Nghiên cứu khoa học công nghệ<br />
<br />
<br />
X©y dùng hÖ thèng nhËn d¹ng c¶m xóc<br />
sö dông thiÕt bÞ emotiv epoc<br />
NGUYÔN TIÕN XU¢N*, NGUYÔN THANH TïNG**<br />
Tãm t¾t: Nghiªn cøu c¶m xóc cña con ngêi lµ rÊt cÇn thiÕt bëi v× c¶m xóc ®ãng vai trß<br />
quan träng trong giao tiÕp cuéc sèng cña con ngêi. c¶m xóc ¶nh hëng tíi nhËn thøc, tri<br />
gi¸c, häc tËp, giao tiÕp vµ ra quyÕt ®Þnh. bµi b¸o nµy tËp trung vµo viÖc t×m hiÓu mèi quan hÖ<br />
gi÷a tÝn hiÖu EEG cña n·o bé vµ c¶m xóc cña con ngêi dùa trªn thö nghiÖm nhËn d¹ng c¶m<br />
xóc ®îc tiÕn hµnh sö dông thiÕt bÞ th¬ng m¹i Emotiv EPOC ®Ó ghi nhËn tÝn hiÖu EEG trong<br />
khi ngêi tham gia thö nghiÖm ®ang theo dâi c¸c ®o¹n video. c¸c d¶i tÇn sè alpha, beta, delta<br />
vµ theta ®îc läc khái c¸c tÝn hiÖu EEG thu ®îc sÏ ®îc sö dông cho viÖc tËp huÊn vµ ®¸nh<br />
gi¸ bé ph©n líp víi c¸c thuËt to¸n häc kh¸c nhau bao gåm SVM (Support Vector Machine),<br />
kNN (k-Neareast Neighbour, Naitive Bayes và AdaBoost.M1). KÕt qu¶ thö nghiÖm chØ ra<br />
r»ng, chóng ta cã thÓ sö dông thiÕt bÞ Emotiv EPOC cho viÖc nhËn d¹ng c¶m xóc vµ kü thuËt<br />
ph©n líp sö dông thuËt to¸n AdaBoots.M1 vµ d¶i tÇn sè theta cung cÊp tû lÖ ph¸t hiÖn c¶m<br />
xóc chÝnh x¸c cao nhÊt.<br />
Tõ kho¸: NhËn d¹ng c¶m xóc, Emotiv EPOC, Ph©n líp, D¶i tÇn sè theta<br />
<br />
1. giíi thiÖu<br />
NhËn d¹ng c¶m xóc ®ãng vai trß thiÕt yÕu trong nhiÒu khÝa c¹nh cña cuéc sèng hµng<br />
ngµy cña con ngêi, bao gåm viÖc ra quyÕt ®Þnh, nhËn thøc, häc tËp, suy nghÜ vµ hµnh<br />
®éng. Do vËy, viÖc nghiªn cøu c¶m xóc cña con ngêi lµ kh«ng thÓ thiÕu.<br />
Ph¬ng ph¸p tiÕp cËn ®Çu tiªn ®èi víi viÖc nhËn d¹ng c¶m xóc con ngêi lµ dùa trªn<br />
v¨n b¶n, lêi nãi, thÓ hiÖn nÐt mÆt vµ cö chØ cña con ngêi ®· ®îc tiÕn hµnh nghiªn cøu c¸c<br />
®©y mét vµi thËp kû [1]. Tuy nhiªn, nh÷ng ph¬ng ph¸p nµy cã ®é tin cËy kh«ng cao ®Ó<br />
ph¸t hiÖn ra c¶m xóc thËt cña con ngêi, ®Æc biÖt khi con ngêi muèn che dÊu c¶m xóc<br />
thËt cña m×nh. Mét vµi c¶m xóc cã thÓ vÉn diÔn ra mµ kh«ng t¬ng øng víi biÓu hiÖn c¶m<br />
xóc trªn khu«n mÆt hä, giäng nãi hay thËm chÝ cö chØ hay di chuyÓn cña c¬ thÓ, ®Æc biÖt<br />
khi ®é tËp trung c¶m xóc kh«ng cao. Tr¸i l¹i, nh÷ng biÓu hiÖn nh vËy cã thÓ lµ gi¶, hoÆc<br />
gi¶ bé lµm gi¶ rÊt dÔ dµng. §Ó kh¾c phôc nh÷ng nhîc ®iÓm nµy, nhiÒu ph¬ng ph¸p<br />
