| Título: | Análise da variação vocal para detecção de estresse e emoções |
| Autor(es): | Santana, Caio Moreira |
| Orientador(es): | Rocha, Adson Ferreira da |
| Coorientador(es): | Merege, Fernando |
| Assunto: | Processamento de sinais
Processamento de sinais de fala
Detecção de emoções
Aprendizado de máquina
Fala |
| Data de apresentação: | 9-Dez-2025 |
| Data de publicação: | 24-Jul-2026 |
| Referência: | SANTANA, Caio Moreira. Análise da variação vocal para detecção de estresse e emoções. 2025. 76 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Mecatrônica) — Universidade de Brasília, Brasília, 2025. |
| Resumo: | Este trabalho apresenta o desenvolvimento e avaliação de um sistema de detecção de estresse
na fala por meio da análise da variação vocal, utilizando técnicas de processamento de sinais
e aprendizado de máquina, com foco em aplicações em entrevistas, avaliações psicológi cas e interações monitoradas. O objetivo geral foi desenvolver um método não intrusivo
para identificar variações na voz indicativas de estresse, destacando-se pela praticidade em
comparação com abordagens tradicionais, como o polígrafo. Foram selecionadas três bases
de dados públicas: SAVEE (Surrey Audio-Visual Expressed Emotion), RAVDESS (Ryerson
Audio-Visual Database of Emotional Speech and Song) e CREMA-D (Crowd-sourced Emoti onal Multimodal Actors Dataset), reconhecidas por sua relevância na análise de emoções. O
sistema implementado utiliza uma arquitetura híbrida denominada ERNN (Enhanced Recur rent Neural Network) que combina redes neurais convolucionais, LSTM (Long Short-Term
Memory) bidirecionais e mecanismos de atenção multi-cabeça, com abordagem hierárquica
para detecção de sentimento e estresse. O método inclui pré-processamento de sinais de
voz, extração de características acústicas (frequência fundamental, jitter, shimmer, MFCCs
(Mel-Frequency Cepstral Coefficients) e padrões de estresse) e treinamento de modelos de
aprendizado de máquina. Os resultados indicam que o sistema é capaz de detectar estresse
vocal com acurácias entre 45% e 69% (chegando a 68,79% no treinamento no modelo SAVEE),
enquanto a detecção de sentimento apresenta acurácias entre 7% e 50% (com destaque para
49,54% no treinamento no modelo SAVEE), indicando melhor generalização para a tarefa
binária de estresse. Foi desenvolvida uma interface gráfica web utilizando Streamlit que
permite aos usuários carregar ou gravar áudios e visualizar predições em tempo real. O
trabalho contribui para o avanço de método não intrusivos de monitoramento emocional,
com potencial para aplicações em segurança, saúde e recrutamento. |
| Abstract: | This work presents the development and evaluation of a stress detection system in speech
through voice variation analysis, employing signal processing and machine learning tech niques, with applications in interviews, psychological assessments, and monitored interac tions. The primary objective was to develop a non-invasive methodology to identify vocal
variations indicative of stress, offering advantages in practicality compared to traditional
approaches such as the polygraph. Three public datasets were selected: SAVEE, RAVDESS,
and CREMA-D, widely recognized for their relevance in emotion analysis. The implemented
system uses a hybrid architecture called ERNN (Emotional Recurrent Neural Network) that
combines convolutional neural networks, bidirectional LSTM (Long Short-Term Memory),
and multi-head attention mechanisms, with a hierarchical approach for sentiment and
stress detection. The methodology includes voice signal preprocessing, extraction of acoustic
features (fundamental frequency, jitter, shimmer, MFCCs, and stress patterns), and training
of machine learning models. Results demonstrate that the system is capable of detecting
vocal stress with accuracies between 45% and 69% (reaching 68.79% in the training in the
SAVEE model), while sentiment detection presents accuracies between 7% and 50% (with
49.54% in the SAVEE model), indicating better generalization for the binary stress task.
A web graphical interface was developed using Streamlit that allows users to upload or
record audio files and visualize predictions in real-time. The work contributes to advancing
non-invasive emotional monitoring methodologies, with potential applications in security,
healthcare, and recruitment. |
| Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2025. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia Mecatrônica
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
