Mood Detector - On Using Machine Learning to Identify Moods and Emotions

Cernian, Alexandra; Olteanu, Alexandra; Carstoiu, Dorin; Mares, Cristina

doi:10.1109/cscs.2017.36

Cited by 6 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…It works like an automatic system. [1] In the current context, the trend in technology is tilted largely towards developing applications that increase the comfort of people and the interaction between humans and computers. The most known example of emotions detection application is based on interpreting facial expressions using image processing algorithms.…”

Section: Introductionmentioning

confidence: 99%

Light Actuation Based On Facial Mood Recognition

Kadam

Mhatre

Redasani

et al. 2020

int. jour. eng. com. sci

View full text Add to dashboard Cite

Current lighting technologies extend the options for changing the appearance of rooms and closed spaces, as such creating ambiences with an affective meaning. Using intelligence, these ambiences may instantly be adapted to the needs of the room’s occupant(s), possibly improving their well-being. In this paper, we set actuate lighting in our surrounding using mood detection. We analyze the mood of the person by Facial Emotion Recognition using deep learning model such as Convolutional Neural Network (CNN). On recognizing this emotion, we will actuate lighting in our surrounding in accordance with the mood. Based on implementation results, the system needs to be developed further by adding more specific data class and training data.

show abstract

Section: Introductionmentioning

confidence: 99%

Light Actuation Based On Facial Mood Recognition

Kadam

Mhatre

Redasani

et al. 2020

int. jour. eng. com. sci

View full text Add to dashboard Cite

show abstract

“…Penelitian untuk memprediksi emosi manusia berdasarkan kondisi tubuh sudah dilakukan seperti pada penelitian yang dilakukan oleh Mikael Menard yang memprediksi emosi marah, jijik, takut, gembira, terkejut, dan sedih berdasarkan 2 parameter yaitu detak jantung dan konduktivitas kulit [8]. Penelitian prediksi emosi berdasarkan kondisi tubuh dikembangkan seperti penelitian yang dilakukan oleh Alexandra Cernian yang memprediksi emosi happy, sad, nervous, dan bored pada orang dewasa berdasarkan 3 parameter yaitu suhu tubuh, detak jantung, serta konduktivitas kulit [9]. Selanjutnya, penelitian terkait prediksi emosi berdasarkan kondisi tubuh dikembangkan kembali dengan menambahkan beberapa parameter lain seperti penelitian yang dilakukan oleh Trisha Paul, yang melakukan penelitian prediksi emosi pada 16 subjek berdasarkan 4 parameter yaitu detak jantung, konduktivitas kulit, suhu tubuh, serta sinyal EEG [10].…”

unclassified

Fusi Algoritma K-Means dan CNN untuk Klasifikasi Emosi pada Anak

Zhafirah,

Rokhana,

Sigit

et al. 2023

View full text Add to dashboard Cite

Emosi adalah perasaan yang diarahkan pada seseorang ataupun sesuatu yang bisa menyebabkan sesorang bertindak atau mengekspresikan diri dan dapat dipicu secara internal ataupun eksternal. Ekspresi wajah merupakan salah satu cara termudah untuk mengetahui emosi seseorang, namun terkadang seseorang dapat mengontrol dan memanipulasi ekspresi wajah mereka sehingga tidak sesuai dengan apa yang dialami. Oleh karena itu, penelitian ini mengembangkan sistem yang dapat mengidentifikasi emosi anak tidak hanya berdasarkan wajah tetapi juga berdasarkan perubahan kondisi tubuhnya. Penelitian ini menggunakan metode klasifikasi Convolutional Neural Network (CNN) dan juga metode clusterisasi K-Means. Penggunaan 2 metode pada penelitian ini berfungsi untuk memperkuat akurasi sistem. Metode K-Means digunakan untuk mengidentifikasi emosi berdasarkan detak jantung dan konduktivitas kulit sedangkan Metode CNN digunakan untuk mengidentifikasi emosi berdasarkan ekspresi wajah. Hasil yang diperoleh dari kedua metode tersebut akan diproses menggunakan metode fusi yang aturannya disesuaikan berdasarkan hasil pengamatan dan pengukuran, sehingga dapat diprediksi emosi pada anak berdasarkan parameter detak jantung, ekspresi wajah, dan konduktivitas kulit. Anak dengan umur 6 hingga 12 tahun digunakan sebagai subjek pada penelitian ini. Dari penelitian ini berhasil didapatkan hasil prediksi emosi anak dengan akurasi keberhasilan sebesar 80%.

show abstract