Xây dựng hệ thống nhận dạng cảm xúc sử dụng thiết bị Emotiv Epoc

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