Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.
Ano de defesa: | 2015 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Campina Grande
Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UFCG |
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223 |
Resumo: | As emoções humanas são fundamentais para a interação entre indivíduos, assim como também com as maquinas. Diferente de uma interação humano-humano, onde um ser humano interpreta o comportamento emocional de outro, na interação humano-maquina, a ultima e incapaz de compreender os sentimentos de um individuo, o que dificulta a interação entre os mesmos. Nesse cenário, a computação afetiva e uma área de pesquisa recente, na qual o objetivo e reconhecer as emoções de um individuo durante sua interação com uma maquina. tornando-a mais simples, fácil e agradável. Existem diversas fontes de dados usadas no reconhecimento das emoções, como as expressões faciais, sinais de voz, linguagem corporal, sinais fisiológicos e sinais cerebrais. Os sinais cerebrais são a fonte de dados mais confiável no reconhecimento das emoções, pois diferentemente dos sinais de voz, expressões faciais e corporais, não são passiveis de falsas simulações e interpretação ambígua. Apesar de ser uma importante fonte. de dados, a maioria dos sistemas de detecção afetiva baseados em sinais cerebrais discutidos na literatura são livres de contexto. Esse fato implica em um grave problema para o reconhecimento das emoções, uma vez que o contexto e fundamental na identificação das mesmas. Nesse trabalho e introduzido um método para a detecção das emoções humanas a partir da fusão de informações do contexto de um individuo com seus sinais cerebrais. O método e composto por duas componentes: os sinais cerebrais e o contexto. Para avaliar o método proposto foram desenvolvidos três estudos de caso. No primeiro estudo de caso o objetivo foi avaliar a componente do método referente aos sinais cerebrais. Os sinais de EEG de um banco de dados foram processados e classificados em emoções com os algoritmos definidos para esse fim. No segundo estudo de caso o objetivo foi a avaliação da componente do método relativa ao contexto. As variáveis relevantes para caracterização do contexto foram identificadas e suas influencias foram definidas. 0 contexto foi classificado nas emoções dos participantes. Por fim, no terceiro estudo de caso, o método proposto nessa Tese foi avaliado considerando-se suas duas componentes. Os sinais cerebrais e o contexto foram classificados nas emoções dos participantes. |
id |
UFCG_17689a4b24d30dc3b3ccc123fdb49a39 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/18223 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
|
spelling |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia.Classification of human emotions with a two-dimensional approach based on context information and electroencephalography signals.Emoções humanas - classificaçãoSinais de eletroencefalografiaEletroencefalografiaComputação afetivaCérebro e as emoçõesSinais cerebraisReconhecimento das emoções por máquinaHuman emotions - classificationElectroencephalography signsElectroencephalographyAffective computingBrain and emotionsBrain signsRecognition of emotions by machineAs emoções humanas são fundamentais para a interação entre indivíduos, assim como também com as maquinas. Diferente de uma interação humano-humano, onde um ser humano interpreta o comportamento emocional de outro, na interação humano-maquina, a ultima e incapaz de compreender os sentimentos de um individuo, o que dificulta a interação entre os mesmos. Nesse cenário, a computação afetiva e uma área de pesquisa recente, na qual o objetivo e reconhecer as emoções de um individuo durante sua interação com uma maquina. tornando-a mais simples, fácil e agradável. Existem diversas fontes de dados usadas no reconhecimento das emoções, como as expressões faciais, sinais de voz, linguagem corporal, sinais fisiológicos e sinais cerebrais. Os sinais cerebrais são a fonte de dados mais confiável no reconhecimento das emoções, pois diferentemente dos sinais de voz, expressões faciais e corporais, não são passiveis de falsas simulações e interpretação ambígua. Apesar de ser uma importante fonte. de dados, a maioria dos sistemas de detecção afetiva baseados em sinais cerebrais discutidos na literatura são livres de contexto. Esse fato implica em um grave problema para o reconhecimento das emoções, uma vez que o contexto e fundamental na identificação das mesmas. Nesse trabalho e introduzido um método para a detecção das emoções humanas a partir da fusão de informações do contexto de um individuo com seus sinais cerebrais. O método e composto por duas componentes: os sinais cerebrais e o contexto. Para avaliar o método proposto foram desenvolvidos três estudos de caso. No primeiro estudo de caso o objetivo foi avaliar a componente do método referente aos sinais cerebrais. Os sinais de EEG de um banco de dados foram processados e classificados em emoções com os algoritmos definidos para esse fim. No segundo estudo de caso o objetivo foi a avaliação da componente do método relativa ao contexto. As variáveis relevantes para caracterização do contexto foram identificadas e suas influencias foram definidas. 