nghiªn cøu kh¸c ®· ®îc tiÕn hµnh. Mét hÖ thèng thiÕt bÞ ®o sãng n·o ngo¹i vi bao gåm<br />
c¸c c¶m biÕn nhÞp tim, c¶m biÕn da vµ hÖ thèng h« hÊp cña con ngêi lµ mét hÖ thèng ®iÓn<br />
h×nh cho c¸ch tiÕp cËn nghiªn cøu nµy [2, 3]. ¦u ®iÓm cña ph¬ng ph¸p nµy lµ con ngêi<br />
khã cã thÓ ®¸nh lõa bëi sù kiÓm so¸t vµ theo dâi t¹i mäi thêi ®iÓm mµ kh«ng cÇn bÊt cø<br />
hµnh ®éng nµo kh¸c cña ngêi dïng. Anttonen vµ Surakka thÊy r»ng gi¶m nhÞp tim ®¸p<br />
øng víi c¸c kÝch thÝch c¶m xóc, ®Æc biÖt lµ nh÷ng c¶m xóc mang tÝnh tiªu cùc so víi c¸c<br />
c¶m xóc mang tÝnh kÝch thÝch tÝch cùc vµ trung tÝnh [2]. Leng et al. kh¼ng ®Þnh r»ng c¶m<br />
xóc vui mõng t¹o ra møc nhÞp tim trung b×nh vµ ®é lÖch chuÈn lín h¬n so víi c¶m gi¸c sî<br />
h·i [3]. Tuy nhiªn, ngêi dïng ph¶i sö dông vµ mang trªn m×nh c¸c thiÕt bÞ ®o rÊt khã sö<br />
dông vµ ®¾t tiÒn, ®ång thêi kÕt qu¶ ph©n lo¹i c¶m xóc kh«ng cao.<br />
Trong nh÷ng n¨m gÇn ®©y, c¸c nhµ nghiªn cøu ®· cè g¾ng ph¸t triÓn hÖ thèng phÇn<br />
cøng vµ phÇn mÒm ®Ó cã thÓ thu nhËn c¶m xóc cña con ngêi mét c¸ch tù ®éng. Ph¬ng<br />
ph¸p nµy gäi lµ tÝnh to¸n c¶m xóc. Mét trong nh÷ng hÖ thèng nh vËy sö dông tÝn hiÖu<br />
EEG (ElectroEncephalogGraphy) thu nhËn tõ n·o bé con ngêi khi ngêi dïng thùc hiÖn<br />
mét sè ho¹t ®éng n·o bé. ¦u ®iÓm cña ph¬ng ph¸p nµy lµ: 1) C¸c ho¹t ®éng n·o bé cã<br />
c¸c th«ng tin ®Þnh híng vÒ c¶m xóc, 2) TÝn hiÖu EEG cã thÓ ®îc ®o t¹i bÊt cø thêi ®iÓm<br />
nµo vµ nã kh«ng phô thuéc vµo c¸c ho¹t ®éng kh¸c cña ngêi sö dông nh nãi hoÆc t¹o ra<br />
c¸c biÓu hiÖn trªn nÐt mÆt, vµ 3) C¸c kü thuËt nhËn d¹ng c¶m xóc kh¸c nhau cã thÓ ®îc sö<br />
dông.<br />
<br />
<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 31, 06 - 2014 85<br />
Kỹ thuật điện tử & Khoa học máy tính<br />
<br />
Trong c¸c c«ng tr×nh nghiªn cøu tríc ®©y, chØ ra r»ng kü thuËt Naive Bayes cho kÕt qu¶<br />
chÝnh x¸c ®¹t tíi 70% cho hai líp c¶m xóc [4]. Petrantonakis vµ Hadjileontiadis [5] nghiªn<br />
cøu sù thay ®æi trong tÝn hiÖu EEG cña c¸c ®èi tîng tham gia thùc nghiÖm khi xem c¸c<br />
h×nh ¶nh víi khu«n mÆt biÓu hiÖn s¸u c¶m xóc t×nh c¶m kh¸c nhau. Hä chØ ra r»ng viÖc<br />
nhËn d¹ng cã ®é chÝnh x¸c 83% cã thÓ ®¹t ®îc sö dông c¸c ®Æc tÝnh dùa trªn higher –<br />
order crossing vµ sö dông thuËt to¸n SVM (Support Vector Machine). Lin et al [6] trÝch<br />
