ES2801024A1 - Metodo y sistema de clasificacion de billetes basado en neuroanalisis - Google Patents
Metodo y sistema de clasificacion de billetes basado en neuroanalisis Download PDFInfo
- Publication number
- ES2801024A1 ES2801024A1 ES201930590A ES201930590A ES2801024A1 ES 2801024 A1 ES2801024 A1 ES 2801024A1 ES 201930590 A ES201930590 A ES 201930590A ES 201930590 A ES201930590 A ES 201930590A ES 2801024 A1 ES2801024 A1 ES 2801024A1
- Authority
- ES
- Spain
- Prior art keywords
- user
- biometric
- ticket
- neurometric
- banknote
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/003—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using security elements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
La presente invención se refiere a un sistema y un método de clasificación de billetes basado en neuroanálisis, que comprende: proporcionar a un usuario una información visual de un billete; adquirir, mediante unos sensores de un módulo de entrada, unas señales biométricas del usuario; segmentar, en un módulo de proceso, las señales biométricas adquiridas en períodos de tiempo predeterminados; identificar ciertos eventos como resultado de la comparación de cada uno de los segmentos con unos patrones preestablecidos; obtener al menos una variable biométrica basada en los eventos identificados; analizar las variables biométricas, de acuerdo a resultados conocidos previamente almacenados en una base datos; establecer un indicador neurométrico en función del análisis anterior y clasificar, en un módulo de salida, el billete de acuerdo a los indicadores neurométricos establecidos.
Description
d e s c r ip c ió n
m é to d o y s is te m a de c l a s if ic a c ió n de b il le t e s b a s a d o en
n e u r o a n á lis is
o b je t o de la in ve n c ió n
La presente invención se refiere al campo técnico del neuroanálisis de objetos a través del procesamiento de señales biométricas de los usuarios expuestos a dichos objetos y, más concretamente, a la caracterización de billetes y material de comunicación de los mismos en función de información cuantificable extraída de las señales biométricas, lo que permite clasificar los billetes y material de comunicación de los mismos según una percepción objetiva de los usuarios de ciertos parámetros sobre el diseño y los elementos de seguridad.
a n t e c e d e n t e s de la in ve n c ió n
Actualmente, se garantiza la integridad de cualquier billete utilizado como medio de pago mediante la combinación de diseños y medidas de seguridad en continuo desarrollo, comunicando dichas características a través de materiales de comunicación (campañas de comunicación, folletos, material formativo, etc.).
Además, la creación de dichos billetes debe responder a criterios estéticos y funcionales que permitan su fácil reconocimiento, detectar su autenticidad o simplificar su manejo cumpliendo a la vez con una multitud de requisitos técnicos tanto del público como de fabricantes y organismos emisores. Dado que el billete es un medio de comunicación en sí mismo con el que se pretende comunicar el mensaje expresado en su diseño, entre los requisitos del público se debería tener en cuenta los procesos intelectuales y emocionales del público sobre cómo perciben dichos aspectos estéticos y funcionales para asegurar que el mensaje integrado en el diseño de los billetes es recibido por el público de manera fiel al propósito de comunicación del diseño.
Asimismo, también los materiales de comunicación deben ser elaborados atendiendo a los procesos intelectuales y emocionales del público con el objetivo de que generen el mayor impacto comunicativo posible en el mismo, para así maximizar la garantía de que el público ha recibido el mensaje formativo y, además, lo ha entendido como se esperaba que lo hiciera. Para ello, tan importante es evaluar los contenidos incorporados en los materiales de comunicación, como los materiales en sí (folletos, imágenes, videos, anuncios, etc.),
como la distribución de dichos materiales en Ios diferentes canales de comunicación (web, radio, TV, prensa escrita, etc.),.
Tradicionalmente, la evaluación de la percepción humana de dichos aspectos del billete y materiales de comunicación de Ios mismos se justifica en las teorías de toma de decisión que asumen que podemos verbalizar intencionada y exactamente nuestras actitudes, emociones y conductas. Por tanto, tales teorías se basan en respuestas explícitas obtenidas a través de cuestionarios y entrevistas. Sin embargo, se ha demostrado que tales medidas explícitas pueden estar condicionadas por Ios "efectos de deseabilidad social", que pueden conducir a relatos falsos de conductas, actitudes y creencias. Además, siempre puede haber diferentes interpretaciones, lo que da lugar a resultados con una menor fiabilidad y menor validez. Por otro lado, algunas preguntas que recurren a la autoevaluación de un usuario requieren que las personas tengan un conocimiento abierto de sus disposiciones y esto no siempre ocurre.