0 contexto foi classificado nas emoções dos participantes. Por fim, no terceiro estudo de caso, o método proposto nessa Tese foi avaliado considerando-se suas duas componentes. Os sinais cerebrais e o contexto foram classificados nas emoções dos participantes.Human emotions are fundamental to the way in which individuals interact with each other, as well as with machines. Unlike the human-human interaction, where a human understands another's emotional behavior, in the human-machine interaction, the last one is unable of understand the feelings of a person, which makes hard the interaction process among them. In this scenario, affective computing is a recent research area aiming at the recognition of human emotions during the interaction with a machine, making it simpler, easier and enjoyable. Several data sources are used for emotion recognition, such as facial expressions, voice signals, body language, psychological and brain signals. Brain signals are the most reliable data source to recognize emotions because they are not susceptible to false simulations and ambiguous interpretation, unlike, the facial and body expressions, as --- — well as voice signals. Despite being an important source of data, most affective detection systems based on brain signals discussed in the literature are context free. This fact implies a serious problem for the recognition of emotions, since the context is crucial in identifying them. In this work we propose a method for the detection of human emotions based on the fusion of an individual context information with their brain signals. The method have two components: the brain signals and context. Furthermore, we developed three case studies to evaluate the proposed method. In the first case study, the objective was to evaluate the component of the method related to brain signals. The EEG signals from a database were processed and classified in emotions with algorithms defined for this purpose. In the second case study, the objective was to evaluate the context component of the method. The relevant variables that characterize the context were identified and their influences have been set. The context was classified in the emotions of the participants. Finally, the third case study, the proposed method in this thesis was evaluated considering its two components. The brain signals and the context were classified in the emotions of the participants.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIPÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICAUFCGPERKUSICH, Angelo.PERKUSICH, A.http://lattes.cnpq.br/9439858291700830CRIOLLO, Carlos Júlio Tierra.CRIOLLO, C. J. T.ALMEIDA, Hyggo Oliveira de.OLIVEIRA, H. O.SILVA, Jaidilson Jó da.SILVA, J. J.VIEIRA, Maria de Fátima Queiroz.VIEIRA, M. F. Q.RACHED, Taciana Saad.2015-102021-04-20T21:08:33Z2021-04-202021-04-20T21:08:33Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223RACHED, Taciana Saad. Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. 2015. 151f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2015. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2021-04-20T21:09:20Zoai:localhost:riufcg/18223Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512021-04-20T21:09:20Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. Classification of human emotions with a two-dimensional approach based on context information and electroencephalography signals. |
title |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. |
spellingShingle |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. RACHED, Taciana Saad. Emoções humanas - classificação Sinais de eletroencefalografia Eletroencefalografia Computação afetiva Cérebro e as emoções Sinais cerebrais Reconhecimento das emoções por máquina Human emotions - classification Electroencephalography signs Electroencephalography Affective computing Brain and emotions Brain signs Recognition of emotions by machine |
title_short |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. |
