 sujetos evaluados para la captura de datos.

Protocolo de Inducción de Emoción

El sistema realiza la captura de las señales entregadas por los biosensores para la extracción y

análisis de las diferentes características de la señal. Para la identificación de las dimensiones

emocionales por medio de sensores fisiológicos, se propone usar el método de inducción de

emociones, el cual consiste en mostrar contenido multimedia (video, imágenes o sonidos) para

producir emociones. Este consiste en presentar un contenido de imágenes provenientes de la base

de datos de la IAPS clasificadas como positivas, neutras y negativas en base a sus valores de

dominancia, arousal y valencia [58], con el fin de exponer material multimedia que pueda inducir

emociones en los participantes, y de esta manera capturar los diferentes tipos de señales fisiológicas

usando los sensores. Se muestra el conjunto de presentaciones realizadas en PowerPoint, el cual

contienen 24 imágenes seleccionadas de la IAPS en el siguiente orden: Asco, Alegría, Tristeza,

Excitación, Neutro y Cólera.

Adquisición de las Señales

La adquisición de las señales consta de tres fases. Inicialmente, se le pide al participante llenar un

documento de consentimiento informado. En la primera fase, al participante le son colocados los

cuatro sensores fisiológicos: Fotopletismógrafo (dedo índice de la mano), GRS (dedo anular y

corazón de la mano), temperatura (debajo del brazo) y respiración (en el abdomen), como se

muestra en la Figura 25.


Figura 25. Evaluación de los sensores fisiológicos con estudiantes de la Universidad San

Buenaventura

La presentación inicia al mismo tiempo que la captura de datos con el sistema realizado en

MATLAB, el cual realiza 30 segundos de captura de información por cada presentación mostrada,

5 segundos más que la duración de la presentación para la estabilización de los sensores (35

segundos de captura de información realiza el sistema en MATLAB por cada ejecución). La

presentación inicia mostrando un cuadro en negro para neutralizar el estado emocional del

participante, con una duración de transición de cinco segundos. Luego, se muestran las imágenes

restantes con el mismo tiempo de duración entre transiciones de imágenes (25 segundos comprende

el tiempo de duración por presentación. La prueba es registrada por video cámara para capturar las

reacciones gestuales del participante en el transcurso de la prueba como se muestra en la Figura

26.


Figura 26. Expresiones faciales registradas en participantes. Orden de las emociones descritas de

forma descendente de izquierda a derecha: cólera, neutralidad, asco y alegría.

En la tercera fase, se retiran los sensores del participante y se realiza un cuestionario en formato

digital (Ver Anexo 2) como han realizado otros estudios [59]. En este cuestionario, se realiza unas

preguntas básicas para que el participante pueda describir su experiencia acerca de su estado

emocional, para llegar a una comparativa de las emociones descritas por el participante, en el

registro de la prueba y el sistema en desarrollo de análisis de emociones usando biosensores.

Como ejemplo ilustrativo de las fases empleadas en el experimento se muestra Figura 27:

Figura 27. Ejemplo ilustrativo del proceso del experimento.

Colocación de los sensores fisiológicos

Grabación de la prueba

Ejecución del sistema de captura de señales

fisiológicas

Exportación y guardado de la información

Cuestionario



Debido a la imposibilidad de encontrar una base de datos que comparta los valores de las señales

fisiológicas relacionadas con las emociones o sus dimensiones mediante el método de inducción

de emociones usando IAPS. Surge la necesidad de crear una base de datos a partir de la información

generada por el sistema el cual exporta los valores de las señales fisiológicas en tablas en Excel,

que agrupe las diferentes respuestas de las señales de los sensores fisiológicos relacionados con las

valencias emocionales para la determinación de los estados afectivos de una persona en la

interacción con un dispositivo tecnológico, asociando los patrones que se presenten en los datos

que fueron capturados con una estimulación emocional de una valencia respectiva.

Cuestionario.

El cuestionario se propone como una forma de apoyo para conceptualizar el estado de ánimo desde

la experiencia subjetiva del participante, refiriéndose a preguntas que orientarán a una mejor

descripción de la experiencia personal de la prueba por cada usuario.

Esta información será utilizada para relacionar las características que mas se destaquen en el

análisis de los datos y relacionarlos con los estados anímicos descritos por cada participante.

Identificar relevancia de un estado entre otros y que sentimientos fueron los más estimulados para

un posterior análisis y comprobación con los datos obtenidos de los sensores fisiolóficos.


VIII ANÁLISIS DE LOS RESULTADOS

De acuerdo con los resultados obtenidos a través de los diferentes sensores, se realiza un análisis

de las características presentes, donde se muestran los resultados del experimento; la descripción

de las señales se entiende por los siguientes acrónimos; FC: Frecuencia respiratoria, RED:

Respuesta ElectroDérmica de la piel, FR: Frecuencia Respiratoria, TC: Temperatura corporal y

LPM: Latidos Por Minuto. Los resultados de los participantes fueron seleccionados de la base de

datos generada por el sistema en el experimento de acuerdo a aquellos participantes que en el

cuestionario específicaron experimentar estimulaciones afectivas de forma más activa e

igualmente mostraron expresiones faciales y corporales en el registro de la prueba por vídeo.

Valencia positiva

Se puede observar en la Tabla 8 el resultado del análisis de los datos del sistema respecto a una

emoción positiva:

Características / Señales FC TC RED FR LPM

Participante 01 - Alegría

PROMEDIO 2,501 36 607,248 583,213 133,688716

Desviación estándar 5,159 0 5,15859051 35,356 31,4480083

Max 4,765 36 612 637,000 155

Min 0,723 36 0,72336266 413,667 0

Varianza 1,60452395 0 26,611056 1250,08031 988,977227


PROMEDIO 2,474 35,8666667 637,222 446,071 80,6614786

Desviación estándar 0,773 2,19089023 38,9400772 37,368 22,6527583

Max 4,770 36 641 474,400 98

Min 0,000 36 0 0,000 0

Varianza 0,59820491 4,8 1516,32962 1396,37498 513,14746


PROMEDIO 2,497 35,8666667 490,996 521,504 92,9494163


Max 4,770 36 537 597,800 136

Min 1,579 0 0 0,000 0

Varianza 0,50008823 4,8 938,531585 2912,59665 669,418092



PROMEDIO 2,448 35,8259259 764,778 460,492 153,447471


Max 3,949 36 776 479,600 184

Min 1,427 35 0 0,000 0

Varianza 0,27233113 4,82832163 2349,7943 985,770243 1177,56525


PROMEDIO 2,448 35,8259259 764,778 460,492 153,447471


Max 3,949 36 776 479,600 184

Min 1,427 35 0 0,000 0

Varianza 0,50274875 4,37400523 1547,36467 882,423336 1716,18731


PROMEDIO 2,480 33,8740741 627,456 1017,190 166,062257


Max 4,770 34 634 1023,000 238

Min 0,000 34 0 0,000 0

Varianza 0,49802394 4,28148148 1470,5166 4444,45418 3623,02305

Tabla 8. Primera comparación de resultados frente a una emoción de valencia positiva.

El primer análisis es realizado frente a seis participantes a los cuales les fue inducida la emoción

de valencia positiva: Alegría. En la Tabla 8 se observa que los valores son similares frente a

diferentes señales. Por lo que, se puede decir lo siguiente:

La frecuencia cardíaca muestra valores en su promedio de amplitud se encuentran entre los

2,4 y 2,6 valores, con un promedio general de 2,474. No obstante, realizando una

comparación de los valores máximos y mínimos de las frecuencias cardíacas, se puede

determinar que la amplitud máxima y mínima permanece dentro de un rango similar para

cada frecuencia cardíaca en los participantes, como se muestra en la Figura 28.


Figura 28. Valores máximos y mínimos de la frecuencia cardíaca

La varianza respecto a la frecuencia cardíaca, conservan rangos similares entre valores de

0,4 y 1,6 como se muestra en la Figura 29, manteniendo valores muy parecidos entre sí, con

un promedio general de la varianza de 0,662653485. Lo que no hay una gran dispersión de

los datos frente al promedio general de la amplitud de las frecuencias que corresponde a

2,47466667.

Figura 29- Varianzas de las Frecuencias cardíacas.

Otra señal que conserva similitud en cuanto a sus valores es la temperatura, mostrando

valores promedio de 34 a 36 grados C°, con un promedio general en la temperatura de


35,5432099. Es importante tener en cuenta que el sistema no desprecia el ruido entregado

por los sensores.

La desviación estándar respecto a la temperatura muestra una variabilidad de los datos

respecto al promedio de las temperaturas con un promedio general de desviación estándar

de 1,398. Así mismo, se puede observar que en 4 de 6 participantes se mantiene dentro de

un rango de 2,8 a 2,9.

A continuación, se adjuntan las gráficas de las señales fisiológicas de las cuales se concluyen las

observaciones más relevantes:

0

2

4

6

1

11

21

31

41

51

61

71

81

91

10

1

11

1

12

1

13

1

14

1

15

1

16

1

17

1

18

1

19

1

20

1

21

1

22

1

23

1

24

1

25

1

26

1

Am

plit

ud

de

on

da

(5v)

# de muestras

Frecuencia cardíaca - Participante 01

0

2

4

6

1

11

21

31

41

51

61

71

81

91

10

1

11

1

12

1

13

1

14

1

15

1

16

1

17

1

18

1

19

1

20

1

21

1

22

1

23

1

24

1

25

1

26

1

Am

plit

ud

de

on

da

(5v)

# de muestras


0

2

4

6

1

11

21

31

41

51

61

71

81

91

10

1

11

1

12

1

13

1

14

1

15

1

16

1

17

1

18

1

19

1

20

1

21

1

22

1

23

1

24

1

25

1

26

1

Am

plit

ud

de

on

da

(5v)

# de muestras



0

2

4

6

1

11

21

31

41

51

61

71

81

91

10

1

11

1

12

1

13

1

14

1

15

1

16

1

17

1

18

1

19

1

20

1

21

1

22

1

23

1

24

1

25

1

26

1

Am

plit

ud

de

on

da

(5v)

# de muestras


0

2

4

6

1

11

21

31

41

51

61

71

81

91

10

1

11

1

12

1

13

1

14

1

15

1

16

1

17

1

18

1

19

1

20

1

21

1

22

1

23

1

24

1

25

1

26

1

Am

plit

ud

de

on

da

(5v)

# de muestras


0

2

4

6

1

11

21

31

41

51

61

71

81

91

10

1

11

1

12

1

13

1

14

1

15

1

16

1

17

1

18

1

19

1

20

1

21

1

22

1

23

1

24

1

25

1

26

1

Am

plit

ud

de

on

da

(5v)

# de muestras


0

10

20

30

40

1

11

21

31

41

51

61

71

81

91

10

1

11

11

21

13

11

41

15

11

61

17

1

18

11

91

20

12

11

22

1

23

12

41

25

12

61

Gra

do

s ce

lciu

s (C

°)

# de muestras

Temperatura - Participante 01


0

10

20

30

40

1

11

21

31

41

51

61

71

81

91

10

1

11

11

21

13

11

41

15

11

61

17

1

18

11

91

20

12

11

22

1

23

12

41

25

12

61

Gra

do

s ce

lciu

s (C

°)

# de muestras


0

10

20

30

40

1

11

21

31

41

51

61

71

81

91

10

1

11

11

21

13

11

41

15

11

61

17

1

18

11

91

20

12

11

22

1

23

12

41

25

12

61

Gra

do

s ce

lciu

s (C

°)

# de muestras


0

10

20

30

40

1

11

21

31

41

51

61

71

81

91

10

1

11

11

21

13

11

41

15

11

61

17

1

18

11

91

20

12

11

22

1

23

12

41

25

12

61

Gra

do

s ce

lciu

s (C

°)

# de muestras


0

10

20

30

40

1

11

21

31

41

51

61

71

81

91

10

1

11

11

21

13

11

41

15

11

61

17

1

18

11

91

20

12

11

22

1

23

12

41

25

12

61

Gra

do

s ce

lciu

s (C

°)

# de muestras



En un segundo análisis, se observan las diferentes características obtenidas mediante la captura de

datos de las señales fisiológicas con una diferente emoción de valencia positiva: Excitación.