Por el contrario, estudios recientes demuestran la considerable influencia de Ios procesos implícitos en las construcciones psicológicas y mecanismos neurocognitivos de especial relevancia para Ios humanos, como las actitudes, Ios estereotipos, la confianza en sí mismo, relaciones personales, toma de decisiones, o apego personal.
Las medidas implícitas se refieren a Ios métodos y técnicas capaces de capturar o rastrear procesos mentales implícitos o sus resultados, incluyendo imágenes cerebrales, monitoreo del comportamiento y resultados psicosomáticos. La neurociencia ha demostrado que en la mayoría de Ios procesos cerebrales que regulan nuestras emociones, actitudes, comportamientos y decisiones no interviene nuestra conciencia. Es decir, estos procesos implícitos son funciones cerebrales que ocurren automáticamente y sin control consciente ni conciencia, lo que contrasta con Ios procesos explícitos que ocurren a través de un control consciente ejecutivo.
La neurociencia y, más específicamente, las técnicas de medición basadas en la respuesta biométrica de seres humanos, han mejorado mucho en Ios últimos años permitiendo ser utilizadas en estudios de valoración de productos, contenidos digitales e incluso en espacios reales. Evidentemente, la aportación de las medidas implícitas no invalida totalmente Ios resultados y construcciones modeladas a partir de procesos explícitos sino que la complementa, puesto que cualquier actividad de investigación sobre decisiones humanas basada en datos que provienen única y exclusivamente de las medidas de proceso explícitas, resulta incompleta y, en ocasiones inexacta.
De acuerdo con todo lo anterior, disponer por parte de diseñadores, bancos centrales y entidades emisoras de una metodología basada en medidas implícitas y explícitas de la percepción del público de los billetes y material de comunicación de los mismos, sería altamente beneficiosa para diseñar familias de billetes y material de comunicación eficientes. Entendida esta eficiencia como la combinación en el billete de un diseño y elementos de seguridad eficaces que capten la atención del público, comuniquen adecuadamente el mensaje integrado en su diseño y faciliten el reconocimiento del billete, aumentando, por consiguiente, su seguridad; y la elaboración de material de comunicación de billetes capaz de generar el mayor impacto comunicativo posible de tal forma que maximice la comunicación al público del reconocimiento del billete, su diseño y medidas de seguridad.
d e s c r ip c ió n de la in ve n c ió n
Con el fin de alcanzar los objetivos y evitar los inconvenientes mencionados anteriormente, la presente invención describe, en un primer aspecto, un método para clasificar billetes, basado en neuroanálisis, que comprende los pasos de: proporcionar a un usuario una información visual de un billete; adquirir, mediante un sensor de un módulo de entrada al menos una señal biométrica del usuario, como respuesta a la información visual del billete; segmentar, en un módulo de proceso, las señales biométricas adquiridas en períodos de tiempo predeterminados; comparar cada uno de los segmentos con unos patrones preestablecidos; identificar ciertos eventos como resultado de la comparación de cada uno de los segmentos con los patrones preestablecidos; obtener al menos una variable biométrica basada en los eventos identificados; analizar, en el módulo de proceso, las variables biométricas, de acuerdo a resultados conocidos previamente almacenados en una base datos; establecer, en el módulo de proceso, un indicador neurométrico en función del análisis anterior; y clasificar, en un módulo de salida, el billete de acuerdo al indicador neurométrico establecido.
De acuerdo a una de las realizaciones de la invención, la información visual del billete se proporciona de forma física, de forma virtual o mediante una combinación de las dos en una interfaz tangible sobre la que se representan elementos virtuales añadidos a un billete físico mediante tecnología de realidad aumentada.
La señal biométrica, según una realización particular de la invención, comprende información de al menos un proceso implícito del usuario, a seleccionar entre: análisis de
gestos en la interacción del billete con las manos, seguimiento ocular y análisis de expresión facial.
La señal biométrica, según una realización particular de la invención, comprende información de una respuesta fisiológica del usuario a seleccionar entre: una respuesta cerebral, una variación del ritmo cardíaco y la conductancia de la piel.