title_full |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. |
title_fullStr |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. |
title_full_unstemmed |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. |
title_sort |
Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. |
author |
RACHED, Taciana Saad. |
author_facet |
RACHED, Taciana Saad. |
author_role |
author |
dc.contributor.none.fl_str_mv |
PERKUSICH, Angelo. PERKUSICH, A. http://lattes.cnpq.br/9439858291700830 CRIOLLO, Carlos Júlio Tierra. CRIOLLO, C. J. T. ALMEIDA, Hyggo Oliveira de. OLIVEIRA, H. O. SILVA, Jaidilson Jó da. SILVA, J. J. VIEIRA, Maria de Fátima Queiroz. VIEIRA, M. F. Q. |
dc.contributor.author.fl_str_mv |
RACHED, Taciana Saad. |
dc.subject.por.fl_str_mv |
Emoções humanas - classificação Sinais de eletroencefalografia Eletroencefalografia Computação afetiva Cérebro e as emoções Sinais cerebrais Reconhecimento das emoções por máquina Human emotions - classification Electroencephalography signs Electroencephalography Affective computing Brain and emotions Brain signs Recognition of emotions by machine |
topic |
Emoções humanas - classificação Sinais de eletroencefalografia Eletroencefalografia Computação afetiva Cérebro e as emoções Sinais cerebrais Reconhecimento das emoções por máquina Human emotions - classification Electroencephalography signs Electroencephalography Affective computing Brain and emotions Brain signs Recognition of emotions by machine |
description |
As emoções humanas são fundamentais para a interação entre indivíduos, assim como também com as maquinas. Diferente de uma interação humano-humano, onde um ser humano interpreta o comportamento emocional de outro, na interação humano-maquina, a ultima e incapaz de compreender os sentimentos de um individuo, o que dificulta a interação entre os mesmos. Nesse cenário, a computação afetiva e uma área de pesquisa recente, na qual o objetivo e reconhecer as emoções de um individuo durante sua interação com uma maquina. tornando-a mais simples, fácil e agradável. Existem diversas fontes de dados usadas no reconhecimento das emoções, como as expressões faciais, sinais de voz, linguagem corporal, sinais fisiológicos e sinais cerebrais. Os sinais cerebrais são a fonte de dados mais confiável no reconhecimento das emoções, pois diferentemente dos sinais de voz, expressões faciais e corporais, não são passiveis de falsas simulações e interpretação ambígua. Apesar de ser uma importante fonte. de dados, a maioria dos sistemas de detecção afetiva baseados em sinais cerebrais discutidos na literatura são livres de contexto. Esse fato implica em um grave problema para o reconhecimento das emoções, uma vez que o contexto e fundamental na identificação das mesmas. Nesse trabalho e introduzido um método para a detecção das emoções humanas a partir da fusão de informações do contexto de um individuo com seus sinais cerebrais. O método e composto por duas componentes: os sinais cerebrais e o contexto. Para avaliar o método proposto foram desenvolvidos três estudos de caso. No primeiro estudo de caso o objetivo foi avaliar a componente do método referente aos sinais cerebrais. Os sinais de EEG de um banco de dados foram processados e classificados em emoções com os algoritmos definidos para esse fim. No segundo estudo de caso o objetivo foi a avaliação da componente do método relativa ao contexto. As variáveis relevantes para caracterização do contexto foram identificadas e suas influencias foram definidas. 0 contexto foi classificado nas emoções dos participantes. Por fim, no terceiro estudo de caso, o método proposto nessa Tese foi avaliado considerando-se suas duas componentes. Os sinais cerebrais e o contexto foram classificados nas emoções dos participantes. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-10 2021-04-20T21:08:33Z 2021-04-20 2021-04-20T21:08:33Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223 RACHED, Taciana Saad. Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. 2015. 151f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2015. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223 |
identifier_str_mv |
RACHED, Taciana Saad. Classificação de emoções humanas com abordagem bidimensional a partir de informação de contexto e sinais de eletroencefalografia. 2015. 151f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2015. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18223 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UFCG |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UFCG |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1809746103590977536 |