Die Vierte industrielle Revolution führt unsere Gesellschaft zu einem schnellen Übergang in die Zeitalter der Digitalisierung, die tief und unweigerlich die Art und Weise beeinflusst und verändert, wie Mensch-zu-Menschen und Mensch-zu-Computer-Interaktion durchgeführt wird.
IoT ist die Art und Weise, die Daten für verschiedene Zwecke (Nutzung maschineller Lernmodelle, Analyse usw.) einzubringen, die einen großen Einfluss auf die industrielle Revolution haben, indem sie den Alltag der Menschen verbessern und stärken. Gleichzeitig strebt die Gesellschaft als Ganzes nach mehr Lebensqualität, und dazu müssen Gesundheitsfragen besser überwacht und behandelt werden. Infolgedessen bereichert sich die Internet of Things (IoT) -Szene durch die Entwicklung neuer Geräte in den verschiedenen Marktsegmenten dieser Branche.
Denken Sie an die Situation, Sie verwenden Kopfhörer, um die Musik zu hören, und stellen Sie sich auch vor, was passiert, wenn das gleiche Gerät Ihre Valence-Erregung (Emotionserkennung) sowie Ihre Gesundheit im Backend mit Hilfe von Biosignalen aus dem Körper überwacht . Diese Idee könnte mit der Kombination aus IoT, tragbarem Biosignalsensor, Künstlicher Intelligenz (KI) und Cloud auf hochautomatisierte und skalierbareWeise möglich gemacht werden. Denken Sie an die Situation, Sie verwenden Kopfhörer, um die Musik zu hören, und stellen Sie sich auch vor, was passiert, wenn das gleiche Gerät Ihre Valence-Erregung (Emotionserkennung) sowie Ihre Gesundheit im Backend mit Hilfe von Biosignalen aus dem Körper überwacht. Diese Idee könnte mit der Kombination aus IoT, tragbarem Biosignalsensor, Künstlicher Intelligenz (KI) und Cloud auf hochautomatisierte und skalierbare Weisemöglich gemacht werden.
Was sind Wearable Sensoren?
Es ist ein Gerät in direktem Kontakt mit dem menschlichen Körper, um die physiologischen Daten zu extrahieren. Wearable-Sensoren kommen im Bereich der Kommerzialisierung und medizinischen Forschungvoran.
Das Internet der Dinge, das auf dem Gebiet der tragbaren Geräte angewendet wird, stellt eine disruptive Kombination von Technologien dar, die eine größere Anpassung und Rückverfolgbarkeit von Parametern ermöglichen und somit das allgemeine Wohlbefinden der Menschen verbessern können.
Abbildung 1:Datenerfassung im Wearable Sensor
Emotion Sensing Technologien in Aktion mit Machine Learning
Es gibt einige Emotionen-Erkennung/Sensor-Technologien, die bereits in der realen Welt eingeführt wurden.
Emotion-Sensing mit physiologischen Signalen: Dazu gehört das Armband, das Emotionserkennung als eine seiner Merkmale hat. Diese Technologie, bei der die Sensoren in das Armband eingebettet sind, extrahiert verschiedene Daten wie Herzfrequenz (HR), Blutdruck (BP) und Temperatur, um den emotionalen Zustand zu definieren. Diese Art von Technologie hat eine breite Palette von Anwendungen, die bei der Vorhersage potenzieller Gesundheitsprobleme hilft (Früherkennung) und Überwachung der täglichen Aktivitäten. Diese Geräte senden sogar regelmäßig vollständig analysierte Berichte mit möglichen Schwachstellen/Gesundheitsprognosen an die zugewiesenen Ärzte/Ärzte.
Emotion Sensing mit Sprache und Text: Sprachbasierte und textbasierte Emotionserkennung ist die Technologie, die komplexe multimodale Machine Learning Algorithmen nutzt. Diese Technologie nutzt ein Convolutional Neural Network (CNN) und Langes Kurzzeitgedächtnis (LSTM), um akustische Emotionsmerkmale aus Sprachsignalen zu lernen. Und Bi-LSTM (Bidirectional-LSTM) lernte Emotion aus Textdaten. Dann wurden diese beiden Pipelines auf Dense Neural Network (DNN) angewendet, um die Emotion basierend auf dem Eingabetext und den Sprachdaten zu klassifizieren.
Emotion-Sensing mit dem Gesichtsausdruck: Dieses Thema war aktiv Forschung in Computer-Vision-Plattform, diese Methode verwendet keine physiologischen Daten für die Emotionserkennung. Es umfasst vor allem technische Methoden wie Bildverarbeitung und Deep Learning Algorithmen.