La presente invención contempla la posibilidad de obtener una variable biométrica del seguimiento ocular del usuario, donde los eventos identificados resultan de la comparación de la señal de seguimiento ocular con un patrón que establece un primer umbral de velocidad de movimiento del ojo del usuario que determina la presencia de un evento de fijación o un evento de movimiento sacádico. Adicionalmente, se contempla la posibilidad de, una vez detectado un movimiento sacádico, determinar si corresponde a un movimiento sacádico ambiental o un movimiento sacádico focal, de acuerdo a un segundo umbral preestablecido de desviación angular del ojo del usuario durante dicho evento.
Las variables biométricas obtenidas por la presente invención, basadas en los eventos identificados, se contempla que comprendan una información cuantificable de dichos eventos identificados, a seleccionar entre: cantidad de eventos identificados, duración promedio de los eventos identificados, frecuencia de cada evento identificado en un tiempo preestablecido, secuencia de los eventos identificados y número de visitas a una misma área predefinida.
Adicionalmente, en una de las realizaciones de la invención, se contempla definir al menos un área de interés en el billete y asociar la variable biométrica adquirida del usuario a dicho área de interés. Particularmente, en una de las realizaciones de la presente invención donde la información visual comprende un elemento de seguridad dispuesto en el billete, se contempla que el área de interés sea mayor o igual que el área del billete ocupada por el elemento de seguridad y donde el área de interés incluye el área del billete ocupada por dicho elemento de seguridad. As í, ventajosamente es posible evaluar cada uno de los elementos del billete por separado.
Según una realización de la presente invención, analizar las variables biométricas de acuerdo a resultados conocidos previamente, comprende entrenar un sistema de aprendizaje supervisado del módulo de proceso de acuerdo a los siguientes pasos:
- repetir Ios pasos de: proporcionar a un usuario una información visual de un billete; adquirir, mediante un sensor de un módulo de entrada al menos una señal biométrica del usuario, como respuesta a la información visual del billete; y segmentar, en un módulo de proceso, las señales biométricas adquiridas en períodos de tiempo predeterminados; para una pluralidad de billetes diferentes y usuarios diferentes;
- agrupar, para cada billete, Ios eventos identificados de cada usuario, de acuerdo a un número previamente establecido de grupos;
- asignar a cada billete un valor inicial del indicador neurométrico, donde dicho valor está basado en un análisis de Ios grupos de eventos identificados por un usuario experto.
Adicionalmente, se contempla la posibilidad de analizar las variables biométricas mediante el módulo de aprendizaje supervisado del módulo de proceso, siguiendo Ios pasos de: proporcionar el valor inicial del indicador neurométrico, asignado a cada billete, en una entrada del sistema de aprendizaje; aplicar un modelo predictivo, por el sistema de aprendizaje supervisado, sobre las variables biométricas obtenidas por el módulo de proceso y el valor inicial asignado; y validar, mediante un proceso de validación cruzada, con un número de iteraciones determinado previamente, el modelo predictivo.
Las métricas parciales de la presente invención, definidos en el presente documento como indicadores neurométricos, representan uno o más de Ios siguientes procesos cognitivos cerebrales del usuario: interés visual, atención, emociones evocadas, motivación, carga mental, estrés y nivel de excitación.
Opcionalmente, se contempla en una de las realizaciones de la invención que el usuario sea provisto de información táctil y sonora del billete.
Un segundo aspecto de la invención se refiere a un sistema para clasificar billetes, basado en neuroanálisis, que comprende Ios siguientes elementos:
- un módulo de entrada que comprende al menos un sensor, configurado para adquirir una señal biométrica del usuario, como respuesta a una información visual del billete proporcionada a dicho usuario;
- un módulo de proceso, configurado para segmentar la señal biométrica en períodos de tiempo predeterminados; comparar cada uno de los segmentos con unos patrones preestablecidos; identificar ciertos eventos como resultado de la comparación de cada uno de los segmentos con los patrones preestablecidos; obtener al menos una variable biométrica basada en los eventos identificados; analizar las variables biométricas de acuerdo a resultados conocidos previamente almacenados en una base datos; y establecer un indicador neurométrico en función del análisis; y
- un módulo de salida configurado para clasificar el billete, de acuerdo al indicador neurométrico.
Opcionalmente, en una de las realizaciones, el módulo de salida cuenta con unos medios de visualización, configurados para representar visualmente los indicadores neurométricos del billete y una métrica final de clasificación, basada en los indicadores neurométricos, asociada con la información visual de cada billete.