Participante 01 - Excitación

PROMEDIO 2,479 35 2,479 733,717 122,949416

Desviación estándar 6,292 0 1,19476015 52,337 30,9526791

Max 4,765 35 4,77028348 792,600 165

Min 0,723 35 0,46432063 447,000 0

Varianza 1,4274518 0 39,5872367 2739,20237 958,068346


PROMEDIO 2,479 35,8666667 640,359 196,454 85,9922179


Max 4,648 36 643 330,800 110

Min 1,628 36 0 0,000 0

Varianza 0,34845254 4,8 1531,96339 4285,33699 488,914774


PROMEDIO 2,477 32,8777778 364,407 555,695 73,6459144


Max 4,252 33 392 586,000 80

Min 1,300 33 0 0,000 0

Varianza 0,41564064 4,03333333 597,617789 1474,899 299,473234


PROMEDIO 2,510 34,837037 429,752 732,033 86,0233463


Max 4,765 35 481 770,600 169

Min 1,701 34 0 0,000 0

Varianza 0,59563563 4,56070494 1183,54042 3068,56072 1251,40643


0

10

20

30

40

1

11

21

31

41

51

61

71

81

91

10

1

11

11

21

13

11

41

15

11

61

17

1

18

11

91

20

12

11

22

1

23

12

41

25

12

61

Gra

do

s ce

lciu

s (C

°)

# de muestras



PROMEDIO 2,494 35,8666667 661,348 746,178 199,856031


Max 3,695 36 664 830,400 220

Min 1,696 36 0 0,000 0

Varianza 0,17090723 4,8 1633,87091 4916,63283 1763,93817


PROMEDIO 2,499 35,7259259 396,744 623,043 100,832685


Max 3,201 36 411 666,200 135

Min 2,072 35 0 0,000 0

Varianza 0,06292156 4,88371196 664,131475 2544,89829 692,014374

Tabla 9. Segunda comparación de resultados frente a una emoción de valencia positiva.

El segundo análisis es realizado frente otra comparación de seis participantes a los cuales les fue

inducida una diferente emoción de valencia positiva: Excitación. A continucación se describen

algunas observaciones obtenidas:

Representando de los diferentes promedios de las amplitudes de las frecuencias cardíacas

en la Figura 30, se puede observar que dichos valores comparados de los seis participantes

están dentro del rango establecido entre los valores de 2,475 y 2,515, lo que muestra que

son valores cercanos uno del otro. Con un promedio general de 2,489666667.

Figura 30. Diferentes promedios de las frecuencias cardíacas frente a una estimulación de una emoción

positiva.

En cuanto a la varianza, refleja que la dispersión de los datos no muestra un mayor

alejamiento significativo del valor promedio general de la varianza de las frecuencias

cardíacas el cual es de 0,5035, lo que muestra que existe similitud entre las frecuencias

porque existe una agrupación de los datos.

2,47

2,48

2,49

2,5

2,51

2,52

0 1 2 3 4 5 6 7

Participantes

Diferentes promedios de las Frecuencias cardíacas


Figura 31. Diferentes valores de varianza de la frecuencia cardíaca frente a una estimulación de una emoción

positiva.

Otra observación se puede determinar en cuanto a las gráficas de los latidos por minuto,

muestran una similitud en la forma de onda en el principio de la señal y al final de esta

como se muestra a continuación en el registro gráfico de la señal. Esta cuenta con un

promedio general de su desviación estándar de 29,0083408, y en los resultados individuales

de la desviación estándar muestran que en ciertos participantes la desviación estándar de

los latidos por minuto supera la media, con lo cual se puede argumentar que sigue existiendo

una dispersión de los datos respecto a los valores normales.

0

0,5

1

1,5

0 1 2 3 4 5 6 7

Participantes

Valores de varianza de la frecuencia cardíaca

0

50

100

150

200

11

42

74

05

36

67

99

21

05

11

81

31

14

41

57

17

01

83

19

62

09

22

22

35

24

82

61

Inte

rval

o d

e la

tid

os

po

r m

inu

to

# de muestras

Latidos por minuto - Participante 01


0

50

100

150

1

14

27

40

53

66

79

92

10

5

11

8

13

1

14

4

15

7

17

0

18

3

19

6

20

9

22

2

23

5

24

8

26

1

Inte

rval

o d

e la

tid

os

po

r m

inu

to# de muestras


0

50

100

1

14

27

40

53

66

79

92

10

5

11

8

13

1

14

4

15

7

17

0

18

3

19

6

20

9

22

2

23

5

24

8

26

1

Inte

rval

o d

e la

tid

os

po

r m

inu

to

# de muestras


0

50

100

150

200

1

14

27

40

53

66

79

92

10

5

11

8

13

1

14

4

15

7

17

0

18

3

19

6

20

9

22

2

23

5

24

8

26

1

Inte

rval

o d

e la

tid

os

po

r m

inu

to

# de muestras


0

50

100

150

200

250

1

14

27

40

53

66

79

92

10

5

11

8

13

1

14

4

15

7

17

0

18

3

19

6

20

9

22

2

23

5

24

8

26

1

Inte

rval

o d

e la

tid

os

po

r m

inu

to

# de muestras



Valencia negativa

En la Tabla 10 se puede observar una serie de análisis respecto a una emoción de valencia

negativa:


Participante 01 - Tristeza

PROMEDIO 2,517 34,8407407 579,967 697,362 136,51751


Max 4,765 36 627 739,000 202

Min 0,855 34 555 454,667 0

Varianza 1,57725422 0,14182845 37,1550186 1244,86577 1241,59616


PROMEDIO 2,527 35,8666667 640,148 300,997 76,1984436


Max 4,770 36 644 353,600 81

Min 1,569 36 619 224,333 0

Varianza 2,527 35,8666667 640,148 300,997 76,1984436


PROMEDIO 2,528 34,2851852 260,163 757,689 139,229572


Max 4,765 35 324 797,000 155

Min 0,000 34 247 525,000 0

Varianza 2,56967602 4,62840424 335,25959 2632,5093 837,672367


PROMEDIO 2,364 35,9888889 768,367 823,322 126,11284


Max 4,790 37 795 873,800 209

Min 0,000 36 645 548,333 0

Varianza 2,80958678 4,94039653 2376,05465 4228,74367 4331,00577


PROMEDIO 2,489 36,7888889 637,719 558,890 168,603113

0

50

100

150

1

14

27

40

53

66

79

92

10

5

11

8

13

1

14

4

15

7

17

0

18

3

19

6

20

9

22

2

23

5

24

8

26

1

Inte

rval

o d

e la

tid

os

po

r m

inu

to# de muestras




Max 3,612 37 645 588,000 201

Min 2,009 36 615 375,000 0

Varianza 0,06581242 5,11883519 1536,93163 1419,3051 1840,86781

Tabla 10. Primera comparación de resultados frente a una emoción de valencia negativa.

Otro análisis es realizado a las señales fisiológicas a los cuales les fue inducida una emoción de

valencia negativa en este caso: Tristeza. Obteniendo las siguientes observaciones:

Las frecuencias respiratorias ofrecen un comportamiento diferente en sus formas de onda

como se muestra en la figura 32. Los datos otorgados por el sensor dependen de diversos

factores como la contextura del participante, la indumentaria que trae consigo en el

momento de la captura de los datos y que tanto movimiento efectúe en el transcurso de la

prueba por lo que en ciertos participantes la forma de onda es más prolongada frente a otras

más adjuntas.

Figura 32. Frecuencias respiratorias de los participantes frente a la estimulación de una emoción de valencia

negativa.

Así mismo se puede apreciar que cada forma de onda mantiene un rango diferente en cuanto

a sus valores máximos y mínimos que oscilan entre 0 a 1203 valores como se observa en la

Figura 33 una diferencia en cada frecuencia cardíaca.


Figura 33. Máximos y mínimos de las amplitudes de frecuencias respiratorias frente a una emoción de

valencia negativa.

La frecuencia cardíaca muestra una similitud en cuanto a sus valores promedio como se

muestra en la Figura 34, con un valor promedio general de 2,485.

Figura 34. Promedio de frecuencias cardíacas frente a una emoción de valencia negativa.

Observando la desviación estándar de las frecuencias cardíacas como se muestra en la

Figura 35, se puede observar que excluyendo el participante # 1, no existe una dispersión

significativa de los datos respecto a su promedio general.


Figura 35. Desviación estándar de las frecuencias cardíacas frente a una estimulación negativa.

Los promedios de la resistencia electrodérmica son mostrados a continuación en la Figura

36.

Figura 36. Promedios de resistencia electrodérmica frente a una estimulación emocional negativa.


Valencia neutra


Participante 03 - Neutro

PROMEDIO 2,509 34,8703704 553,822 857,340 85,6108949


Max 3,832 35 566 942,000 150

Min 1,207 35 550 544,000 47

Varianza 2,509 34,8703704 553,822 857,340 85,6108949


PROMEDIO 2,476 34,8703704 630,719 862,723 157,463035


Max 4,765 35 634 883,800 223

Min 1,344 35 613 0,000 108

Varianza 2,476 34,8703704 630,719 862,723 157,463035


PROMEDIO 2,529 31,8814815 466,011 193,374 81,0350195


Max 4,614 32 489 237,600 98

Min 1,848 32 461 116,667 74

Varianza 2,529 31,8814815 466,011 193,374 81,0350195


PROMEDIO 2,505 34,8703704 382,800 540,841 87,6575875


Max 4,765 35 404 578,000 188

Min 1,838 35 370 338,333 61

Varianza 2,505 34,8703704 382,800 540,841 87,6575875


PROMEDIO 2,508 36,1407407 560,419 516,959 77,3385214


Max 4,770 37 638 589,400 87

Min 1,251 36 512 285,333 72

Varianza 2,508 36,1407407 560,419 516,959 77,3385214

Tabla 11. Primera comparación de resultados frente a una emoción de valencia neutra.

En este tercer caso se procede a analizar las características más relevantes de una serie de

participantes, donde se induce una emoción de valencia neutra, y se obtienen las siguientes

observaciones:


Respecto a la señal de latidos por minuto se puede observar en un resumen gráfico que

presenta una similitud en los datos, como se muestra en la Figura 37.

Figura 37. Promedio de latidos por minuto frente a una estimulación de una emoción con valencia neutra.

Frente a la frecuencia cardíaca se puede apreciar desde la Figura 38, la cual muestra de

forma gráfica la desviación estándar de las frecuencias cardíacas y sus valores promedio

por participantes.

Figura 38. Promedio y desviación estándar de las frecuencias cardíacas frente a una estimulación de una

emoción con valencia neutra.