xuÊt mËt ®é phæ n¨ng lîng (power spectrum density) cña c¸c d¶i tÇn con EEG kh¸c nhau<br />
nh ®Æc tÝnh trong suèt qu¸ tr×nh thay ®æi c¶m xóc khi nghe nh¸c vµ cã ®é chÝnh x¸c ph©n<br />
líp 82% cho bèn lo¹i c¶m xóc. Sö dông kü thuËt kNN (k-Neareast Neigbour) cho hai tËp<br />
kªnh EEG kh¸c nhau (62 kªnh vµ 24 kªnh), Murugappan nhËn ®îc ®é chÝnh x¸c 82.87%<br />
cho 62 kªnh vµ 78.57% cho 24 kªnh víi 5 lo¹i c¶m xóc t¬ng øng [7].<br />
ViÖc t×m thÊy mèi quan hÖ gi÷a d¶i tÇn sè sãng n·o EEG víi c¶m xóc cña con ngêi<br />
còng lµ mét trong nh÷ng môc ®Ých chÝnh cña viÖc nhËn d¹ng c¶m xóc. Li vµ Lu ®· kh¸m<br />
ph¸ ra r»ng d¶i tÇn sè gamma ®ãng vai trß quan träng trong nhËn d¹ng c¶m xóc [9]. Dan<br />
Nie et al. cho r»ng d¶i tÇn sè cao ¶nh hëng tíi ph¶n øng c¶m xóc ë con ngêi lín h¬n so<br />
víi c¸c d¶i tÇn sè thÊp [10].<br />
Nãi chung, hiÖn cha cã ph¬ng ph¸p dùa trªn tÝn hiÖu EEG ®îc x¸c ®Þnh lµ tèt nhÊt<br />
[8]. H¬n n÷a, chóng ta còng nªn chó ý mét khi hÖ thèng nhËn d¹ng c¶m xóc ®îc sö dông<br />
réng r·i h¬n trong thùc tÕ, th× c¸c ®Æc tÝnh míi sÏ cÇn ph¶i ®îc xem xÐt nh ®é s½n sµng<br />
cña tËp d÷ liÖu hoÆc sù biÕn ®æi l©u bÒn cña tÝn hiÖu EEG. Mét khã kh¨n cÇn ph¶i gi¶i<br />
quyÕt trong nghiªn cøu nµy lµ sù thiÕu sù so s¸nh gi÷a c¸c bé ph©n líp. Mét c¸ch lý tëng,<br />
bé ph©n líp sÏ ®îc kiÓm thö trong cïng bèi c¶nh, ®iÒu kiÖn … víi cïng mét ngêi sö<br />
dông, sö dông cïng ph¬ng ph¸p trÝch t¸ch ®Æc trng. HiÖn nay, ®©y lµ mét vÊn ®Ò hÕt søc<br />
quan träng cho c¸c nghiªn cøu nhËn d¹ng c¶m xóc [8].<br />
MÆt kh¸c, cung cÊp c¸c gi¶i ph¸p tin cËy lµ nhiÖm vô chÝnh cña c¸c hÖ thèng ®a ra c¸c<br />
khuyÕn c¸o trong th¬ng m¹i ®iÖn tö, gi¶i trÝ vµ nghiªn cøu c¸c vÊn ®Ò x· héi. §èi víi c¸c<br />
s¶n phÈm phøc t¹p nh phim ¶nh, ©m nh¹c, tin tøc, nhËn d¹ng c¶m xóc ngêi dïng ®ãng<br />
vai trß thiÕt yÕu trong viÖc ra quyÕt ®Þnh. ViÖc sö dông d÷ liÖu EEG ®Ó nhËn d¹ng c¶m xóc<br />
ngêi dïng sÏ ®ãng gãp ®Ó x©y dùng mét hÖ thèng khuyÕn c¸o tin tëng.<br />
Trong bµi b¸o nµy, chóng t«i sÏ tr×nh bµy mét hÖ thèng nhËn d¹ng c¶m xóc tù ®éng dùa trªn<br />
tÝn hiÖu EEG, hÖ thèng cã thÓ ghi nhËn tÝn hiÖu EEG tõ ngêi dïng vµ ®o c¶m xóc cña hä khi<br />
hä ®ang theo dâi c¸c ®o¹n phim. Chóng t«i sö dông bé thiÕt bÞ th¬ng m¹i Emotiv EPOC<br />
Headset bëi v× nã cã gi¸ thµnh rÎ h¬n rÊt nhiÒu so víi c¸c thiÕt bÞ ®o EEG kh¸c. D÷ liÖu EEG<br />