La presente invención implica, por tanto, una serie de ventajas sobre el estado del arte. Resulta muy ventajoso para el diseño e incorporación de elementos de seguridad en los billetes, el neuroanálisis llevado a cabo por la presente invención, donde a diferencia de los estudios conocidos en el estado del arte, contempla la integración de métricas que cuantifican el comportamiento gestual de interacción del público con el billete, integra técnicas de seguimiento ocular para mapear fijaciones sobre el billete, equipos de medida cerebral sincronizados con la valoración de cada billete, integra la señal de variabilidad de ritmo cardíaco como indicador del impacto a nivel de valencia y excitación del diseño del billete y en definitiva, produce una clasificación de los billetes en función de una precisa caracterización objetiva de la percepción humana. La clasificación de billetes realizada por el método y el sistema de la presente invención sigue un proceso que asegura su replicabilidad y comparación entre estudios realizados, con el mismo equipamiento, en cualquier lugar del mundo.
La presente invención contempla la generación de un clasificador con impacto neurocomportamental, que tiene en cuenta métricas provenientes del sistema de análisis
ocular, fisiológicas y respuestas voluntarias, para aportar indicadores de impacto del diseño que ayudan a la comparación de diferentes parámetros de diseño con el fin de determinar el diseño y los elementos de seguridad que conformarán un billete.
b r e v e d e s c r ip c ió n d e la s f ig u r a s
Para completar la descripción de la invención y con objeto de ayudar a una mejor comprensión de sus características, de acuerdo con un ejemplo preferente de realización de la misma, se acompaña un conjunto de dibujos en donde, con carácter ilustrativo y no limitativo, se han representado las siguientes figuras:
- La figura 1 muestra un diagrama de bloques que recoge la metodología completa seguida en una realización de la invención.
- La figura 2 muestra esquemáticamente el proceso de identificación y cuantificación de la información extraída de una señal biométrica de seguimiento ocular adquirida en una de las realizaciones de la invención.
- La figura 3 muestra un diagrama de bloques que recoge el proceso de generación y entrenamiento del clasificador utilizado por la presente invención.
- La figura 4 asocia gráficamente varios ejemplos de las señales medidas a cada usuario para el cálculo de diferentes indicadores neurométricos. Se representan concretamente cinco indicadores diferentes.
- La figura 5 muestra una de las posibles visualizaciones proporcionadas a la salida de una realización particular de la invención, donde se han definido varias áreas de interés sobre el billete asociadas tanto a elementos de seguridad como a elementos de diseño.
- La figura 6 esquematiza las posibilidades de presentación de objetos para la neuroevaluación de la presente invención, preferiblemente billetes de banco, tanto en formato real como virtual, con contexto o sin contexto.
d e s c r ip c ió n d e t a l la d a de la in v e n c ió n
La presente invención divulga un método y un sistema para clasificar billetes de banco, basado en técnicas de neuroanálisis. As í, permite determinar qué elementos de diseño y seguridad deben ser integrados en la fabricación de un nuevo billete de banco y su
configuración óptima, en función de la monitorización de ciertos procesos conscientes e inconscientes del público expuesto a tales elementos.
De forma análoga, la presente invención puede aplicarse también al material de comunicación de billetes, lo que permite elaborar de manera eficiente los materiales de comunicación que enfatizan las principales características de los billetes en los folletos informativos, tanto impresos como en páginas web, de las entidades emisoras (accesibles por ejemplo a través de la página web del Banco de España), En estos folletos, cada uno de los elementos de seguridad de un billete (como por ejemplo relieves, marcas de agua, hilos de seguridad, ventanas con retrato, hologramas, colores, propiedades infrarrojas, microtextos o respuesta a la luz ultravioleta estándar o especial) es identificado y resaltado, tanto visualmente como mediante textos explicativos que indican al usuario cómo reconocerlo, por tanto la aplicación de la presente invención sobre dicho material de comunicación permite determinar, de forma análoga que en el caso de evaluar un billete, su efectividad de comunicar al público los elementos de diseño y seguridad integrados en un billete, en función de la monitorización de ciertos procesos conscientes e inconscientes del público expuesto a tales materiales de comunicación.