La desviación estándar muestra nuevamente que la separación de las amplitudes frente a su

punto medio no es significativa. A continuación, se muestra las formas de onda de las

frecuencias cardíacas:


0

2

4

6

1

12

23

34

45

56

67

78

89

10

0

11

1

12

2

13

3

14

4

15

5

16

6

17

7

18

8

19

9

21

0

22

1

23

2

24

3

25

4

26

5

Am

plit

ud

de

on

da

(5v)

# de muestras

Frecuencia cardíaca del participante 03

0

2

4

6

11

22

33

44

55

66

77

88

91

00

11

11

22

13

31

44

15

51

66

17

71

88

19

92

10

22

12

32

24

32

54

26

5

Am

plit

ud

de

on

da

(5v)

# de muestras


0

2

4

6

1

13

25

37

49

61

73

85

97

10

9

12

1

13

3

14

5

15

7

16

9

18

1

19

3

20

5

21

7

22

9

24

1

25

3

26

5

Am

plit

ud

de

on

da

(5v)

# de muestras


0

2

4

6

1

13

25

37

49

61

73

85

97

10

9

12

1

13

3

14

5

15

7

16

9

18

1

19

3

20

5

21

7

22

9

24

1

25

3

26

5

Am

plit

ud

de

on

da

(5v)

# de muestras


0

2

4

6

1

13

25

37

49

61

73

85

97

10

9

12

1

13

3

14

5

15

7

16

9

18

1

19

3

20

5

21

7

22

9

24

1

25

3

26

5

Am

plit

ud

de

on

da

(5v)

# de muestras



La resistencia electrodérmica es mostrada gráficamente por sus promedios de las señales

de los participantes en la Figura 39.

Figura 39. Promedios de resistencia electrodérmica frente a una estimulación emocional neutra.

La discusión realizada del análisis de los estados emocionales con valencia positiva, neutra y

negativa previamente sirve para proponer las siguientes directrices:

A partir del análisis de los resultados de los participantes, de los cuales fue tomada una muestra

teniendo en cuenta los cuestionarios realizados para identificar aquellas personas que expusieron

de forma subjetiva un mismo sentimiento, alteración corporal o estado de ánimo, y así, de acuerdo

con estas alteraciones más relevantes, realizar un análisis de las características de las señales, por

lo cual se obtienen las siguientes observaciones:

La frecuencia cardíaca en estimulaciones emocionales de valencia negativa tiende a

presentar amplitudes mayores, continuando en menor medida en estimulaciones

emocionales de valencia neutra, aunque muy similares y por último frente a estimulaciones

emocionales de valencia positiva.

Las variables de desviación estándar permiten establecer un rango de normalidad y poder

conocer frente a una señal respectiva que valores pertenecen a ese valor emocional. De

igual forma los valores promedio ayudan a establecer cuáles son los valores estándar de una

serie de datos, esto, muestra como en los promedios de Latidos por minuto frente a una

estimulación emocional positiva son mayores los promedios de latidos por minuto frente a

una estimulación emocional neutra.


La respiración es aconsejable observar su comportamiento frente a sus formas de onda, ya

que es el sensor de respiración registra las curvas ascendentes o descendientes de

respiraciones tanto prolongadas como cortas y rápidas o lentas.

Frente a la resistencia electrodérmica, se percibe por medio de los promedios de las señales

que, en estimulaciones emocionales neutras, tiende a haber menor activación de la

resistencia electrodérmica a comparación de estimulaciones emocionales negativas.


CONCLUSIONES Y TRABAJOS FUTUROS

El resultado del experimento ofrece información de las características para cada señal, como:

Desviación estándar, varianza, valor máximo, valor mínimo y promedio. Teniendo en cuenta que

las señales, son: Frecuencia cardíaca, Temperatura corporal, Frecuencia respiratoria, Resistencia

electrodérmica, Latidos por minuto. Cada uno de estos datos es tomado para cada estado

emocional. Por consiguiente, se obtiene un total de 20 datos individuales de información (Las

señales fisiológicas por las características calculadas matemáticamente) de un total de 270 muestras

de captura de información. A sí mismo, se obtienen por participante 30 conjuntos de resultados

asociados a una emoción respectiva (Las señales fisiológicas por el número de emociones

inducidas), lo que resume en 540 conjuntos de información que comprenden las señales fisiológicas

de un total de 18 participantes. De esta manera se consigue generalizar una base de datos que

almacena información de señales fisiológicas por medio de sensores biosensores a través de un

sistema digital en pruebas donde se induce la estimulación de emociones. Esta información es útil

para observar comportamientos fisiológicos a través del análisis de datos que conlleven a la

identificación de diferencias entre estados emocionales, y sirve como un punto de referencia para

la implementación de sistemas que utilicen señales fisiológicas para la interpretación de emociones.

En la prueba se identificaron ciertas observaciones que se pueden tomar en cuenta para futuros

análisis de las emociones:

Los sensores fisiológicos empleados en la prueba son de carácter intrusivo, limitantes en

cuanto a la acomodación del usuario, ya que éste debe permanecer inmóvil para la correcta

adquisición de los datos. Por lo que es necesario diseñar una vestimenta para la adaptación

de los sensores que pueda ser de fácil colocación para el usuario y que cumpla con la

funcionalidad normal del sistema propuesto.

La vestimenta que porta cada sujeto de prueba debe ser tomada en cuenta a la hora de

capturar la información, ya que prendas gruesas como sacos o buzos perjudican la

adquisición de información para los sensores.

El entorno en el cual se desarrolla la prueba debe ser en preferencia aislado de distracciones

o sujetos ajenos a la prueba ya que esto altera la conformidad del usuario.

La señal de temperatura permanece entre un rango normal entre 36 °C y 37 °C y en

ocasiones por diversas variables tales como: movimiento del usuario que altera la posición


del sensor, vestimenta gruesa que interfiere con el valor real capturado, muestra resultados

distantes a los normales de 34 °C a 35 °C

Las estadísticas entregadas por el sistema son puestas a disposición para su posterior

estudio, como el sistema y el material visual empleado para la estimulación de las

emociones.

Las expresiones faciales sirven como apoyo para la identificación de momentos de

transición de estados conductuales entre dos emociones, donde se puede ver la reacción

natural de los gestos al interpretar una emoción, aun así, es necesario soportar este método

con un sistema de complemento en los contextos de identificación de emociones, ya que,

no todos los participantes son expresivos gestualmente pero debido al cuestionario

posteriormente realizado, si demuestran haber sentido algún tipo de estímulo emocional.

El procesamiento de la información es realizado posteriormente en un software estadístico

a mano, por lo cual se debe despreciar de las señales los valore de ruido comprendidos entre

0 y 1023 para la mayoría de los sensores.

El cuestionario fue un soporte desde el cual se pudo identificar momentos en la captura de

información a través de la prueba desde los cuales empezar las observaciones de las señales

ya que la experiencia subjetiva del participante de la prueba entrega información que puede

servir de guía para encontrar características en los datos capturados que se relacionen con

su descripción personal. El cuestionario fue diseñado para preguntar en qué momento de la

prueba experimentó ciertas reacciones fisiológicas o alteraciones corporales y asociadas a

qué tipo de emoción.

Resultado del cuestionario

Emoción Número de personas Género

Masculino - Femenino

Asco 5 3-2

Tristeza 2 2-0

Alegría 8 4-4

Cólera 3 3-2

Excitación 1 1-0

Neutro 2 1-1

Tabla 12. Resultado del cuestionario


Trabajos futuros

Para mayor efectividad del sistema de reconocimiento de emociones se sugiere añadir otras líneas

de investigación que incorporen diferentes metodologías para la identificación de emociones con

el fin de mejorar los resultados del sistema propuesto, como el estudio de las expresiones faciales,

donde se puede llevar a cabo la interpretación de la consecución de los gestos faciales siendo esta

una propuesta de reconocer emociones desde un factor psicológico y conductual [60]. Además, se

recomienda realizar pruebas que estimulen más activamente las emociones incorporando

elementos físicos que entren en interacción directa con el usuario o que lo involucre en situaciones

donde su estado de ánimo se vea más alterado debido a la apreciación subjetiva de cada persona

frente al material audiovisual presentado para la estimulación de emociones, que puede llegar a no

ocasionar los efectos esperados en el estado de ánimo del participante.

Se propone diseñar un sistema de análisis de información que realice aproximaciones estadísticas

de los patrones diferenciales existentes en las señales fisiológicas desde la utilización de bases de

datos que contengan información de los sensores biométricos presentes en el sistema propuesto.

Se sugiere diseñar un traje adaptativo a la fisionomía del usuario el cual contenga los sensores

biométricos para evitar limitar el movimiento del usuario como su comodidad. Se recomienda el

diseño de un chaleco el cual incorpore los sensores, se ofrece una propuesta en la Figura 40.

Figura 40. Propuesta de chaleco con sensores fisiológicos.


Se recomienda investigar estudios previamente realizados sobre el análisis de señales

psicofisiológicas para el reconocimiento de emociones donde usen otra técnica de análisis de la

información como sistemas automáticos usando Máquinas de soporte vectorial (en inglés support

vector Machines) [51]. Además de reforzar la construcción del sensor respiratorio utilizando otra

técnica de detección de la respiración como el cinturón de respiración el cual actúa en conjunto con

el sensor de respiración de Vernier [61].


REFERENCIAS

[1] A. M. Fernández, M. Dufey, and C. Mourgues, “Expresión y reconocimiento de emociones:

un punto de encuentro entre evolución, psicofisiología y neurociencias,” Rev. Chil.

Neuropsicol., vol. 2, no. February 2016, pp. 8–20, 2007.

[2] Y. H. Montero, “Experiencia de Usuario: Principios y Métodos,” Asin, 2015.

[3] E. De Lera and M. Garreta, “10 Heurísticos Emocionales,” Rev. Faz, vol. 6, pp. 68–81, 2013.

[4] M. Chóliz., “Psicología de la emoción: el proceso emocional,” Psicol. la emoción, pp. 1–34,

2005.

[5] R. P. Jennifer, Healey, “Digital Processing Of Affective Signals,” vol. 4, pp. 5–9, 1997.

[6] H. Hamdi, “Plate-forme multimodale pour la reconnaissance d ’ émotions via l ’ analyse de

signaux physiologiques : Application à la simulation d ’ entretiens d ’ embauche To cite this

version : Thèse de Doctorat Hamza Hamdi,” 2014.

[7] P. V. Torres-Carrion, C. S. Gonzalez-Gonzalez, R. Barba-Guamán, and A. C. Torres-Torres,

“Experiencia Afectiva de Usuario(UAX): Modelo desde sensores biométricos en aula de

clase con plataforma gamificada de Interacción Gestual,” V Congr. Int. Videojuegos Educ.,

pp. 6–11, 2017.

[8] M. C. Laura and A. M. Andrea, “Emotion recognition techniques using physiological signals

and video games – Systematic review – Técnicas de reconocimiento emocional utilizando

señales fisiológicas y,” vol. 26, no. 46, pp. 19–28, 2017.

[9] G. Beltrán, D. Hoyos, L. Andrés, and C. Mazuera, “EMOTION EXPERIENCE :

Herramienta de Reconocimiento Facial para medir la experiencia de usuario ( UX ) en niños

a través de las Emociones,” Rev. - http//revistas.usb.edu.co/, 2017.

[10] I. Martín de Diego, Á. Serrano, C. Conde, and E. Cabello, “Tecnicas De Reconocimiento

Automático De Emociones,” Rev. Electrónica Teoría la Educ., vol. 7, pp. 107–127, 2006.

[11] A. R.Aguiñaga, M. Lopez Ramirez, A. Alanis Garza, R. Baltazar, and V. M. Zamudio,

“Emotion analysis through physiological measurements,” Work. Proc. 9th Int. Conf. Intell.

Environ. J.A. Botía D. Charitos, pp. 97–106, 2013.

[12] S. Gomez Bastar, Metodologia de la investigacion. 2012.

[13] O. Rosas, “La estructura disposicional de los sentimientos,” Ideas y Valores, vol. 60, no.

145, pp. 5–31, 2011.


[14] E. Bericat, “Emociones,” Sociopedia.isa, pp. 1–13, 2012.

[15] J. L. Díaz and E. O. Flores, “La estructura de la emoción humana: Un modelo cromático del

sistema afectivo,” Salud Ment., vol. 24, no. 4, pp. 20–35, 2001.

[16] P. Ekman, “Facial expression,” Nonverbal behavior and communication. pp. 97–116, 1977.