sau ®ã sÏ ®îc läc ®Ó thu ®îc c¸c d¶i b¨ng tÇn t¸ch biÖt sö dông cho viÖc tËp huÊn bé ph©n<br />
líp c¶m xóc víi bèn kü thuËt ph©n líp phæ biÕn SVMs, Naive Bayes, kNN vµ AdaBoost.M1.<br />
2. ®Ò xuÊt hÖ thèng nhËn d¹ng c¶m xóc dùa trªn tÝn hiÖu eeg<br />
HÖ thèng nhËn d¹ng c¶m xóc dùa trªn tÝn hiÖu EEG thu nhËn d÷ liÖu EEG sö dông thiÕt<br />
bÞ Emotiv EPOC kh«ng d©y [9]. ThiÕt bÞ Emotiv EPOC nµy cã 14 ®iÖn cùc ®îc ®Æt t¹i c¸c<br />
vÞ trÝ AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8 vµ AF4 tu©n theo chuÈn<br />
American EEG Society Standard. TÇn sè lÊy mÉu lµ 128 Hz, ®é réng b¨ng tÇn lµ<br />
(0.2 45) Hz, läc c¸c tÇn sè can nhiÔu cña c¸c thiÕt bÞ ®iÖn bªn ngoµi lµ 50 Hz vµ 60 Hz.<br />
Chóng t«i sö dông c«ng cô phÇn mÒm Experiment Wizard [10] cho viÖc thu thËp d÷<br />
liÖu EEG d¹ng th« tõ thiÕt bÞ Emotiv EPOC trong khi ngêi dïng ®ang theo dâi c¸c ®o¹n<br />
phim. PhÇn mÒm nµy rÊt h÷u Ých cho viÖc thiÕt kª mét thö nghiÖm, chuÈn bÞ vµ cÊu h×nh<br />
c¸c multimedia, vµ thu thËp d÷ liÖu EEG theo cÊu tróc vµ hÖ thèng.<br />
D÷ liÖu EEG th« ®îc t×m thÊy trong kho¶ng tÇn sè díi 30 Hz. NhiÒu nghiªn cøu ®·<br />
chØ ra r»ng kh«ng cã nhiÒu ho¹t ®éng cña n·o bé ë tÇn sè cùc thÊp vµ c¸c nhiÔu, c¸c ho¹t<br />
®éng gi¶ t¹o xuÊt hiÖn ë tÇn sè thÊp h¬n díi 2Hz, do vËy bé läc d¶i tÇn sè tõ (2 30) Hz<br />
®îc ¸p dông ®Ó t¸ch d÷ liÖu EEG thµnh bèn d¶i tÇn sè riªng biÖt ®ã lµ (2 4) Hz (delta),<br />
(4 7) Hz (theta), (8 12) Hz (alpha) vµ (12 30) Hz (beta). BiÕn ®æi Fourier nhanh FFT<br />
<br />
<br />
86 N.T.Xuân, N.T.Tùng. “Xây dựng hệ thống … Emotiv Epoc.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
víi cöa sæ kh«ng chång lÊn 5s ®îc sö dông ®Ó tÝnh to¸n n¨ng lîng tÝn hiÖu cña mçi d¶i<br />
tÇn sè ®ã cho mçi kªnh vµ tÝnh trung b×nh cña mçi kªnh. Trung b×nh tÝn hiÖu EEG vµ 4 d¶i<br />
tÇn sè (alpha, beta, delta vµ theta) nhËn ®îc tõ 14 ®iÖn cùc sÏ cung cÊp tíi 70 ®Æc tÝnh<br />
(5 x 14) cho d÷ liÖu EEG thu nhËn ®îc.<br />
<br />
<br />
<br />
<br />
H×nh 1. HÖ thèng nhËn d¹ng c¶m xóc dùa trªn tÝn<br />
hiÖu. EEG<br />
Trong giai ®o¹n tËp huÊn, d÷ liÖu EEG ®îc ®¸nh nh·n, vÝ dô d÷ liÖu tõ nh÷ng c¶m xóc<br />
®· biÕt ®îc ghi nhËn vµ ®îc göi tíi bèn thuËt to¸n lµ SVM, kNN, Naive Bayes vµ<br />
AdaBoost.M1 ®Ó x©y dùng m« h×nh cho nh÷ng c¶m xóc ®ã.<br />