El neurodiseño de billetes de acuerdo a la presente invención, puede aplicarse a uno sólo o a todos los elementos que se integran actualmente en un billete o material de comunicación. Preferiblemente, es de aplicación sobre los elementos de seguridad, ya que la seguridad de cualquiera de los elementos que se implementan sobre un billete para asegurar su autenticidad, no proviene únicamente de las características técnicas propias de dichos elementos, que impiden o dificultan su imitación, sino que también influye el nivel de seguridad que percibe el público.
Por tanto, la percepción del público de un elemento de seguridad es fundamental para mejorar su eficacia porque si un elemento de seguridad, como por ejemplo una lámina holográfica, aun en el hipotético caso de que fuera imposible su imitación, se integrara en un billete de manera que pasara totalmente desapercibida para el usuario, la efectividad de dicho elemento en la integridad global del billete sería nula.
La presente invención, por tanto, aumenta la eficacia de los elementos que componen el billete y los materiales de comunicación proporcionando una evaluación de los mismos basada en varias medidas implícitas del usuario, las cuales son obtenidas como resultado de una cuantificación de eventos detectados, mediante la comparación con ciertos patrones preestablecidos de las señales biométricas del usuario captadas por los correspondientes
sensores dispuestos en el sistema. La cuantificación de las respuestas conscientes e inconscientes se realiza mediante técnicas provenientes de la neurociencia y la medida del comportamiento, que son utilizadas para inferir, de los eventos detectados en las señales biométricas, diversas variables biométricas que caracterizan dichas señales durante el tiempo de exposición de un usuario a un estímulo visual. A partir de estas variables biométricas, se comprueba la existencia de patrones en las respuestas inconscientes y sus correlaciones con la evaluación de los elementos del billete bajo estudio, obteniendo indicadores neurométricos que clasifican estos elementos en función de respuestas cognitivas, como el interés visual o la carga de trabajo.
La clasificación del conjunto de variables biométricas en indicadores neurométricos, se realiza mediante técnicas de aprendizaje supervisado como redes neuronales. Posteriormente, cada una de estas neurométricas es ponderada y fusionada en una única métrica final, en función de unos pesos definidos por un grupo de expertos, que permitirá caracterizar a nivel general el elemento de diseño o seguridad o billete completo o material de comunicación que se está analizando, permitiendo así determinar si dicho elemento es apto para ser integrado en el billete o, ser puesto en circulación en caso de estar analizando un billete completo, o divulgar al público si se trata de material de comunicación.
La figura 1 muestra un diagrama de bloques que recoge la metodología seguida en una realización completa de la invención. De acuerdo a dicha figura 1, la presente invención contempla una entrada 1 que puede comprender uno o varios tipos de señales de entrada x ‘ = [x{ ,x^ ---,x4], como por ejemplo muestras reales de billetes 11, muestras de billetes reales con elementos de seguridad alterados 12, muestras de prueba de billetes que no están en circulación 13 o materiales de entrenamiento/formación/comunicación sobre billetes 14. Estas entradas se introducen en un módulo configurable de neuroevaluación 2 con una configuración determinada que define el contexto 21 a extraer, (puede no proporcionarse contexto 211, proporcionarse un contexto real 212 o proporcionarse un contexto virtual 213), el modo de presentación 22 del billete (puede ser un modo de presentación físico 221 o un modo de presentación virtual 222), los usuarios 23 a los que se van a exponer las muestras y los modos 24 de obtención de las respuestas (se contemplan la respuesta por el comportamiento humano 241, la respuesta fisiológica 242 y las respuestas voluntarias 243). Sobre las entradas anteriores, adquiridas, de acuerdo a la configuración establecida en el módulo configurable de neuroevaluación 2, operan un conjunto de algoritmos f i:j cargados en un módulo de proceso neurométrico 3 para extraer y ofrecer a su salida un conjunto de indicadores neurométricos 4, relacionados con la neuropercepción del billete x° = [x°,x2 ,---,x^], que pueden ser mostrados al usuario
directamente en el módulo de salida 5 o servir de base para una métrica final de clasificación de los billetes.
De forma matricial, x° = A ■x l , siendo A e Mmxn(M), la matriz neurométrica de los billetes f l , 1 ' ' ' f l ,n
A = : : que aglutina el conjunto de operaciones realizadas en el módulo de fm ,1 fm ,n
proceso 3.
