Reconocimiento de Estados Emocionales de Personas mediante la Voz Utilizando Algoritmos de Aprendizaje de Máquina

Abstract

El reconocimiento de estados emocionales de las personas se ha popularizado en aras de mejorar las interacciones entre personas y robots. Actualmente, los investigadores han mostrado un creciente interés por desarrollar técnicas que permitan reconocer emociones a través de la voz. Las técnicas más populares para reconocer emociones mediante la voz, utilizan bases de datos con registros de voz de diferentes personas que expresan diferentes emociones, para entrenar algoritmos de aprendizaje de máquina. Particularmente, las emociones humanas pueden ser expresadas de diversas maneras, lo cual afecta la capacidad de reconocimiento de estos algoritmos, y en consecuencia, la capacidad de interacción eficaz de los robots, ya que reconocer todas las formas de expresión de una misma emoción a través de la voz es una tarea compleja. En este sentido, en aras de proporcionar la capacidad a los robots de reconocer emociones de un amplio grupo de personas, en esta investigación se construye una base de datos en condiciones controladas y actuadas de seis emociones (ira, sorpresa, felicidad, miedo, tristeza y asco). Luego, con el propósito de hacer comparaciones, se entrenan tres modelos de aprendizaje automático (Máquinas de Vectores de Soporte, Bosques Aleatorios y Aumento del Gradiente). Posteriormente, se construyen dos bases de datos adicionales (una en condiciones controladas y semi-naturales, y otra en condiciones no controladas y naturales) para probar con mayor rigurosidad los modelos entrenados. Los resultados obtenidos indican que la mejor tasa de reconocimiento se obtiene cuando se hacen predicciones sobre muestras capturadas en la mismas condiciones que las muestras de la base de datos de entrenamiento, y además, para muestras pertenecientes a las otras bases de datos hay resultados prometedores, como por ejemplo, la alta tasa de reconocimiento de la ira en todas las pruebas realizadas.