Trong pha nhËn d¹ng, d÷ liÖu EEG kh«ng biÕt sÏ ®îc so s¸nh víi nh÷ng m« h×nh c¶m xóc<br />
®îc x©y dùng tríc ®ã vµ c¶m xóc ®îc nhËn d¹ng lµ nh·n cña m« h×nh phï hîp nhÊt.<br />
<br />
<br />
3. thu thËp d÷ liÖu<br />
3.1. §èi tîng<br />
D÷ liÖu EEG trong thö nghiÖm ®îc thu nhËn tõ c¸c ®èi tîng tuæi trong kho¶ng 30,<br />
kháe m¹nh vµ thuËn tay ph¶i. TÊt c¶ c¸c ®èi tîng tham gia thö nghiÖm ®Òu ®îc th«ng<br />
b¸o víi môc ®Ých cña cuéc thö nghiÖm. Kh«ng ai trong sè ngêi tham gia trong thêi gian<br />
thö nghiÖm kh«ng bÞ m¾c c¸c bÖnh m·n tÝnh, rèi lo¹n t©m thÇn, sö dông ma tóy hoÆc<br />
nghiÖn rîu, trÇm c¶m hay lo ©u, ®iÕc, rèi lo¹n thÇn kinh hoÆc sö dông thuèc.<br />
<br />
3.2. Nguån kÝch thÝch<br />
Cã nhiÒu ph¬ng ph¸p kh¸c nhau ®Ó t¹o ra c¶m xóc nh phim, ©m nh¹c, h×nh ¶nh v.v…<br />
§Ó nhËn c¸c d÷ liÖu EEG chøa c¶m xóc ngêi dïng, thÝ nghiÖm ®îc tiÕn hµnh víi c¸c lo¹i<br />
kÝch thÝch kh¸c nhau nh ©m thanh, h×nh ¶nh hoÆc tæ hîp c¶ hai ®Ó ®a ®Õn c¶m xóc cho<br />
ngêi dïng. Nh mét nguån kÝch thÝch, c¸c ®o¹n phim ng¾n (video clips) ®îc t¸ch ra tõ<br />
c¸c ®o¹n phim (cã ©m thanh vµ h×nh ¶nh) ®îc lÊy tõ nguån c¬ së d÷ liÖu phim FilmStim<br />
[11]. Nh÷ng t¸c ®éng c¶m xóc cña nh÷ng nguån kÝch thÝch tõ c¬ së d÷ liÖu phim nµy ®·<br />
®îc ®¸nh gi¸ cã c¬ së khoa häc tõ tríc. Lý do chóng t«i lùa chän nh÷ng ®o¹n phim nµy<br />
nh nguån kÝch thÝch t¹o c¶m xóc ®ã lµ nh÷ng t¸c nh©n kÝch thÝch nghe nh×n ®îc ®¸nh<br />
gi¸ cao mang l¹i lîi Ých cho kÝch ®éng c¶m xóc con ngêi [12]. Trong ph©n tÝch cña<br />
Westermann et al. thÊy r»ng c¸c ®o¹n film lµ ph¬ng ph¸p hiÖu qu¶ nhÊt ®Ó kÝch thÝch<br />
tr¹ng th¸i t×nh c¶m tÝch cùc vµ tiªu cùc cña con ngêi [13]. Trong thö nghiÖm cña chóng<br />
t«i, chóng t«i tËp trung chÝnh vµo c¶m xóc vui vµ buån. Bëi vËy, mçi ®o¹n phim ng¾n ®îc<br />
ph©n lo¹i thµnh hai lo¹i c¶m xóc trªn. ¦u ®iÓm cña c¸ch thøc nµy ®ã lµ kh«ng cÇn c¸c diÔn<br />
viªn chuyªn nghiÖp vµ nh÷ng ph¶n øng cña ngêi tham gia thö nghiÖm sÏ gÇn h¬n víi c¶m<br />
xóc thùc cña con ngêi trong thùc tÕ.<br />
<br />
<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 31, 06 - 2014 87<br />
Kỹ thuật điện tử & Khoa học máy tính<br />
<br />
3.3. Ph¬ng ph¸p tiÕn hµnh<br />
TËp c¸c ®o¹n phim ng¾n ®îc ph©n lo¹i thµnh hai c¶m xóc vui vµ sî h·i. Kho¶ng 8<br />