Por tanto, las métricas obtenidas a la salida del módulo de proceso dependen completamente de las técnicas seleccionadas y modos de obtener las respuestas de los usuarios. En una de las realizaciones de la invención se contemplan las siguientes respuestas:
- Respuesta de comportamiento humano 241:
• seguimiento ocular 2411: se disponen varias cámaras infrarrojas para registrar las pupilas de los ojos. Después de una calibración, donde el usuario enfoca algunos puntos específicos, la mirada del usuario se determina mediante algoritmos de seguimiento de libre acceso, referenciados en coordenadas bidimensionales;
• análisis de expresión facial 2412: se dispone una cámara frontal para la detección de gestos en la cara del usuario, los cuales serán posteriormente analizados aplicando algoritmos de análisis de expresión facial; y
• seguimiento del comportamiento del usuario ante el billete 2413: comprende una recopilación de las interacciones que el usuario realiza con el billete, las cuales son obtenidas a través de un conjunto de cámaras que registran sus gestos. Para ello, se disponen varias cámaras RGB-D que, junto con algoritmos específicos de visión artificial, permiten detectar y cuantificar los gestos habituales de los usuarios en la interacción con el billete.
- Respuesta fisiológica 242:
• respuesta cerebral 2421: se dispone, sobre la cabeza del usuario, un casco inalámbrico, en comunicación con el resto del sistema, para medición cerebral de electroencefalogramas;
• variabilidad de ritmo cardiaco 2422, que puede medirse por ejemplo colocando unos electrodos en la zona torácica o por medio de un sensor fotoeléctrico en el dedo índice; y
• conductancia de la piel 2423: opcionalmente puede medirse por medio de la aplicación de unos electrodos en la muñeca, en la palma de la mano o en las falanges medias de los dedos índice y anular para la medición de la conductancia de la piel.
- Respuesta voluntaria 243:
No se profundiza más en las respuestas voluntarias solicitadas a los usuarios, ya que corresponde a las medidas explícitas utilizadas de forma común en el estado del arte, es decir, las obtenidas mediante entrevistas, cuestionarios u otras vías contempladas habitualmente.
De acuerdo a la configuración del módulo 2, se obtienen unas señales biométricas para cada uno de los usuarios en la entrada 31 del módulo de proceso neurométrico 3. Por tanto, la entrada del módulo de proceso neurométrico agrupa las señales sincronizadas obtenidas para cada usuario por los correspondientes sensores, las relativas al comportamiento humano, las relativas a su respuesta fisiológica y las relativas a su respuesta voluntaria.
Estas señales y medidas individuales recogidas para cada uno de los usuarios, se someten en el módulo de proceso neurométrico 3 a un proceso de acondicionamiento 32 que puede comprender técnicas para eliminar los ruidos que se hayan podido generar durante el proceso de medida (especialmente relevante en las señales fisiológicas), técnicas para descartar posibles valores atípicos y técnicas para la normalización de la señal si fuera necesario.
El acondicionamiento es un proceso necesario, excepto para las respuestas voluntarias, previo a la extracción de métricas relevantes de las señales. Cada una de las señales utilizadas recibe un acondicionamiento específico como los que se detallan a continuación.
Así, por ejemplo, es preciso eliminar el ruido excesivo en la señal de seguimiento ocular 2411. Inevitablemente, este ruido va a registrarse debido a la inestabilidad inherente del ojo, y sobre todo, debido a los parpadeos, los cuales generan fuertes perturbaciones de la señal, pero estas perturbaciones pueden eliminarse dependiendo del dispositivo de recodificación de seguimiento ocular disponible. A menudo sucede que el dispositivo en sí tiene capacidad para filtrar los parpadeos, o que simplemente devuelve un valor de (0,0) cuando el
rastreador ocular "pierde de vista" las características necesarias para registrar Ios movimientos oculares. En la práctica, Ios datos del seguimiento ocular, representados en coordenadas bidimensionales, que caen fuera de un rango rectangular dado pueden considerarse ruido y ser descartados. El uso de una región rectangular para eliminar el ruido de la señal (2D) también aborda otra limitación actual de Ios dispositivos de seguimiento ocular: su precisión se degrada normalmente en las regiones periféricas extremas. Por esta razón (así como la eliminación de parpadeos), puede ser razonable simplemente ignorar Ios datos de movimiento de Ios ojos que caen fuera del "rango operativo efectivo" del dispositivo. Este rango a menudo será especificado en términos de ángulo visual.