[17] C. Casado and R. Colomo, “Un breve recorrido por la concepción de las emociones en la

Filosofía Occidental .,” A parte rei. Rev. Filos., vol. N° 47, pp. 1–10, 2006.

[18] M. A. X. Scheler and M. A. X. Scheler, “Max scheler lo emocional como fundamento de la

ética,” vol. 1, pp. 58–68.

[19] P. Ekman, “Basic emotions,” Handbook of Cognition and Emotion. pp. 45–60, 1999.

[20] A. R. Barragán and C. I. Morales, “Psicología de las emociones positivas: generalidades y

beneficios,” Enseñanza e Investig. en Psicol., vol. 19, no. 1, pp. 103–118, 2014.

[21] L. De, “Los diferentes tipos de emociones,” p. 10, 2012.

[22] S. De la Torre, “Dimensión emocional y Estilos de vida,” Los canales Transm. dicha Cult.,

1999.

[23] C. Según, L. A. Etapa, and M. Del, “DIMENSIONES DE LA EMOCIÓN ANTE

IMÁGENES ASOCIADAS AL CIGARRILLO SEGÚN LA ETAPA MOTIVACIONAL

DEL CAMBIO,” Univ. SAN BUENAVENTURA, SEDE BOGOTÁ, p. 73, 2011.

[24] P. D. E. Tres and G. D. E. Libertad, “VISUALIZACIÓN DE EMOCIONES BASADO EN

EL MODELO DE PLUTCHIK,” 2014.

[25] R. Plutchik, “LECTURA PREVIA Alegría Confianza Miedo Tristeza Aversión Ira.”

[26] James A. Russell, “A Circumplex Model of Affect.” 1980.

[27] PUCC, “Conceptos Generales de Sensores Biomédicos,” Pontif. Univ. Catol. Chile, p. 15,

2008.

[28] R. Navarro, “Electromiografia.,” Dep. electrónica Univ. alcalá, vol. 1, no. Electromiografía,

pp. 1–19, 2013.

[29] L. Cabrera, “Lectura , Comprensión e Interpretación del Electrocardiograma,” Dep. Salud

Puerto Rico, 2015.

[30] A. Gómez, S. Carrillo, and N. Y. Electromiografía, “Indicaciones Y Protocolos Básicos,”

ACN - Asoc. Colomb. Nuerología, no. http://www.acnweb.org/guia/g7cap3.pdf, pp. 21–27.

[31] T. Talamillo García, “Manual de procedimientos en electromiografía y electroneurografía,”

Enfermería Docente, vol. 93, pp. 11–16, 2011.


[32] A. Technologies, “Myoware datasheet,” pp. 1–8, 2015.

[33] B. R. Biardo, “" Electrodos Para Uso En Estudio De Electrofisiología Y Ablación ",” Energy

Sources, pp. 4–7, 2004.

[34] “Ambulatory Blood Pressure Monitors & ECG Holters | Meditech.” [Online].

Available: http://www.meditech.hu/es/tipos-de-ecg/articles-es/tipos-de-ecg. [Accessed: 27-

Jul-2017].

[35] E. C. G. Ekg, “Mejorar la habilidad y precisión en la técnica de realización del ECG.,”

https://www.madrid.es/UnidadesDescentralizadas/Emergencias/Samur-

PCivil/Samur/Apartados-secciones/5-

%20Proteccion%20Civil/Ficheros/ECG%2012%20derivaciones.pdf, p. 6, 2011.

[36] A. P. L. T. Angela Aguayo, “Guia clinica de control de signos vitales,” Univ. Pedro Vald.,

p. 17, 2009.

[37] E. Salazar, “La piel subjetiva : Estudio de las emociones a través de la termografía,” no. cc,

pp. 8–11, 2016.

[38] M. E. Moncada and J. De Cruz, “La actividad electrodérmica - Revisión Electrodermal

activity - a review,” vol. 31, no. 2, pp. 143–151, 2011.

[39] G. Gsr, “Grove - GSR,”

https://www.mouser.com/catalog/specsheets/Seeed_101020052.pdf, vol. 1, p. 10, 2015.

[40] D. O. Rodriguez, “Educación de la respiración,”

http://www.sld.cu/galerias/pdf/sitios/rehabilitacion-

logo/educacion_de_la_respiracion.pdf.

[41] L. Nummenmaa, E. Glerean, R. Hari, and J. K. Hietanen, “Bodily maps of emotions,” Proc.

Natl. Acad. Sci., vol. 111, no. 2, pp. 646–651, 2014.

[42] C. Tajer, “Alegría del corazón. Emociones positivas y salud cardiovascular,” Rev. Argent.

Cardiol., vol. 80, no. 4, pp. 325–332, 2012.

[43] J.-M. López-Gil et al., “Corrigendum: Method for Improving EEG Based Emotion

Recognition by Combining It with Synchronized Biometric and Eye Tracking Technologies

in a Non-invasive and Low Cost Way,” Front. Comput. Neurosci., vol. 10, no. August, 2016.

[44] D. Psicosomática and L. A. Relación, “Dermatología psicosomática, la relación mente y

piel,” vol. 11, no. 31, pp. 7–10, 2017.

[45] C. Platero, “Capítulo 12 : Introducción al Procesamiento digital de Señales.”


[46] C. R. Escuela, “Introducción al Procesamiento Digital De Señales,”

http://www.elai.upm.es/webantigua/spain/Publicaciones/pub01/intro_procsdig.pdf, 2006.

[47] S. Nava, “Reconocimiento De Patrones,” Luis Enrique Erro No. 1, Tonantzintla, Pue., C.P.

72840, M´ exico, p. 4, 2006.

[48] S. Wioleta, “Using Phisiological Signals for Emotion Recognition,” pp. 556–561, 2013.

[49] B. N. Lang, P.J., Bradley, M.M., & Cuthbert, “International affective picture system (IAPS):

Affective ratings of pictures and instruction manual. Technical Report A-8.,” Tech. Rep. A-

8., p. Tech. Rep. A-8., 2008.

[50] A. Haag, S. Goronzy, P. Schaich, and J. Williams, “Emotion Recognition Using Bio-

sensors: First Steps towards an Automatic System,” pp. 36–48, 2004.

[51] K. Gouizi, F. B. Reguig, and C. Maaoui, “Analysis physiological signals for emotion

recognition,” Int. Work. Syst. Signal Process. their Appl. WOSSPA, pp. 147–150, 2011.

[52] Pulse Sensor, “Pulse Sensor Getting Started Guide,” 2015.

[53] I. Red, MLX90614 - Single and Dual Zone Infrared Thermometer in TO-39. 2006.

[54] A. Bhaskar, S. Subramani, and R. Ojha, “Respiratory belt transducer constructed using a

singing greeting card beeper,” AJP Adv. Physiol. Educ., vol. 37, no. 1, pp. 117–118, 2013.

[55] G. Halley, “Introducción a Arduino ¿ Qué es arduino ?,” Univ. Ind. Santander, pp. 1–34,

2014.

[56] L. H. Pagoaga and J. Ben, “Introducción a MATLAB,”

http://personales.upv.es/jbenitez/data/matlab.pdf.

[57] S. Computer, “Arduino,” 2016.

[58] J. A. Mikels, “Emotional category data on images from the International Affective Picture

System,” no. 4, pp. 626–630, 2005.

[59] B. N. Cuthbert, H. T. Schupp, M. M. Bradley, N. Birbaumer, and P. J. Lang, “Brain

potentials in affective picture processing: Covariation with autonomic arousal and affective

report,” Biol. Psychol., vol. 52, no. 2, pp. 95–111, 2000.

[60] P. Ekman and H. Oster, “Expresiones faciales de la emotión,” Estud. Psicol., vol. 2, no. 7,

pp. 115–144, 1981.

[61] C. De Rmb, “Cinturón monitor de respiración,” http://www.vernier-

iberica.com/descargas/datos%20tecnicos/rmb.pdf, pp. 1–4.

[62] E. Jissel, G. Beltrán, L. Andrés, and D. Hoyos, “EMOTION EXPERIENCE : Una


herramienta para medir la experiencia de usuario en niños a través de las emociones Trabajo

de Grado presentado para optar al título de Ingeniero Multimedia Asesor : Sandra Patricia

Cano , Doctor ( PhD ) en Ciencias de la Electrón,” 2017.

[63] P. Wagner and T. Wagner, “iWorx Physiology Lab Experiment Galvanic Skin Response

(GSR) and Investigation into ‘Cheating’ Experiment HP-8: The Galvanic Skin Response

(GSR) and Investigation into ‘Cheating,’” vol. 03820, pp. 603–742, 2013.


ANEXOS

Anexo 1. Documento de consentimiento informado.


Anexo 2. Cuestionario personal.

DISEÑO DE UN SISTEMA DE RECONOCIMIENTO DE DIMENSIONES EMOCIONALES

Nombre:

Edad: Género: M F

Programa: Semestre:

Contexto

El siguiente cuestionario es solicitado para obtener la apreciación subjetiva del participante frente a la experiencia que desarrolló en el anterior experimento de inducción de emociones y realizar un posterior análisis de la información suministrada. Es importante responder con total sinceridad.

# Cuestionario

1 ¿Podría identificar de la siguiente lista de emociones, las cuales cree

que experimentó en el transcurso de la prueba? (Asco, Tristeza, Excitación, Neutro, Cólera)

Respuesta

2 ¿Cuál cree que, de la lista de emociones, las que estuvieron más

presente en su estado de ánimo? (Asco, Tristeza, Excitación, Neutro, Cólera)

Respuesta

3

¿Experimentó en algún momento algún tipo de reacción corporal involuntaria? Ej: impresión, aumento del ritmo cardíaco, aumento de

temperatura, etc.

Respuesta

4

De haber respondido la pregunta # 3: ¿Puede describir o asociar en que instante de la prueba sintió estas reacciones corporales?

(ej: Cuando vio una imagen determinada)

Respuesta

5 ¿Podría describir en que instantes de la prueba su estado de ánimo se

vio afectado de forma positiva o negativa (Sentirse bien o mal)?

Anexo 3. Código fuente del prototipo EMONITOR en Arduino.


// ---- INFORMACIÓN emonitor_base V5.0 ----- 30 / 09 / 2018

// Salida SCL a pin A5

// Salida SDA a pin A4

// Salida Vin a pin Vin

// Incluír librerías

// Temperatura: Normal Humano = 37.2 C° - 36.1 C°

// Pulse sensor A0

// Sensor de respiración A3

// Ritmos cardíacos normales

// Adulto / Reposo = 60 - 100 BPM

// Atletas alto Rend. = 40 - 60 BPM

// Niños 7 - 9 años = 70 - 110 BPM

// Sensor GRS Galvánico

// Mide la resistencia de la piel / No conductividad

// Rojo - Voltaje / Negro - Tierra / Blanco - NC / Amarillo - A1

// Human Resistance = ((1024+2*Serial_Port_Reading)*10000)/(512-

Serial_Port_Reading),

// unit is ohm, Serial_Port_Reading is the value display

// on Serial Port(between 0~1023)

// Importante !!

// Orden de entrega de datos

// Frecuencia cardíaca

// Intervalos entre latidos

// Temperatura corporal

// Respuesta electrogalvánica

// Frecuencia respiratoria


// Librerías ECG & TEMPERATURA / (Deben estar incluídas en el PC)

#define USE_ARDUINO_INTERRUPTS true

#include <PulseSensorPlayground.h>

#include <Wire.h>

#include <Adafruit_MLX90614.h>

Adafruit_MLX90614 mlx = Adafruit_MLX90614();

// Configuración de las variables del PulseSensor

const int OUTPUT_TYPE = SERIAL_PLOTTER;

const int PIN_INPUT = A0;

const int PIN_BLINK = 13; // Pin 13 is the on-board LED

const int PIN_FADE = 5;

const int THRESHOLD = 550; // Adjust this number to avoid noise when idle

// Variables Temperatura

float temp_Ambiente;

float temp_Corporal;

// Variables GRS

const int GSR = A1;

int sensorGrsValue = 0;

int grs_promedio = 0;

/*

Funciones del PulseSensor Playground.