®o¹n phim ng¾n (4 ®o¹n phim cho mçi c¶m xóc ë trªn) ®îc lùa chän ngÉu nhiªn trong<br />
mçi thö nghiÖm vµ ®îc chiÕu cho tõng ngêi tham gia thö nghiÖm xem. Ngêi thö<br />
nghiÖm ®îc th«ng b¸o vµ ®îc yªu cÇu tËp trung vµo ®o¹n phim trong suèt qu¸ tr×nh tr×nh<br />
chiÕu. Cã kho¶ng thêi gian 2 phót nghØ gi÷a c¸c ®o¹n phim tr×nh chiÕu liÒn nhau. Chóng<br />
t«i còng thùc hiÖn ghi l¹i d÷ liÖu EEG khi ngêi thö nghiÖm ®ang theo dâi c¸c ®o¹n phim<br />
kh«ng chøa c¶m xóc vµ g¾n nh·n nh÷ng d÷ liÖu nµy lµ d¹ng trung tÝnh. Tæng céng, cã 3<br />
líp c¶m xóc: vui, sî h·i vµ trung tÝnh ®îc nhËn d¹ng. Thu nhËn d÷ liÖu:<br />
ThiÕt bÞ Emotiv EPOC kh«ng d©y ®îc sö dông trong thö nghiÖm cña chóng t«i ghi<br />
nhËn d÷ liÖu EEG. Chóng t«i sö dông c«ng cô phÇn mÒm Experiment Wizard ®Ó thu nhËn<br />
d÷ liÖu EEG d¹ng th«. TÇn sè lÊy mÉu mÆc ®Þnh EEG tõ thiÕt bÞ Emotiv EPOC lµ 128 Hz,<br />
cung cÊp ®ñ mÉu cho 4 d¶i b¨ng tÇn. D÷ liÖu EEG còng ®îc läc ®Ó lo¹i bá c¸c nhiÔu vµ<br />
c¸c ho¹t ®éng gi¶ (vÝ dô nh chíp m¾t, l¾c ®Çu …). TÊt c¶ nh÷ng d÷ liÖu EEG tõ 14 kªnh<br />
(®iÖn cùc) ®îc sö dông cho läc d¶i tÇn sè vµ biÕn ®æi nhanh Fourier ®Ó t¸ch ra 70 ®Æc tÝnh<br />
nh miªu t¶ trong phÇn tríc.<br />
4. KÕT qu¶ thö nghiÖm vµ th¶o luËn<br />
Bèn kü thuËt SVM, kNN, Naive Bayes vµ AdaBoost. M1 ®Ó x©y dùng m« h×nh c¶m xóc<br />
®î tõ WEKA [14]. Tham sè k ®îc thiÕt lËp lµ 3 vµ kho¶ng c¸ch Euclidean ®îc sö dông<br />
trong kü thuËt kNN. Nh©n tuyÕn tÝnh (linear kernel) ®îc lùa chän cho kü thuËt SVM. §èi<br />
víi kü thuËt AdaBoost.M1, nh©n J48 ®îc sö dông. Chóng t«i chän nh÷ng thiÕt lËp nµy ®Ó<br />
nhËn ®îc hiÖu suÊt cao nhÊt cho c¸c kü thuËt trªn. Trong thö nghiÖm, x¸c nhËn chÐo 5 lÇn<br />
(5 – fold cross validation) ®îc sö dông ®Ó cã tû lÖ nhËn d¹ng cho bèn kü thuËt trªn vµ<br />
kÕt qu¶ ®îc thÓ hiÖn trong b¶ng 1.<br />
B¶ng 1. Tû lÖ (%) nhËn d¹ng c¶m xóc cho SVM, kNN, Naive Bayes vµ AdaBoost.M1.<br />
SVM kNN Naive Bayes AdaBoost.M1<br />
Tû lÖ (%) nhËn d¹ng c¶m xóc 89.25 83.35 66 92.8<br />
Chóng t«i còng tiÕn hµnh ®o tû lÖ nhËn d¹ng c¶m xóc ®èi víi mçi d¶i tÇn sè delta, theta,<br />
alpha vµ beta. H×nh 2 thÓ hiÖn tû lÖ nhËn d¹ng c¶m xóc cho mçi d¶i tÇn sè. Cét cuèi cïng<br />
trong b¶ng 2 chØ ra tû lÖ nhËn d¹ng cho c¸c d÷ liÖu EEG kh«ng qua bé läc bao gåm d÷ liÖu cña<br />
4 d¶i tÇn sè nãi trªn vµ d÷ liÖu cho d¶i tÇn sè gamma. HiÖu n¨ng hÖ thèng cho d¶i tÇn sè alpha<br />