En el caso de señales relativas a la expresión facial 2412, el acondicionamiento comprende cuatro subprocesos que consisten principalmente en la detección de rostros, identificación de características, identificación de acciones e identificación de emociones. En primer lugar, se analizan la totalidad de Ios diferentes fotogramas que componen el video obtenido para identificar la cara del usuario mediante la aplicación de técnicas de visión artificial, como por ejemplo el algoritmo “Viola Jones Cascaded Classifier”. Una vez detectado el rostro del usuario en cada uno de Ios instantes de la prueba, se realiza una detección de las características de la cara utilizando algoritmos de codificación facial, por ejemplo el sistema FACS (“Facial Action Coding System”), que pueden identificar características como vectores de Ios párpados, esquinas de la boca, punta de la nariz, etc. Se crea así una malla de puntos que representa la cara del usuario. A partir de estas características, se procede a la identificación de las denominadas “Unidades de Acción” por el sistema FACS, donde se caracterizan las acciones fundamentales de la cara (como por ejemplo “bajar cejas", “arrugar la nariz", “apretar los labios", “levantamiento exterior de ceja", etc.). Por último, a partir de las diferentes Unidades de Acción identificadas, se aplica un clasificador que proporciona la probabilidad estadística en cada instante de estar experimentando una de las emociones básicas, dando una señal de 0 a 1. Las emociones comprendidas son alegría, ira, sorpresa, desprecio, disgusto y tristeza. Estas señales se corrigen posteriormente utilizando una línea base individualizada, utilizando la respuesta del usuario a un estímulo neutral, minimizando así sesgos individuales. Por lo tanto, la señal de expresión facial está compuesta finalmente por seis señales independientes, corregidas individualmente con una línea base, donde cada una de ellas representa la probabilidad de que el sujeto esté experimentando cada una de las emociones básicas en un instante de tiempo.
Para las medidas y señales relativas al seguimiento de comportamiento humano 2413, el acondicionamiento se concentra principalmente en la detección de gestos del usuario en la
señal de video, donde se observan sus manos e interacción con el billete, o material de comunicación. En primer lugar, el video se segmenta para cada uno de los billetes, o materiales de comunicación, presentados a cada usuario. Posteriormente cada segmento de video es analizado para detectar uno o varios eventos, por ejemplo: “el usuario voltea el billete", “el usuario toca el billete buscando una textura distintiva", “el usuario gira el billete", “el usuario mira el billete al trasluz", “el usuario manipula el billete buscando un sonido distintivo", “el usuario dobla el billete". La detección de estos gestos se realiza preferentemente mediante un proceso semi-manual que, apoyado en librerías de código abierto, como “üpenPose”, para caracterizar la posición de las manos, sus falanges y realizar una identificación inicial de los gestos descritos anteriormente, añade una revisión manual para confirmar la correcta identificación de los gestos detectados y procesados por los algoritmos.
Estas medidas y señales relativas al seguimiento de comportamiento humano también contemplan la posibilidad de que el usuario reciba estímulos sonoros y táctiles, como resultado de la manipulación del billete, ya que habitualmente un billete está hecho con un papel diferente al que se utiliza para escribir u otras actividades. Por ello, de la manipulación del billete se desprende un sonido de carteo característico que no se consigue con papel normal, lo que supone una de las medidas de seguridad más conocidas y reconocibles por los usuarios.
En cuanto al acondicionamiento de las respuestas fisiológicas 242, las señales y medidas relacionadas con la respuesta cerebral 2421 del usuario, se basan en una señal de electroencefalograma (EEG) compuesta por una señal de potencia por cada uno de los electrodos que componen el hardware de adquisición de datos. En primer lugar, los datos de cada canal se analizan para identificar canales dañados, usando el cuarto momento estandarizado (curtosis) de la señal de cada electrodo. Además, el canal también se considera dañado si la señal resulta más plana de un 10% de su duración total. Si se considera que un canal está dañado, se puede interpolar desde sus electrodos vecinos. De acuerdo a una de las realizaciones particulares, la línea de base de la señal de electroencefalograma se elimina por sustracción de la media y fijando un filtro de paso de banda entre 0,5 y 40 Hz . La señal resultante es entonces segmentada en períodos de un segundo de duración. Se aplica una detección automática para rechazar períodos en los que más de dos canales contienen muestras que exceden un umbral absoluto, por ejemplo de 100.00 |jV y un gradiente de 70.00 |jV entre las muestras. Además, se realiza un análisis de componentes independientes (ICA) para identificar y eliminar componentes debidos a parpadeos, movimientos oculares y/o musculares. Dichos componentes son analizados
mediante inspección visual por un experto entrenado para confirmar la efectividad de Ios algoritmos utilizados.