*/

PulseSensorPlayground pulseSensor;

void setup() {


// Velocidad de transmisión de datos óptima para el PulseSensor

Serial.begin(115200);

// Congiruación librería del sensor de Temperatura

mlx.begin();

// Configure the PulseSensor manager.

pulseSensor.analogInput(PIN_INPUT);

pulseSensor.blinkOnPulse(PIN_BLINK);

pulseSensor.fadeOnPulse(PIN_FADE);

pulseSensor.setSerial(Serial);

pulseSensor.setOutputType(OUTPUT_TYPE);

pulseSensor.setThreshold(THRESHOLD);

// Verifica que el PulseSensor inicialice correctamente

if (!pulseSensor.begin()) {

for(;;) {

// Flash the led to show things didn't work.

digitalWrite(PIN_BLINK, LOW);

delay(50);

digitalWrite(PIN_BLINK, HIGH);

delay(50);

}

}

}

// Llamado a las funciones

void loop() {

// Principal

emonitor();


}

void emonitor(){

//ECG ---------------------------------------------------------

// Obtención de las características del latido del Corazón

//Serial.print("ECG Signal = ");

Serial.println(pulseSensor.getLatestSample()); // Intervalo entre Latidos

(Milisegundos)

Serial.println(pulseSensor.getBeatsPerMinute()); // Latidos por minuto (Frecuencia

Cardíaca)

/*

Si ha ocurrido un latido desde la última vez que se verificó,

escribe la información per-beat en el puerto Serial.

*/

if (pulseSensor.sawStartOfBeat()) {

pulseSensor.outputBeat();

}

//Temperatura -----------------------------------------------------

temp_Ambiente = mlx.readAmbientTempC();

temp_Corporal = mlx.readObjectTempC();

Serial.println(temp_Corporal);

// Galvánico (Resistencia eléctrica de la piel) -------------------

long sum=0;

for(int i=0;i<10;i++) //Average the 10 measurements to remove the glitch

{

sensorGrsValue=analogRead(GSR);

sum += sensorGrsValue;

delay(5);

}


grs_promedio = sum/10;

Serial.println(grs_promedio);

// Respiración

const int respiracion = analogRead(A3);

int frecuenciaRepsiratoria = map(respiracion, 0,1024,1024,0);

Serial.println(frecuenciaRepsiratoria);

// Serial.println(respiracion);

delay(20);

}

Anexo 4. Código fuente del prototipo EMONITOR en MATLAB.

% Emonitor_base V5

% 29 / 09 / 2018

% -------------------------------------------------------------------------

function varargout = GUI_emonitor(varargin)

% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;

gui_State = struct('gui_Name', mfilename, ...

'gui_Singleton', gui_Singleton, ...

'gui_OpeningFcn', @GUI_emonitor_OpeningFcn, ...

'gui_OutputFcn', @GUI_emonitor_OutputFcn, ...

'gui_LayoutFcn', [] , ...

'gui_Callback', []);

if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1});

end

if nargout


[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});

else

gui_mainfcn(gui_State, varargin{:});

end

% End initialization code - DO NOT EDIT

function GUI_emonitor_OpeningFcn(hObject, eventdata, handles, varargin)

handles.output = hObject;

guidata(hObject, handles);

function varargout = GUI_emonitor_OutputFcn(hObject, eventdata, handles)

varargout{1} = handles.output;

% BOTÓN PRINCIPAL / TODA LA EJECUCIÓN -------------------------------------

function btn_Capturar_Callback(hObject, eventdata, handles)

% Variables

global amplitud;

global bpm;

global temperatura;

global dataGSR;

global respiracionSuavizada;

global respiracion;

global tiempo;


% Elimina conexiones previas del puerto y Matlab

delete(instrfind({'Port'},{'COM3'}));

% Detecta la placa especificada de arduino que está conectada

puertoSerial = serial('COM3','BaudRate',115200,'Terminator','CR/LF');

warning('off','MATLAB:serial:fscanf:unsuccessfulRead');

% abre el puerto

fopen(puertoSerial);

% parámetros de medidas

tmax = 30; % tiempo de captura en segundos

rate = 45; % resultado experimental / velocidad de captura por segundo (comprobar al final de la

ejecución)

% preparar la figura

f = figure('Name','Captura');

a = axes('XLim',[0 tmax],'YLim',[0 5.1]); % Mapeo a 5 Voltios

l1 = line(nan,nan,'Color','b','LineWidth',2);

xlabel('Tiempo (s)')

ylabel('Voltaje (v)')

title('Captura de las señales en tiempo real con Arduino')

grid on

hold on

% inicializar

signal = zeros(1,tmax*rate); % Define el tamaño del vector que va a almacenar la señal

i = 1;

t = 0;

% ejecutar bucle cronometrado

tic

while t<tmax % Compara el tiempo actual con el tiempo definido para la captura de la señal

t = toc;

% leer del puerto serie


a = fscanf(puertoSerial,'%d''%d')';

signal(i)= a(1)*5/1023; % Mapeo a 5 voltios / 0 - 1023 es el rango en el cual se mueve el

PulseSensor

% dibujar en la figura

x = linspace(0,i/rate,i); % Vector que va entre intervalos de "0 a i/rate" de tamaño "i"

set(l1,'YData',signal(1:i),'XData',x);

drawnow

% seguir

i = i+1;

end

% Se separan la cadena de valores provenientes del Serial.println de arduino

% Señal ECG, el BPM, temperatura, Señal GSR y respiracion

cnt=1;

for i=1:5:1350 % 1350 = tmax*rate - Tamaño del vector que guarda la señales

amplitud(cnt) = signal(i);

cnt = cnt + 1;

end

cnt=1;

for i=2:5:1350

bpm(cnt) = signal(i)*1023/5; % Se "desconvierte" el mapeo a voltios por ser datos del BPM

cnt = cnt + 1;

end

cnt=1;

for i=3:5:1350

temperatura(cnt) = signal(i)*1023/5; % Se "desconvierte" el mapeo a voltios por ser datos de

Temperatura

cnt = cnt + 1;

end


cnt=1;

for i=4:5:1349

dataGSR(cnt) = signal(i)*1023/5; % Se "desconvierte" el mapeo a voltios por ser datos de

Temperatura

cnt = cnt + 1;

end

cnt=1;

for i=5:5:1350

respiracion(cnt) = signal(i)*1023/5; % Se "desconvierte" el mapeo a voltios por ser datos de

Temperatura

cnt = cnt + 1;

end

% Tamaño del vector tiempo depende del tamaño de los vectores que

% almacenan las señales (ECG,BPM,TEMPERATURA)

tiempo = (1:1:270); % 540 = (tmax*trate)/# de señales

temperatura(270) = 0; % Se llena el espacio faltante

dataGSR(270) = 0; % Se llena el espacio faltante

respiracion(270) = 0; % Se llena el espacio faltante

respiracionSuavizada = smooth(respiracion);

axes(handles.axis_Bpm),plot(tiempo,bpm);

axes(handles.axis_ECGwave),plot(tiempo,amplitud);

axes(handles.axis_Temp),plot(tiempo,temperatura);

axes(handles.axis_GSR),plot(tiempo,dataGSR);

axes(handles.axis_resp),plot(tiempo,respiracionSuavizada);

% Promedio de los valores

averageBPM = mean(bpm);

averageTemperatura = mean(temperatura);

averageValorGSR = mean(dataGSR);


cantidadDeBPM = bpm(end);

txtAverageBPM = mat2str(averageBPM);

txtAverageTemp = mat2str(averageTemperatura);

txtAverageGSR = mat2str(averageValorGSR);

txtcantidadDeBPM = mat2str(cantidadDeBPM);

set(handles.txt_BPMAverage,'string',txtAverageBPM);

set(handles.txt_cantBPM,'string',txtcantidadDeBPM);

set(handles.txt_TempAverage,'string',txtAverageTemp);

set(handles.txt_GSRAverage,'string',txtAverageGSR);

% Desviación estándar de los valores

dsBPM = std(bpm);

dsTemp = std(temperatura);

dsGSR = std(dataGSR);

txtdS_BPM = mat2str(dsBPM);

txtdS_Temp = mat2str(dsTemp);

txtdS_GSR = mat2str(dsGSR);

set(handles.dS_BPM,'string',txtdS_BPM);

set(handles.dS_Temp,'string',txtdS_Temp);

set(handles.dS_GSR,'string',txtdS_GSR);

% Valor máximo de los valores

maxValorBPM = max(max(bpm));

maxValorTemp = max(max(temperatura));


txtMax_BPM = mat2str(maxValorBPM);

txtMax_Temp = mat2str(maxValorTemp);

set(handles.max_BPM,'string',txtMax_BPM);

set(handles.max_temp,'string',txtMax_Temp);

% Valor mínimo de los valores

mimValorBPM = min(min(bpm));

minValorTemp = min(min(temperatura));

minValorGSR = min(min(dataGSR));

txtMin_BPM = mat2str(mimValorBPM);

txtMin_Temp = mat2str(minValorTemp);

txtMinGSR = mat2str(minValorGSR);

set(handles.vMin_BPM,'string',txtMin_BPM);

set(handles.vMin_Temp,'string',txtMin_Temp);

set(handles.vMin_GSR,'string',txtMinGSR);

% Varianza de los valores (Medida de la dispersión de los datos referente al valor medio)

varValorBPM = var(bpm);

varValorTemp = var(temperatura);

varValorGSR = var(dataGSR);

txtVar_BPM = mat2str(varValorBPM);

txtVar_Temp = mat2str(varValorTemp);

txtVar_GSR = mat2str(varValorGSR);

set(handles.varianzaBPM,'string',txtVar_BPM);

set(handles.varianzaTemp,'string',txtVar_Temp);

set(handles.varianzaGSR,'string',txtVar_GSR);


% Escribe el documento de excel de la prueba

global nombre;

global edad;

global emocion;

nombre = get(handles.nombre_usuario,'String');

edad = get(handles.edad_usuario,'String');

emocion = get(handles.emocion_usuario,'String');

nombreDocumentoExcel = 'Prueba captura de emocion.xlsx';

encabezado = {'No muestras','FC','Temperatura Corporal','R.E.D','FR','LPM','Participante:

',nombre,'Edad: ',edad,'Emoción',emocion};

xlswrite(nombreDocumentoExcel,encabezado,'Sheet 1','A1');

xlswrite(nombreDocumentoExcel,[tiempo(:),amplitud(:),temperatura(:),dataGSR(:),respiracionSu

avizada(:),bpm(:)],'Sheet 1','A2');

% Limpiar el puerto para ser usado por otras aplicaciones ---------------

% resultado del cronometro

%fprintf('%g s de captura a %g cap/s \n',t,i/t);

fclose(puertoSerial);

delete(puertoSerial);

clear puertoSerial;

% --- Executes during object creation, after setting all properties.

function axis_Bpm_CreateFcn(hObject, eventdata, handles)

% hObject handle to axis_Bpm (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles empty - handles not created until after all CreateFcns called


% Hint: place code in OpeningFcn to populate axis_Bpm


function axis_ECGwave_CreateFcn(hObject, eventdata, handles)

% hObject handle to axis_ECGwave (see GCBO)



% Hint: place code in OpeningFcn to populate axis_ECGwave


function axis_Temp_CreateFcn(hObject, eventdata, handles)

% hObject handle to axis_Temp (see GCBO)



% Hint: place code in OpeningFcn to populate axis_Temp


function axis_GSR_CreateFcn(hObject, eventdata, handles)

% hObject handle to axis_GSR (see GCBO)



% Hint: place code in OpeningFcn to populate axis_GSR



function txt_BPMAverage_CreateFcn(hObject, eventdata, handles)

% hObject handle to txt_BPMAverage (see GCBO)




function txt_TempAverage_CreateFcn(hObject, eventdata, handles)

% hObject handle to txt_TempAverage (see GCBO)



function txt_usuario_Callback(hObject, eventdata, handles)

% hObject handle to txt_usuario (see GCBO)


% handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of txt_usuario as text

% str2double(get(hObject,'String')) returns contents of txt_usuario as a double

function nombre_usuario_Callback(hObject, eventdata, handles)


function nombre_usuario_CreateFcn(hObject, eventdata, handles)


if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))

set(hObject,'BackgroundColor','white');

end

function edad_usuario_Callback(hObject, eventdata, handles)


function edad_usuario_CreateFcn(hObject, eventdata, handles)



end

function emocion_usuario_Callback(hObject, eventdata, handles)

% hObject handle to emocion_usuario (see GCBO)


% handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of emocion_usuario as text


% str2double(get(hObject,'String')) returns contents of emocion_usuario as a double


function emocion_usuario_CreateFcn(hObject, eventdata, handles)

% hObject handle to emocion_usuario (see GCBO)



% Hint: edit controls usually have a white background on Windows.