Die zuverlässigsten Modelle für maschinelles Lernen/Deep Learning, die in dieser Domäne verwendet werden , sind Support Vector Machine (SVM), Random Forests (RF), K-NN (K-NN), Convolutional Neural Network (CNN), Long Short-Memory (LSTM), Gated Recurrent Units (GRUs). Neben der Kombination solcher maschinellen Lerntechniken zum Beispiel CNN-LSTM.
Durchbruch — Emotion Sensing von Ohrmuscheln
Wenn Smartwatches und Smart Bands seit vielen Jahren die Nachfrage nach Wearables angetrieben haben, die das menschliche Leben überwachen, aber für den Wandel, dann ist eine neue aufsteigende Technologie in Szene gesetzt. Dies ist der Fall für Ohrmuscheln, die allgemein als Wearables bezeichnet werden.
Laut IDC erzielten diese Wearables von 2018 bis 2019 das höchste Wachstum von Jahr zu Jahr, mit einem erstaunlichen Wert von 242 Prozent gegenüber dem Vorjahr. Im Jahr 2019 wurden 139,4 Millionen hörbare Geräte ausgeliefert, was 45,7 Prozent des Marktanteils des 2019 entsprach. Diese Zahl wird voraussichtlich noch stärker wachsen. Die steigende Nachfrage der Kunden, die Kontrolle über ihre Gesundheit zu übernehmen, beeinflusst den Einsatz von Wearable-Technologie im Gesundheitswesen stark.
Als Teil von IoT bietet Hearables mehr als nur Konnektivität zwischen Geräten und bietet das Potenzial für neue Geschäftsmodelle jetzt und in Zukunft. Die Ohren stellen eine ideale Position zum Abrufen der Daten dar und werden metaphorisch als USB-Eingang einer Person beschrieben. Seine Nähe zum Gehirn deutet darauf hin, dass in Zukunft Sensoren, die es schaffen, diese Art von Daten abzurufen, durch diese Art von Gerät ausgenutzt werden.
Warum wir nicht auf alte Technologien angewiesen sind
Wie wir die Forschung zu diesem Bereich gesehen haben, gibt es eine gewisse Leistung mit den psychologischen Daten und mehr dh bildbasierte Gesichtsausdruck, Stimme, Text. Die Emotionserkennung unter Verwendung solcher Daten kann jedoch nicht in einer zuverlässigen Lösunggarantiert werden. Denn Emotion-Sensing mit Gesicht, Sprache und Text hängen stark vom Ausdruck ab, das variiert stark mit jedem einzelnen und ihrem kulturellen Hintergrund und könnte leicht gefälscht werden. Betrachten Sie ein Individuum in einem negativen Zustand der Emotionen bei einigen gesellschaftlichen Anlässen, er/sie könnte den wahren emotionalen Zustand relativ mit einem Lächeln vortäuschen.
Aufgrund einer solchen Komplexität in bestehenden Lösungen werden physiologische Daten (Herzfrequenz) passiv vom menschlichen Körper während des Tages zur Emotionserkennung verwendet, was das System zeitnah präziser macht. Die Raffinesse von Sensoren eingebetteten In-Earphones (Ear-Wearables) hilft, Gehirnsignale (Elektroenzephalographie (EEG)) in Zukunft zu untersuchen .
Auswirkungen in der realen Welt
Aber zuerst, wer sind die Begünstigten? Das menschliche Leben auf der Erde ist sehr vielfältig und diese Lösung kann auf die gesamte Natur des menschlichen Lebens angewendet werden. Um einfach zu sein, wer mag Musik nicht? Um besonders zu sein, stellen Sie sich eine intellektuell behinderte Person vor. Emotion sensing Wearables können helfen, den emotionalen Zustand der Person mit psychischen und anderen gesundheitlichen Bedingungen rund um die Uhr zu überwachen.
Mensch-zu-Maschine-Interaktion: Das Potenzial von IoT mit Emotion-Sensing eröffnet eine enorme Möglichkeit in der Medien- und Unterhaltungsbranche. Wir können ein intimes Empfehlungssystem mit der Weiterentwicklung der AI- und ML-Algorithmen aufbauen. KI-Systeme liefern Biofeedback in Bezug auf die Emotion, die unser Audio-/Video-Erlebnis in Echtzeit steuert.
Optimierung der klinischen Begegnung: Das System, das mit den Datensammlungsprotokollen ausgestattet ist, die mit IoT-Sensoren zusammenarbeiten, sendet regelmäßig vollständig analysierte Berichte mit möglichen Schwachstellen/Gesundheitsprognosen an die zugewiesenen Ärzte/Ärzte.
