| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 4.2 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Stress is the physiological or psychological response to internal or external factors, which can
happen in short or long terms. Prolonged stress can be harmful since it affects the body,
negatively, in several ways, thus contributing to mental and physical health problems.
Although stress is not simple to properly identify, there are several studied approaches that
solidify the existence of a correlation between stress and perceivable human features.
In order to detect stress, there are several approaches that can be taken into consideration.
However, this task is more difficult in uncontrolled environments and where non-invasive
methods are required. Heart Rate Variability (HRV), facial expressions, eye blinks, pupil
diameter and PERCLOS (percentage of eye closure) consist in non-invasive approaches, proved
capable to accurately identify the mental stress present in people.
For this project, the users’ physiological signals were collected by an external video-based
application, in a non-invasive way. Moreover, data from a brief questionnaire was also used to
complement the physiological data.
After the proposed solution was implemented and tested, it was concluded that the best
algorithm for stress detection was the random forest classifier, which managed to obtain a final
result of 84.04% accuracy, with 94.89% recall and 87.88% f1 score. This solution uses HRV data,
facial expressions, PERCLOS and some personal characteristics of the user
O stress é a resposta fisiológica ou psicológica a fatores internos ou externos, o que pode acontecer a curto ou longo prazo. O stress prolongado pode ser prejudicial uma vez que afeta o corpo, negativamente, de várias formas, contribuindo assim para problemas de saúde mental e física. Embora o stress não seja simples de identificar corretamente, existem várias abordagens estudadas que solidificam a existência de uma correlação entre o stress e as características humanas percetíveis. De forma a detetar o stress, existem várias abordagens que podem ser tidas em consideração. No entanto, esta tarefa é mais difícil em ambientes não controlados e onde são necessários métodos não invasivos. A variabilidade da frequência cardíaca (HRV), expressões faciais, piscar de olhos e diâmetro da pupila e PERCLOS (fecho ocular percentual) consistem em abordagens não-invasivas, comprovadamente capazes de identificar o stress nas pessoas. Para este projeto, os dados fisiológicos dos utilizadores são recolhidos a partir de uma aplicação externa baseada em vídeo, de forma não invasiva. Além disso, serão também utilizados dados recolhidos a partir de um breve questionário para complementar os dados fisiológicos Após a implementação e teste da solução proposta, concluiu-se que o melhor algoritmo de deteção de stress foi o random forest classifier, que conseguiu obter um resultado final de 84,04% de precision, com 94,89% de recall e 87,88% de f1 score. Esta solução utiliza dados de HRV, expressões faciais, PERCLOS e certas características pessoais do utilizador
O stress é a resposta fisiológica ou psicológica a fatores internos ou externos, o que pode acontecer a curto ou longo prazo. O stress prolongado pode ser prejudicial uma vez que afeta o corpo, negativamente, de várias formas, contribuindo assim para problemas de saúde mental e física. Embora o stress não seja simples de identificar corretamente, existem várias abordagens estudadas que solidificam a existência de uma correlação entre o stress e as características humanas percetíveis. De forma a detetar o stress, existem várias abordagens que podem ser tidas em consideração. No entanto, esta tarefa é mais difícil em ambientes não controlados e onde são necessários métodos não invasivos. A variabilidade da frequência cardíaca (HRV), expressões faciais, piscar de olhos e diâmetro da pupila e PERCLOS (fecho ocular percentual) consistem em abordagens não-invasivas, comprovadamente capazes de identificar o stress nas pessoas. Para este projeto, os dados fisiológicos dos utilizadores são recolhidos a partir de uma aplicação externa baseada em vídeo, de forma não invasiva. Além disso, serão também utilizados dados recolhidos a partir de um breve questionário para complementar os dados fisiológicos Após a implementação e teste da solução proposta, concluiu-se que o melhor algoritmo de deteção de stress foi o random forest classifier, que conseguiu obter um resultado final de 84,04% de precision, com 94,89% de recall e 87,88% de f1 score. Esta solução utiliza dados de HRV, expressões faciais, PERCLOS e certas características pessoais do utilizador
Description
Keywords
Stress Machine Learning Classification Heart Rate Variability Facial Expressions Eye Blink Pupil Diameter PERCLOS