% See ISPC and COMPUTER.



end

Anexo 5. Artículo postulado para la IV jornadas Iberoamericanas HCI.

Hacia el diseño de un sistema de

reconocimiento de estados afectivos usando

sensores fisiológicos para medir la experiencia

de usuario


Leandro García Pardo

Universidad de San Buenaventura

Grupo LIDIS


[email protected]

Sandra Cano

Universidad de San Buenaventura

Grupo LIDIS


[email protected]

Resumen— El reconocimiento de emociones es de interés en la

línea de Interacción Humano Computador para evaluar el estado

emocional del usuario al interactuar con un producto

determinado. Esta propuesta está encaminada hacia el diseño de

un sistema para el reconocimiento de emociones a través de

respuestas fisiológicas que expresa una persona, utilizando

sensores biométricos para la captura de las diferentes señales que

puedan representarse en una emoción ya sea negativa o positiva.

Por otro lado, la experiencia de usuario permite conocer aspectos

en el aprendizaje o satisfacción de un producto interactivo,

mientras el usuario interactúa con él. La evaluación es apoyada de

datos fisiológicos obtenidos de los sensores, desde los cuales se

establece el reconocimiento de la emoción de un estudiante. Este

sistema tiene cuatro fases: la captura de los datos por medio de los

sensores, el pre-procesamiento, la clasificación y la

retroalimentación. Se presenta la estructura del sistema a

implementar, el cual servirá de apoyo para evaluar la interacción

de un videojuego desde un enfoque emocional.

Palabras clave—Emotion Recognition, Physiological Patterns,

Feature Selection, Emotional Intelligence.

Introducción

Las personas enfrentan diferentes situaciones que

pueden llegar a cambiar su estado emocional de

forma positiva o negativa. Las emociones

desempeñan un papel importante en la comunicación

y en la expresión de sentimientos. Sobre todo,

cuando se precisa comprender las reacciones

emocionales en un sujeto. Por lo tanto, las emociones

se convierten en caso de estudio de las cuales derivan

diversas técnicas de reconocimiento de emociones de

manera automática [10] y que pueden usarse para

medir la experiencia de un usuario (en inglés User

Experience, UX) al interactuar con un producto

interactivo.

Las emociones pueden ser vistas como un lenguaje

universal, propicio para la expresión de sentimientos

y una comunicación más efectiva entre seres

humanos. Hoy en día, se capturan las emociones de

una persona para medir la experiencia de uso de un

producto, como una alternativa efectiva en el

momento del análisis de la eficiencia de un producto

[3]. Además, las emociones ofrecen la posibilidad de

llevar más allá la Interacción Humano-Computadora

(en inglés Human Computer Interaction),

permitiendo identificar las reacciones emocionales

en un usuario frente a un sistema de interacción

tecnológico y digital.

Una emoción puede ser manifestada en una persona

de tres maneras diferentes: fisiológica (respuestas

físicas del cuerpo), cognitivas y expresiones (faciales

o habla). Las emociones pueden ser positivas o

negativas. Las emociones positivas, son aquellas que

reflejan una valencia emocional relacionada con el

placer, la satisfacción y el bienestar, siendo de

carácter temporal, son necesarias para el desarrollo

personal como para el bienestar emocional. Las

emociones positivas difieren de cada persona, ya que

éstas son subjetivas y están relacionadas con las

experiencias personales. Estos estímulos

emocionalmente positivos favorecen al desarrollo

mental, físico y social, debido a que, la existencia de

emociones positivas genera una mejor forma de

adaptabilidad frente a situaciones difíciles o

amenazantes y amplía los recursos intelectuales que

generan estímulos positivos frente a este tipo de

circunstancias. Las emociones positivas contribuyen

además al desarrollo integral de las personas,

mejorando su capacidad de razonamiento,

concentración, desarrollo de aprendizaje, salud y

bienestar subjetivo, donde emociones como la

alegría, el entusiasmo o la satisfacción pueden

contribuir a la ampliación de pensamientos positivos

[20].

Las emociones negativas tienden a ser reconocidas

más fácilmente debido a las expresiones corporales y

la gesticulación de ciertos músculos faciales cuyos

movimientos o posturas están relacionadas con los

sentimientos de tristeza, ira, entre otras. Por lo que,

la valoración de una emoción depende de factores

internos y externos en un individuo, los cuales logren


generar una respuesta fisiológica o expresiones

corporales que conviertan la emoción en un

fenómeno observable [20]. Las variables psico-

fisiológicas evidencia la presencia de una emoción a

partir de ciertos cambios fisiológicos presentes en

determinados sucesos, siendo estos relacionados por

la activación del sistema nervioso simpático o

parasimpático, lo que lleva a crear similitudes y

diferencias entre las señales fisiológicas que se

refieren a dos grupos de emociones positivas y

negativas. Estas señales pueden relacionarse como:

aceleración del ritmo cardíaco, dilatación de la

pupila, aumento de la temperatura corporal o una

marcada gesticulación corporal entre otras [4].

Por lo tanto, con este trabajo de investigación se

quiere desarrollar un sistema que permita capturar las

diferentes señales fisiológicas de una persona para

representar una emoción.

El artículo está estructurado de la siguiente manera.

En la sección 2 se describen trabajos relacionados a

la investigación propuesta. En la sección 3, se realiza

una descripción del problema. En la sección 4 se

describe una relación entre las emociones y la

experiencia de usuario. En la sección 5, se describe

la propuesta. Por último, conclusiones y trabajo

futuro.

Trabajos relacionados

Hoy en día, se están realizando diversas

investigaciones relacionadas con el reconocimiento

de las emociones de una persona usando tecnologías

no convencionales capturando respuestas cognitivas

o fisiológicas en una persona.

Un trabajo realizado por Healy and Picard [8], el cual

hablan acerca de los algoritmos de procesamiento de

señales afectivas para reconocer estados afectivos de

una persona cuando expresa un estado. En este

trabajo describen un método usado para la

recolección y entrenamiento de los datos, algoritmos

usados para la extracción de características y

resultados del reconocimiento de patrones usando un

discriminante Lineal Fisher. Las señales fisiológicas

que capturaron información son: conductividad de la

piel, presión, respiración y electromiograma. A partir

de estás señales capturadas determinaron 11

características para determinar el estado afectivo de

una persona.

Mientras, Hamdi [11] desarrolla su tesis doctoral

proponiendo una plataforma multimodal para el

reconocimiento de las emociones por medio de

señales fisiológicas. Por lo que, se estudian las

señales fisiológicas para evaluar estados emociones

de un usuario, y qué tipo de sensores pueden producir

mejores señales de los estados emocionales.

Otro presentado por Torres et al. [5], donde han

implementado un modelo con sensores biométricos

para detectar la emoción de un estudiante. Por lo que,

el objetivo era reconocer el estado emocional de una

persona con el interés de adaptar el contexto del

juego de acuerdo a su estado emocional. Por lo que

han trabajado con un Kinect para los datos de gestos

corporales y el sensor de ritmo cardíaco. Han

aplicado la curva ROC, con el objetivo de

seleccionar modelos óptimos, en una representación

de la sensibilidad y especificidad para la

clasificación.

También un trabajo de investigación propuesto por

Gutiérrez et al. [7], el cual propone una herramienta

llamada, “EMOTION EXPERIENCE, para medir la

experiencia de usuario en niños a través de las

emociones. Este proyecto involucra la técnica del

reconocimiento facial por medios computacionales

para el reconocimiento de emociones en niños.

Evalúa dos técnicas Eingerfaces y Fisherfaces para

reconocer tres estados de emocionales, tristeza,

alegría y neutro.

Por otro lado, en el 2017 Callejas et al. [9], presenta

una revisión sistemática desde el 2010 hasta 2016 de

artículos donde que hayan reportado trabajos

relacionados con sistemas de reconocimiento

emocional a partir de señales fisiológicas. En está

revisión encontraron el uso de los videojuegos como

herramientas de estimulación emocional.

Los trabajos mencionados previamente muestran que

han usado las señales fisiológicas para la captura de

las emociones, el cual lo han usado en diferentes


propósitos entre ellos el conocer el estado emocional

del usuario para que el videojuego o los personajes

se adapten a su estado emocional. Mientras otros los

han usado para medir la experiencia del usuario por

medio de su estado emocional.

Descripción del problema

Las emociones pueden definirse como un conjunto

de experiencias subjetivas, respuestas psicológicas y

expresiones corporales, generadas a partir de un

estímulo que produce un cambio biológico [1]. Las

emociones son desde los tiempos primitivos,

sistemas de comunicación que en el contexto fisio-

psicológico permiten la interpretación de los estados

de ánimo de un sujeto y su estado mental, siendo las

emociones culturalmente independientes y

universales, y que, en el transcurso del tiempo, ha

evolucionado la forma de interpretación y expresión

de emociones por parte del cerebro humano, ya que

esta cualidad de reconocer emociones tiene un factor

filogenético [1]. Los diferentes procesos

computacionales para el reconocimiento de

emociones varían desde el análisis de lecturas

biométricas hasta el procesamiento de frecuencias de

la voz emitida por una persona, no obstante, estos

procesos tienen ventajas y desventajas presentadas a

continuación en los siguientes ejemplos. Una

metodología común para reconocer el estado

emocional de una persona es mediante expresiones

léxico-fonéticas (diálogo, discurso, entrevista, entre

otros), pero esta metodología no garantiza que el

comportamiento fisiológico del sujeto evaluado

corresponda a su estado emocional, ya que la persona

puede aparentar sus emociones [3]. Por otro lado, la

captura de los datos por medio de grabaciones de

audio, el ruido ambiental o externos como tos, risas

o proveniente de objetos puede llegar a afectar la

información capturada [3]. El reconocimiento facial

para la detección de emociones puede tener ciertas

complicaciones dependiendo del software, las

características y rasgos de un rostro pueden crear

similitudes entre diferentes estados emocionales y la

variabilidad de características de un estado

emocional expresado por el rostro de un niño puede

ser confundido con otro estado emocional expresado

por el rostro de un adulto [62]. De igual manera, los

análisis de vídeo o imágenes, siendo éstos otra forma

de detectar emociones en el rostro, limitan la

capacidad de transmisión de emociones debido al uso

de imágenes estáticas. Otros factores que pueden

hacer más compleja esta tarea son los cambios en las

expresiones faciales como contracciones constantes

de ciertas áreas musculares del rostro, lo que genera

el impedimento de analizar la consecución dinámica

del rostro al expresar un estímulo [10]. Además, este

tipo de análisis es más cualitativo que cuantitativo,

es una apreciación más subjetiva por parte del

evaluador.