Gesundheitsanalyse: Wir analysieren verschiedene Parameter direkt an der Quelle, so dass es möglich ist, bessere gesundheitliche Entscheidungen zu treffen, um die richtigen Störungen zu identifizieren, vorbeugende Maßnahmen, um sie zu vermeiden und einen besseren Lebensstil zu führen. „Wir sind bestrebt, die Behinderung dauerhaft zu heilen, direkt an der Quelle.“
Transport: Die speziell behinderten oder älteren Menschen müssen nicht notwendigerweise Krankenhäuser mit Häufigkeit besuchen. Sie könnten zu Hause bleiben und übermäßige Schmerzen beim Pendeln/Transport vermeiden, während sie sicherstellen, dass ihr Leben rund um die Uhr sicher ist.
Qualität der Pflege/Notfälle: Unser System identifiziert Notfälle in Echtzeit und sendet eine sofortige Warnung an die nahegelegenen Krankenhäuser, Hausmeister, Angehörigen oder Nachbarn. Dies stellt sicher, dass sie rechtzeitig Hilfe erhalten, noch bevor die Notdienste eintreffen.
Priorität: Wir stellen sicher, dass ihre Berichte von den Hausmeistern/Krankenhäusern vollständig analysiert werden. Wir geben ihnen die Priorität bei der Terminplanung, sie haben nicht die Möglichkeit, lange Stunden in den Krankenhäusern zu warten und das Ziel ist es, ihre Sicherheit mit größter Bequemlichkeit zu priorisieren.
Zukunftsinnovation mit Open data: Mit Hilfe von biometrischen Daten, die wir sammeln, eröffnet sie einen ganz neuen Weg zur Erforschung/Entwicklung von Medikamenten und legt den Weg für neue zukünftige technische Innovationen für den Menschen.
Fazit: Next Evolution von Ohrhörern!
Synchronisieren Sie die Musik mit Ihrer Stimmung; Machen Sie Ihr Gerät Ihre Gewohnheit lernen; Überwachen Sie Ihre Gesundheit;
Mit Hilfe von tragbaren Sensoren, die in Ohrhörern eingebettet sind, können wir endlich die rohen Herzfrequenz-, EEG- und Bewegungsdaten erfassen. Der Abruf dieser Metriken kann durch die Implementierung künstlicher Intelligenzin genauere und maßgeschneiderte Informationen übersetzt werden, um das Bewusstsein für die Gesundheits- und Fitnessbedingungen zu erhöhen, frühzeitige Erkennung von Krankheiten und Vermeidung des potenziellen Risikos in der Herz-Kreislauf-System.
Darüber hinaus sind hörbare Geräte in der Lage, Sprachfeedback für die Benutzer zu liefern, so dass die Benutzer nicht mehr auf ein Display für die Informationen schauen müssen
Derzeit arbeiten wir daran, emotionsensensible Hörgeräte zu entwickeln, die mit den Signalen aus dem Herzen in der Lage sind, den emotionalen Zustand des Benutzers zu „lesen“. Untersuchungen zeigen, dass physiologische Daten wie die Herzfrequenzvariabilität (HSV) verwendet werden können, um den emotionalen Zustand einer Person aus den Valence-Erregung Methoden zu bestimmen. Dazu gehört zu verstehen, ob eine Person gestresst, glücklich, traurig, müde usw. ist.
Abbildung 2: Valence-Erregung
Durch die Erweiterung des Aspekts des Health-Tracking könnte es interessant sein, einen Algorithmus zur Musikempfehlung zu entwickeln, der auf Machine Learning/Deep Learning Techniken und Algorithmen der künstlichen Intelligenz basiert. Diese Algorithmen würden den Benutzer kennenlernen, insbesondere indem sie seinen Musikgeschmack verstehen und folglich verstehen, welche Art von Musik je nach Umstand am meisten bevorzugt ist.
Daher empfiehlt es sich, basierend auf dem Musikgeschmack und dem emotionalen Status des Nutzers die für den jeweiligen Umstand geeignete Musik.
Darüber hinaus könnte die Einbettung von Funktionen wie Live-Übersetzung und Rauschunterdrückung potenziell mehr Attraktivität für dieses neue Produkt. Aus diesem Grund versuchen wir, den aktuellen Zustand des Kopfhörermarktes zu verstehen.
Das Verständnis von Kaufmustern sowie die Erwartungen der Kunden für zukünftige Entwicklungen können die Entwicklungsphase dieses Projekts unterstützen. Also, Bitte geben Sie Ihre Idee über die Präferenz für Ohr-Wear-Modelle in Ihrem Kopf jetzt.
Für weitere Details, kontaktieren Sie uns!
