Detección de estrés en tiempo real a partir de señales de voz y datos fisiológicos

Abstract

afectan el modo en que nos comportamos y respondemos ante diferentes situaciones de nuestra vida cotidiana, por ejemplo, la comunicación y la toma racional de decisiones. Actualmente el estrés se ha convertido en una amenaza recurrente para la sociedad moderna, la necesidad de controlar situaciones de tensión a llevado al estudio de la detección del estrés. Sin embargo, en los estudios de los últimos años existe mayor interés en cuanto a la de detección de estrés multimodal as__ como también existe la necesidad de detectar niveles de estrés y no solamente presencia o ausencia de tal emoción. En esta investigación se propone la detección automática de niveles de estrés en tiempo real a partir de datos fisiológicos y señales de voz, para esto se uso los conjuntos de datos RAVDESS y EMO-DB para la detección de estrés en voz y WESAD para la detección de estrés en datos fisiológicos. Además se implementa un circuito de bajo costo con Arduino que registra señales GSR y una aplicación móvil donde se puede monitorizar en tiempo real 5 niveles de estrés. En la detección de estrés a partir de voz con las características MFCC de los audios y usando los clasificadores SVM y ANN, se obtuvo un accuracy del 92% (EMO-DB) y 85% (RAVDESS), por otro lado en el cálculo del nivel de estrés a partir de señales fisiológicas se obtiene el nivel de estrés por medio de análisis de la señal GSR, finalmente en las pruebas de detección en tiempo real se consiguió un accuracy del 88;8 %.