Por lo tanto, la utilización de las señales fisiológicas

es una alternativa para realizar inferencias

emocionales y conocer su valencia emocional

(positiva y negativa) de forma más acertada en

personas en estado de interacción con interfaces de

computador. En base a estos antecedentes, se plantea

la siguiente pregunta, ¿Cómo se puede reconocer las

emociones de una persona usando biosensores que

puedan ayudar a medir la experiencia al interactuar

con un producto interactivo, como un videojuego?

Emociones en la experiencia de usuario

La experiencia de usuario puede ser descrita como un

término utilizado en gran mayoría en el campo del

marketing, como el conjunto de resultados

relacionados por la interacción de un usuario con un

producto, lo cual reflejaría mediante esta experiencia

la cantidad de satisfacción que genera en el usuario

durante su utilización y definiría la productividad,

usabilidad y viabilidad del mismo [2].

El uso de biosensores es una alternativa para medir

los estados emocionales de una persona, ya que

permiten detectar la actividad fisiológica de una

persona en tiempo real y son robustos frente a los

sonidos o ruido. Sin embargo, cada persona puede

manifestar respuestas fisiológicas de manera

diferente. Por lo que se debe analizar en detalle la

señal y los patrones que cada uno de estos sensores

logra capturar de la persona.

Las ventajas de realizar detección multimodal de

emociones por medio de biosensores se basan en el

hecho de tener un criterio más amplio para la

clasificación de emociones en base a las respuestas

fisiológicas del cuerpo, permitiendo así corroborar

los comportamientos presentes en un sujeto con su


estado emocional, el cual se quiere caracterizar y se

estimula en la práctica, además, se prevé relacionar

características de ciertas señales fisiológicas

específicas las cuales conlleven a la deducción de

diferentes estados emocionales estando presentes en

un modo combinatorio en las lecturas de los

biosensores, con el fin de catalogar valores

correspondientes a cada sensor, que en conjunto

definan una emoción específica.

Para la captura de las emociones a través de señales

fisiológicas se hace uso de sensores que capturan

señales fisiológicas, y se describen a continuación:

Electrocardiograma (ECG): El electrocardiograma

es el registro de la actividad eléctrica del corazón en

el momento que realiza una contracción. Para la

observación del corazón, se realizan derivaciones

cardiacas, las cuales son las distintas vistas del

corazón a través de electrodos posicionados

estratégicamente en la parte torácica y precordial del

paciente [29]. El sensor de pulso.

Temperatura Corporal: Es referenciado como el

equilibrio que realiza biológicamente el cuerpo entre

la generación de calor y su pérdida. Controlado por el

hipotálamo, este activa mecanismos de

autorregulación como la vasodilatación, la

sudoración y la hiperventilación en el caso de que la

temperatura aumente más de lo normal [36]. La

temperatura corporal de una persona varía

dependiendo de su edad, sexo, la actividad realizada

recientemente, la cantidad de líquidos ingeridos, la

hora del día y en el caso de las mujeres, la fase del

ciclo menstrual en la cual se encuentren.

Electromiograma (EMG): La electromiografía es el

registro de los impulsos eléctricos de los músculos del

esqueleto, los cuales proporcionan información sobre

el estado fisiológico y los nervios activos [28]. Un

electromiograma es utilizado para el estudio del

funcionamiento del sistema muscular registrados a

partir de potenciales bioeléctricos los cuales pueden

ser electrodos de superficie o aguja situados en un

músculo o un nervio. Un estudio neuro-fisiológico,

empleando electromiografía puede variar su duración

oscilando entre 30 minutos y 2 horas, y pueden dar

indicaciones sobre problemas musculares tales como;

parálisis o estimulación muscular tardía [31].

El sensor sirve para registrar la actividad eléctrica de

un musculo al contraerse, por lo que la respuesta que

se obtiene es la frecuencia de tensión y relajación de

un musculo determinado. Para identificar las

emociones positivas y negativas, se trabaja con los

músculos de la cara, se trabajan con dos músculos del

rostro, cigomático mayor y corrugador superciliar.

El músculo corrugador superciliar (corrugator

supercili), es un músculo de la cara que se encuentra

en la parte interna del arco superciliar, debajo del

orbicular de los párpados con cuyas fibras se

entrecruza. Mientras, el músculo cigomático mayor

es un músculo de la cara, situado en la mejilla. El

musculo corrugados superciliar esta asociado con las

emociones negativas, mientras que el músculo

cigomático está relacionado con emociones

positivas.

Gálvanico (GRS): El sensor de respuesta galvánico

mide la respuesta galvánica de la piel, la cual es una

de las muchas respuestas electro dérmicas del cuerpo

humano, la respuesta galvánica de la piel se pude

entender como la generación de un impulso eléctrico

que se propaga a través de la piel la relacionado con

un suceso que previamente conlleva a una respuesta

fisio-psicológica en una persona. Estos impulsos

eléctricos pueden ser medidos dando a conocer la

conductividad de la piel o la resistencia de la piel, se

pueden caracterizar dos tipos de conductividad de la

piel, las cuales son la tónica y la fásica, cada persona

tiene un nivel de conductividad de la piel diferente

regularmente con rangos de niveles tónicos entre 10-

50 µS (micro Segundos) [63].

Experimento

El sistema de reconocimiento de emociones a través

de sensores, como: GSR, ECG, EMG y temperatura

. El sistema está diseñado para ser incorporado a una

prenda de vestir como un guante, ubicando los

sensores de manera estratégica para que éstos puedan

adaptarse a las proporciones de la mano de una

persona promedio.

Participantes


El entorno de esta investigación es la población

universitaria juvenil entre 16 y 22 años de la

Universidad de San Buenaventura Cali (Santiago de

Cali - Colombia), los cuales son los sujetos de estudio

para este trabajo de investigación. Los participantes

vinculados a las pruebas de campo de manera

voluntaria se dividen en dos grupos, masculino (10

participantes) y femenino (10 participantes), siendo

un total de 20 sujetos evaluados para la captura de

datos. Cada participante ha realizado un cuestionario

en línea, el cual brinda información necesaria para el

diseño de la prueba. Algunas de las preguntas que se

formulan son: ¿Qué tipo de situaciones suelen

generarle risa o agrado?, ¿Qué tipo de situaciones

suelen ocasionarle terror o miedo?, entre otras. Por lo

que, algunos respondieron que las bromas, las

personas expresivas o recordar momentos divertidos.

Mientras que, para producir emociones negativas

para los estudiantes, es cuando pierden un examen, o

cuando su seguridad puede estar en riesgo o se

encuentran en peligro.

Estas preguntas fueron realizadas, con el fin de

encontrar material multimedia que pueda inducir a

ese tipo de emociones en los evaluadores, y de esta

manera poder capturar los diferentes tipos de señales

por medio de los sensores biométricos. Por lo que,

para la captura de las emociones se propone usar el

método de inducción de emociones, el cual consiste

en mostrar contenido multimedia (video, imágenes o

sonidos) para producir emociones.

El diseño de la prueba consta de tres fases. Una

primera fase, donde al participante se le presenta una

serie de videoclips clasificados en las categorías que

corresponden a las emociones que se quiere analizar

en el sujeto (miedo-ira/rabia-alegría). En la segunda

fase, se realiza una captura de cada uno de los

sensores biométricos, como ECG, GRS, Temperatura

y EMG. Por último, una tercera fase, donde se realiza

un cuestionario físico, en el cual el participante

describe su experiencia, esto con el fin de llegar a una

comparativa de las emociones descritas por el

participante. El registro de la prueba y el sistema en

desarrollo de reconocimiento de emociones a través

de los biosensores.

Captura de datos

Para el diseño del sistema, el cual involucrará los

sensores ECG, EMG, GSR y Temperatura, el cual se

ajustarán en diferentes partes del cuerpo del

evaluador, como se observa en la Fig. 1. Para la

captura de las señales se hace uso de un Arduino

Uno, donde se ubican los sensores en cada una de las

entradas análogas del Arduino.

Pre-procesamiento

Para cada una de las señales se determinan un

conjunto de características. En la señal ECG se mide

BPM (Beat per minute), HRV, la media y el

promedio. La señal GSR entrega la resistencia

humana en unidades de Ohmios. El EMG entrega el

potencial eléctrico de una zona muscular específica

y el sensor de Temperatura, la temperatura corporal

registrada en grados Celsius (°C).

El sistema de visualización de cada una de las señales

obtenidas de los sensores se realiza con Processing-

Java, donde los datos son recibidos de manera serial

y visualizados, como se observa en la Fig. 2.

Fig 1. Sistema para la captura de las señales con los sensores.

En Processing-Java, se muestra una interface gráfica

con las diferentes representaciones de la señal que se

captura de cada uno de los sensores. La información

capturada es guardada en dos formatos de archivo,

CSV y TXT para ser procesada y analizada. También

hay una cámara, el cual permite grabar cada una de

las expresiones faciales del usuario, con el objetivo

de comparar cada una de las señales de los sensores

y encontrar un conjunto de patrones que permitan


clasificar la emoción como negativa, positiva o

neutral.

De esta manera, reconociendo el tipo de

retroalimentación que recibe el usuario al estar en

una situación de interacción humano computador, se

concibe desde el análisis de los resultados del

experimento propuesto, una alternativa para

complementar los métodos de aplicación de

usabilidad a productos tecnológicos, siendo así, un

respaldado en base a la identificación de emociones

a partir de señales fisiológicas. De esta manera, tener

directamente información interpretadas como

respuestas de las reacciones naturales del cuerpo

humano, útiles para la validación de la usabilidad de

dispositivos tecnológicos o relacionados.

La fase de clasificación y retroalimentación aún

están en desarrollo, por lo que se están analizando y

evaluando qué técnica podría usarse.

Fig. 2. Desarrollo de la aplicación con Processing(Java) para la captura

de señales biométricas (GSR,EMG, ECG, Temperatura Corporal) Conclusiones y trabajo futuro

El reconocimiento de emociones puede ser visto

como la vía entre la generación de tecnologías

inteligentes, inteligencia artificial (IA) o máquinas

de aprendizaje que puedan retroalimentarse de los

estados emocionales de un usuario, para esto es

necesario la correcta interpretación de las

expresiones emocionales en los humanos,

adjudicando a estos programas la propiedad de

reconocer, diferenciar y reaccionar frente a una

determinada emoción. A partir de este punto, las

alternativas de enseñanza y aprendizaje a través de la

Interacción Humano-Computador pueden

expandirse para satisfacer nuevas necesidades en el

futuro.

La implementación de biosensores es una técnica que

requiere de una larga trayectoria para garantizar su

correcta clasificación, sin embargo, presenta gran

acogida desde diferentes enfoques de investigación,

lo cual garantiza una cualidad favorable para su

continua profundización como se presenta en este

artículo.

Las emociones siguen siendo un objeto de estudio del

cual derivan numerosas hipótesis e investigaciones

acerca de su interpretación y reconocimiento, no

obstante, demuestran ser una característica

imprescindible en el ser humano para una

comunicación más efectiva y expresión de

sentimientos, por lo cual se tiene en consideración en

el desarrollo de nuevas tecnologías.

Como trabajo futuro, es la captura de las diferentes

señales de los sensores con un grupo de estudiantes,

y procesar la información obtenida para implementar

una técnica de clasificación que permita clasificar la

señal al estado emocional del usuario. También se

quiere diseñar una prenda inteligente, que permita

tener cada uno de estos sensores adheridos.

Referencias

[1] A. M. Fernández, M. Dufey, and C. Mourgues, “Expresión y

reconocimiento de emociones: un punto de encuentro entre

evolución, psicofisiología y neurociencias,” Rev. Chil. Neuropsicol.,

vol. 2, no. February 2016, pp. 8–20, 2007.