vµ beta dÔ dµng thÊy ®îc lµ cao h¬n h¼n so víi d¶i tÇn sè deta vµ theta. KÕt qu¶ nµy chØ ra<br />
r»ng ph¶n øng c¶m xóc cña con ngêi cã liªn hÖ mËt thiÕt víi c¸c d¶i tÇn sè cao h¬n lµ nh÷ng<br />
d¶i tÇn sè thÊp.<br />
B¶ng 2. Tû lÖ (%) nhËn d¹ng c¶m xóc cho bèn d¶i tÇn sè víi kü thuËt AdaBoost.M1<br />
Delta Theta Alpha Beta TÊt c¶<br />
Tû lÖ (%) nhËn d¹ng c¶m xóc 69.95 68.4 75.5 89.7 92.8<br />
<br />
5. KÕT LUËN<br />
Trong bµi b¸o nµy, chóng t«i ®· tr×nh bµy hÖ thèng nhËn d¹ng c¶m xóc sö dông d÷ liÖu<br />
tÝn hiÖu sãng n·o EEG ®îc ghi nhËn khi ngêi tham gia thö nghiÖm theo dâi c¸c ®o¹n<br />
phim ng¾n cã c¶m xóc ®Ó x©y dùng c¸c m« h×nh c¶m xóc víi bèn kü thuËt Naive Bayes,<br />
kNN, SVM vµ AdaBoost.M1. KÕt qu¶ nhËn d¹ng ®· chØ ra r»ng, thiÕt bÞ th¬ng m¹i<br />
Emotiv EPOC lµ cã tiÒm n¨ng cho viÖc triÓn khai c¸c øng dông nhËn d¹ng c¶m xóc cho<br />
c¸c hÖ thèng khuyÕn c¸o trong th¬ng m¹i ®iÖn tö, ho¹t ®éng gi¶i trÝ vµ x· héi.<br />
<br />
<br />
<br />
<br />
88 N.T.Xuân, N.T.Tùng. “Xây dựng hệ thống … Emotiv Epoc.”<br />
Nghiên cứu khoa học công nghệ<br />
<br />
TµI LIÖU THAM KH¶O<br />
[1]. Anderson, K., el at, “A real-time automated system for the recognition of human facial<br />
expressions,” IEEE Trans. System, Part B: Cybernetics 36(1), 96–105 (2006).<br />
[2]. Anttonen, J., Surakka, V., “Emotions and Heart Rate while Sitting on a Chair,” In: CHI<br />
2005: Proceedings of the SIGCHI Conf. on Human Factors in Computing Sys., pp. 491<br />
(2005).<br />
[3]. Leng, H., Lin, Y., Zanzi, L.A. “An Experimental Study on Physiological Parameters<br />
Toward Driver Emotion Recognition,” In: Dainoff, M.J. (ed.) HCII 2007 and EHAWC<br />
2007. LNCS, vol. 4566, pp. 237–246. Springer, Heidelberg (2007).<br />
[4]. EEG-based emotion recognition (Online),<br />
[5]. Petrantonakis, C.P., Hadjileontiadis, J.L., ”Emotion Recognition From EEG Using Higher<br />
Order Crossings,” IEEE Transactions on Info. Tech. in Biomedicine 14(2), 186–197<br />
(2010)<br />
[6]. Lin,Y., “EEG-Based emotion recognition in music listening,”IEEE Trans.57, pp.1798<br />
(2010).<br />
[7]. Murugappan, M., ”Human emotion classification using wavelet transform and KNN,”<br />
Inter.Conf. on Pattern Analysis and Intelligent Robotics, vol. 1, pp. 148–153 (2011)<br />
