Design of embedded methodologies towards real-time emotion recognition in therapeutic smart-spaces

The so-called Internet-of-Things (IoT) is nowadays a term that is more and more broadly used. This technology poses new challenges and creates new possibilities in our life, bringing the Human-to-Machine paradigm to a whole new level. Specifically, in the medical field this growth opens new opportunities in many applications, such as wearable health-care monitoring, or chronic diseases diagnosing; in this context, the AugE project finds its niche, whose aim is the support of therapies and treatments regarding children affected by specific clinical conditions known as neurodevelopmental disorders (NDD). Among its main drawbacks, this condition prevents the correct perception of others' feelings, thoughts, and emotions. Aim of this thesis is to propose an emotion detection algorithm, based on the RECOLA database, that can correctly predict the emotional state of an individual by analyzing relevant features extracted from physiological signals. This recognition method should be computationally light and should be suitable for being employed on a wearable device. Secondly, it is presented how to acquire and correctly deal with those physiological data in an unobtrusive, reliable, low-cost, and energy-aware condition through the use of an embedded platform, the Raspberry Pi. In particular, two sensors will be employed: one for the recording of the electrocardiogram (ECG) signal, and the other for the recording of the electrodermal activity (EDA) signal. As a matter of fact, these signals are symptomatic of physiological changes, making them suitable for the purposes of this thesis. Experimental results show the high accuracy obtained, specifically 96-97%, in predicting arousal and valence, two dimensions for emotions characterization, using both ECG and EDA as input data. Moreover, the qualitative results obtained from the acquisition and the conditioning of the collected physiological signals pose strong bases for future developments.

Negli ultimi anni, il cosiddetto Internet-of-Things, o Internet delle cose, ha aperto la strada a nuove possibilità e nuove sfide. Questa emergente technologia rivoluziona il modo in cui vengono concepiti gli oggetti, portando l'interazione Uomo-Macchina verso un nuovo livello. Con particolare attenzione al campo medico, questa crescita apre nuove opportunità in molteplici applicazioni, come nel monitoraggio delle funzioni vitali di una persona, o nella diagnosi di malattie croniche; in questo contesto si colloca il progetto AugE, il cui scopo è il supporto di terapie e trattamenti riguardanti bambini affetti da condizioni patologice che ne impediscono il completo sviluppo a livello neurologico, come l'autismo o la sindrome di down. Tra gli svantaggi, si pone l'attenzione sulla mancanza di percezione di sentimenti, pensieri, od emozioni provenienti da interazioni con altre persone. Scopo di questa tesi è dunque proporre un algoritmo, basato sul database di RECOLA, per discernere gli stati emotivi di un individuo analizzandone importanti caratteristiche fisiologiche. Questo metodo deve essere computazionalmente efficiente per poter, in seguito, essere implementato su un dispositivo portatile. In secondo luogo, viene presentato come acquisire e processare tali segnali fisiologici in maniera discreta, affidabile, ed economica sia in termini di costo che di consumo. Nello specifico, la piattaforma utilizzata per quest'acquisizione è il Raspberry Pi, mentre i segnali coinvolti sono l'elettrocardiogramma (ECG) e la conduttività elettrica della pella (EDA), essendo quest'ultimi sintomatici di cambiamenti umorali. Usando in combinazione questi segnali, risultati sperimentali mostrano l'alta accuratezza ottenuta, circa il 96-97%, nel predire arousal e valence, le due dimensioni utilizzate per la caratterizzazione di stati emotivi. In aggiunta, i risultati qualitativi ottenuti con l'acquisizione e il trattamento dei segnali fisiologici pongono solide basi per ulteriori sviluppi futuri.