[2] Y. H. Montero, “Experiencia de Usuario: Principios y Métodos,”

Asin, 2015.

[3] E. De Lera and M. Garreta, “10 Heurísticos Emocionales,” Rev. Faz,

vol. 6, pp. 68–81, 2013.

[4] M. Chóliz., “Psicología de la emoción: el proceso emocional,” Psicol.

la emoción, pp. 1–34, 2005.

[5] R. P. Jennifer, Healey, “Digital Processing Of Affective Signals,”

vol. 4, pp. 5–9, 1997.

[6] H. Hamdi, “Plate-forme multimodale pour la reconnaissance d ’

émotions via l ’ analyse de signaux physiologiques : Application à la

simulation d ’ entretiens d ’ embauche To cite this version : Thèse de

Doctorat Hamza Hamdi,” 2014.

[7] P. V. Torres-Carrion, C. S. Gonzalez-Gonzalez, R. Barba-Guamán,

and A. C. Torres-Torres, “Experiencia Afectiva de Usuario(UAX):


Modelo desde sensores biométricos en aula de clase con plataforma

gamificada de Interacción Gestual,” V Congr. Int. Videojuegos Educ.,

pp. 6–11, 2017.

[8] M. C. Laura and A. M. Andrea, “Emotion recognition techniques

using physiological signals and video games – Systematic review –

Técnicas de reconocimiento emocional utilizando señales

fisiológicas y,” vol. 26, no. 46, pp. 19–28, 2017.

[9] G. Beltrán, D. Hoyos, L. Andrés, and C. Mazuera, “EMOTION

EXPERIENCE : Herramienta de Reconocimiento Facial para medir

la experiencia de usuario ( UX ) en niños a través de las Emociones,”

Rev. - http//revistas.usb.edu.co/, 2017.

[10] I. Martín de Diego, Á. Serrano, C. Conde, and E. Cabello, “Tecnicas

De Reconocimiento Automático De Emociones,” Rev. Electrónica

Teoría la Educ., vol. 7, pp. 107–127, 2006.

[11] A. R.Aguiñaga, M. Lopez Ramirez, A. Alanis Garza, R. Baltazar, and

V. M. Zamudio, “Emotion analysis through physiological

measurements,” Work. Proc. 9th Int. Conf. Intell. Environ. J.A. Botía

D. Charitos, pp. 97–106, 2013.

[12] S. Gomez Bastar, Metodologia de la investigacion. 2012.

[13] O. Rosas, “La estructura disposicional de los sentimientos,” Ideas y

Valores, vol. 60, no. 145, pp. 5–31, 2011.

[14] E. Bericat, “Emociones,” Sociopedia.isa, pp. 1–13, 2012.

[15] J. L. Díaz and E. O. Flores, “La estructura de la emoción humana: Un

modelo cromático del sistema afectivo,” Salud Ment., vol. 24, no. 4,

pp. 20–35, 2001.

[16] P. Ekman, “Facial expression,” Nonverbal behavior and

communication. pp. 97–116, 1977.

[17] C. Casado and R. Colomo, “Un breve recorrido por la concepción de

las emociones en la Filosofía Occidental .,” A parte rei. Rev. Filos.,

vol. N° 47, pp. 1–10, 2006.

[18] M. A. X. Scheler and M. A. X. Scheler, “Max scheler lo emocional

como fundamento de la ética,” vol. 1, pp. 58–68.

[19] P. Ekman, “Basic emotions,” Handbook of Cognition and Emotion.

pp. 45–60, 1999.

[20] A. R. Barragán and C. I. Morales, “Psicología de las emociones

positivas: generalidades y beneficios,” Enseñanza e Investig. en

Psicol., vol. 19, no. 1, pp. 103–118, 2014.

[21] L. De, “Los diferentes tipos de emociones,” p. 10, 2012.

[22] S. De la Torre, “Dimensión emocional y Estilos de vida,” Los canales

Transm. dicha Cult., 1999.

[23] C. Según, L. A. Etapa, and M. Del, “DIMENSIONES DE LA

EMOCIÓN ANTE IMÁGENES ASOCIADAS AL CIGARRILLO

SEGÚN LA ETAPA MOTIVACIONAL DEL CAMBIO,” Univ.

SAN BUENAVENTURA, SEDE BOGOTÁ, p. 73, 2011.

[24] P. D. E. Tres and G. D. E. Libertad, “VISUALIZACIÓN DE

EMOCIONES BASADO EN EL MODELO DE PLUTCHIK,” 2014.

[25] R. Plutchik, “LECTURA PREVIA Alegría Confianza Miedo Tristeza

Aversión Ira.”

[26] James A. Russell, “A Circumplex Model of Affect.” 1980.

[27] PUCC, “Conceptos Generales de Sensores Biomédicos,” Pontif.

Univ. Catol. Chile, p. 15, 2008.

[28] R. Navarro, “Electromiografia.,” Dep. electrónica Univ. alcalá, vol.

1, no. Electromiografía, pp. 1–19, 2013.

[29] L. Cabrera, “Lectura , Comprensión e Interpretación del

Electrocardiograma,” Dep. Salud Puerto Rico, 2015.

[30] A. Gómez, S. Carrillo, and N. Y. Electromiografía, “Indicaciones Y

Protocolos Básicos,” ACN - Asoc. Colomb. Nuerología, no.

http://www.acnweb.org/guia/g7cap3.pdf, pp. 21–27.

[31] T. Talamillo García, “Manual de procedimientos en electromiografía

y electroneurografía,” Enfermería Docente, vol. 93, pp. 11–16, 2011.

[32] A. Technologies, “Myoware datasheet,” pp. 1–8, 2015.

[33] B. R. Biardo, “" Electrodos Para Uso En Estudio De Electrofisiología

Y Ablación ",” Energy Sources, pp. 4–7, 2004.

[34] “Ambulatory Blood Pressure Monitors & ECG Holters |

Meditech.” [Online]. Available: http://www.meditech.hu/es/tipos-de-

ecg/articles-es/tipos-de-ecg. [Accessed: 27-Jul-2017].

[35] E. C. G. Ekg, “Mejorar la habilidad y precisión en la técnica de

realización del ECG.,”

https://www.madrid.es/UnidadesDescentralizadas/Emergencias/Sa

mur-PCivil/Samur/Apartados-secciones/5-

%20Proteccion%20Civil/Ficheros/ECG%2012%20derivaciones.pdf

, p. 6, 2011.

[36] A. P. L. T. Angela Aguayo, “Guia clinica de control de signos

vitales,” Univ. Pedro Vald., p. 17, 2009.

[37] E. Salazar, “La piel subjetiva : Estudio de las emociones a través de

la termografía,” no. cc, pp. 8–11, 2016.

[38] M. E. Moncada and J. De Cruz, “La actividad electrodérmica -

Revisión Electrodermal activity - a review,” vol. 31, no. 2, pp. 143–

151, 2011.

[39] G. Gsr, “Grove - GSR,”

https://www.mouser.com/catalog/specsheets/Seeed_101020052.pdf,

vol. 1, p. 10, 2015.

[40] D. O. Rodriguez, “Educación de la respiración,”

http://www.sld.cu/galerias/pdf/sitios/rehabilitacion-

logo/educacion_de_la_respiracion.pdf.

[41] L. Nummenmaa, E. Glerean, R. Hari, and J. K. Hietanen, “Bodily

maps of emotions,” Proc. Natl. Acad. Sci., vol. 111, no. 2, pp. 646–

651, 2014.

[42] C. Tajer, “Alegría del corazón. Emociones positivas y salud

cardiovascular,” Rev. Argent. Cardiol., vol. 80, no. 4, pp. 325–332,

2012.

[43] J.-M. López-Gil et al., “Corrigendum: Method for Improving EEG

Based Emotion Recognition by Combining It with Synchronized

Biometric and Eye Tracking Technologies in a Non-invasive and

Low Cost Way,” Front. Comput. Neurosci., vol. 10, no. August,

2016.

[44] D. Psicosomática and L. A. Relación, “Dermatología psicosomática,

la relación mente y piel,” vol. 11, no. 31, pp. 7–10, 2017.

[45] C. Platero, “Capítulo 12 : Introducción al Procesamiento digital de

Señales.”

[46] C. R. Escuela, “Introducción al Procesamiento Digital De Señales,”

http://www.elai.upm.es/webantigua/spain/Publicaciones/pub01/intr


o_procsdig.pdf, 2006.

[47] S. Nava, “Reconocimiento De Patrones,” Luis Enrique Erro No. 1,

Tonantzintla, Pue., C.P. 72840, M´ exico, p. 4, 2006.

[48] S. Wioleta, “Using Phisiological Signals for Emotion Recognition,”

pp. 556–561, 2013.

[49] B. N. Lang, P.J., Bradley, M.M., & Cuthbert, “International affective

picture system (IAPS): Affective ratings of pictures and instruction

manual. Technical Report A-8.,” Tech. Rep. A-8., p. Tech. Rep. A-8.,

2008.

[50] A. Haag, S. Goronzy, P. Schaich, and J. Williams, “Emotion

Recognition Using Bio-sensors: First Steps towards an Automatic

System,” pp. 36–48, 2004.

[51] K. Gouizi, F. B. Reguig, and C. Maaoui, “Analysis physiological

signals for emotion recognition,” Int. Work. Syst. Signal Process.

their Appl. WOSSPA, pp. 147–150, 2011.

[52] Pulse Sensor, “Pulse Sensor Getting Started Guide,” 2015.

[53] I. Red, MLX90614 - Single and Dual Zone Infrared Thermometer in

TO-39. 2006.

[54] A. Bhaskar, S. Subramani, and R. Ojha, “Respiratory belt transducer

constructed using a singing greeting card beeper,” AJP Adv. Physiol.

Educ., vol. 37, no. 1, pp. 117–118, 2013.

[55] G. Halley, “Introducción a Arduino ¿ Qué es arduino ?,” Univ. Ind.

Santander, pp. 1–34, 2014.

[56] L. H. Pagoaga and J. Ben, “Introducción a MATLAB,”

http://personales.upv.es/jbenitez/data/matlab.pdf.

[57] S. Computer, “Arduino,” 2016.

[58] J. A. Mikels, “Emotional category data on images from the

International Affective Picture System,” no. 4, pp. 626–630, 2005.

[59] B. N. Cuthbert, H. T. Schupp, M. M. Bradley, N. Birbaumer, and P.

J. Lang, “Brain potentials in affective picture processing: Covariation

with autonomic arousal and affective report,” Biol. Psychol., vol. 52,

no. 2, pp. 95–111, 2000.

[60] P. Ekman and H. Oster, “Expresiones faciales de la emotión,” Estud.

Psicol., vol. 2, no. 7, pp. 115–144, 1981.

[61] C. De Rmb, “Cinturón monitor de respiración,” http://www.vernier-

iberica.com/descargas/datos%20tecnicos/rmb.pdf, pp. 1–4.

[62] E. Jissel, G. Beltrán, L. Andrés, and D. Hoyos, “EMOTION

EXPERIENCE : Una herramienta para medir la experiencia de

usuario en niños a través de las emociones Trabajo de Grado

presentado para optar al título de Ingeniero Multimedia Asesor :

Sandra Patricia Cano , Doctor ( PhD ) en Ciencias de la Electrón,”

2017.

[63] P. Wagner and T. Wagner, “iWorx Physiology Lab Experiment

Galvanic Skin Response (GSR) and Investigation into ‘Cheating’

Experiment HP-8: The Galvanic Skin Response (GSR) and

Investigation into ‘Cheating,’” vol. 03820, pp. 603–742, 2013.

DISEÑO DE UN SISTEMA DE ANÁLISIS DE EMOCIONES BASADO EN BIOSENSORES...

118

diseño de un sistema de análisis de emociones usando

Documents