[8]. Lotte, F., Congedo, M., LÐcuyer, A.: F. Lamarche and B. Arnaldi, “A review of classification<br />
algorithms for EEG-based brain computer interfaces,” J. of Neural Engineering (2007)<br />
[9]. Emotiv EPOC headset, http://www.emotiv.com/<br />
[10]. Experiment Wizard software tool, http://code.google.com/p/experimentwizard/<br />
[11]. FilmStim database, http://www.ipsp.ucl.ac.be/recherche/FilmStim/<br />
[12]. Li, M., Lu, B.L., “Emotion classification based on gamma-band EEG,” In: IEEE Int.<br />
Conference Eng. in Medicine and Biology Society, Minneapolis, pp. 1223–1226 (2009).<br />
[13]. Nie, D., Xiao, W.W., Li, C.S., Baoliang, L., ”EEG-based emotion recognition during<br />
watching movies,” 5th Int. IEEE/EMBS Conference on Neural Eng., pp. 667 (2011)<br />
[14]. WEKA, http://sourceforge.net/projects/weka/<br />
<br />
Abstract<br />
Building the emotion detection system with<br />
emotiv epoc headset<br />
Studying emotion is indispensable sience emotion plays an important role in the interaction<br />
between humans. Emotion is fundamental to human experience, influencing cognition, perception,<br />
learning communication, and even rational decision-making.. This paper aims at finding the<br />
relationships between EEG signals and human emotions based on emotion recognition experiments<br />
that are conducted using the commercial Emotiv EPOC headset to record EEG signals while<br />
participants are watching emotional movies. Alpha, beta, delta and theta bands filtered from the<br />
recorded EEG signals are used to train and evaluate classifiers with different learning techniques<br />
including Support Vector Machine, k-Nearest Neighbour, Naive Bayes and AdaBoost.M1. Our<br />
experimental results show that we can use the Emotiv headset for emotion recognition and that the<br />
AdaBoost.M1 technique and the theta band provide the highest recognition rates.<br />
Keywords: Emotiv headset, Emotiv EPOC, The theta band, Participants<br />
<br />
Nhận bài ngày 25 th¸ng 12 năm 2013<br />
Hoàn thiện ngày 14 th¸ng 5 năm 2014<br />
Chấp nhận đăng ngày 25 th¸ng 5 năm 2014<br />
§Þa chØ: * Häc viÖn kü thuËt mËt m· - Ban c¬ yÕu chÝnh phñ;<br />
** Trêng §¹i Häc HËu cÇn Kü ThuËt C«ng an nh©n d©n.<br />
<br />
<br />
<br />
<br />
Tạp chí Nghiên cứu KH&CN quân sự, Số 31, 06 - 2014 89<br />