Para la variabilidad del ritmo cardíaco (del inglés HRV) 2422, el acondicionamiento de señal comprende analizar una señal de electrocardiograma (ECG), por ejemplo a través del algoritmo Pan-Tompkins, para la detección del intervalo QRS. Esta detección permite obtener una nueva serie temporal que caracteriza el electrocardiograma con el tiempo que pasa entre latidos. Para tener una señal de buena calidad, la detección realizada por el algoritmo Pan-Tompkins es revisada para detectar latidos ectópicos y artefactos y, finalmente, se obtiene una serie de pulsaciones RR que recogen la diferencia temporal entre dos pulsaciones consecutivas y permite realizar el análisis de variabilidad del ritmo cardíaco.
Para la conductancia de la piel 2423, el acondicionamiento consiste en una inspección visual para el diagnóstico y corrección de Ios artefactos que pueda incorporar la señal. Estos artefactos se corrigen mediante interpolaciones lineales de primer o segundo grado. A continuación, se extrae la componente fásica de la señal a la señal limpia, que es la afectada por Ios cambios inconscientes derivados de estímulos puntuales, y no está afectada por otros cambios como por ejemplo la temperatura. Finalmente, esta señal con la componente fásica es estandarizada utilizando las fórmulas de Venables and Christie para eliminar las diferencias inter-sujeto.
Una vez que las señales han pasado por el proceso de acondicionamiento 32, el módulo de proceso neurométrico 3 aplica, señal por señal, unos algoritmos para la extracción de variables biométricas numéricas de interés 33 en cada una de las señales acondicionadas. Las variables biométricas individuales de cada usuario son obtenidas y sincronizadas con las fases de la neuroevaluación de Ios estímulos planteados. Este proceso se repite por cada uno de Ios usuarios de la muestra completa y por cada una de las señales registradas en el test analizado en cada caso. Los valores de las variables biométricas obtenidas en esta fase generan una base de datos de métricas que es la empleada en la siguiente fase para extraer Ios indicadores neurométricos, resultado de la neuroevaluación del billete. A continuación se detallan algunos ejemplos de las técnicas matemáticas aplicadas, de acuerdo a una de las realizaciones de la invención, en cada una de las señales para obtener las variables biométricas que conformarán la base de datos sobre la que calcular Ios indicadores neurométricos.
En el caso de la señal de seguimiento ocular 2411 el proceso sigue el esquema de la figura 2. As í, en un primer paso, se procede a la extracción de parámetros básicos del seguimiento ocular 70. Por medio de una serie de algoritmos, se extraen los principales parámetros del seguimiento ocular, que son diferencias entre fijaciones y movimientos sacádicos. Por fijaciones se entiende los instantes en los que el ojo está enfocando la escena visual para hacer llegar al cerebro la información visual. Por movimientos sacádicos se entiende el desplazamiento del ojo con el fin de volver a enfocar de nuevo otro punto de interés visual.
Para ello se aplica un algoritmo de detección a la señal en bruto, con el fin de extrapolar si la muestra analizada forma parte de una fijación o de un movimiento sacádico. El algoritmo más empleado es el basado en la velocidad del ojo. Aplicando un filtro al movimiento del ojo con una ventana de, por ejemplo, 0,05 segundos, cada dato en bruto de la presente realización se clasifica en uno de los dos siguientes estados:
6 >
100 (°/sec) -» el dato es parte de un mov. sacádico 6 < 100 (°/sec) -» el dato es parte de una fijación
Las correcciones se calculan a través de los grupos de muestras definidos por parte de la fijación, siempre que la duración alcance un mínimo, establecido por ejemplo en 100 ms. La posición de la fijación se define por el promedio de posición de las muestras asociadas a esa fijación. Las longitudes de los movimientos sacádicos se definen por la distancia entre las fijaciones continuas.
Adicionalmente, se contempla una división de los movimientos sacádicos, aplicable a la visión del billete o material de comunicación, que divide estos movimientos del ojo entre movimientos sacádicos ambientales (Ios que barren el billete por completo) o movimientos sacádicos focales (Ios que se mueven en torno a una zona concreta del billete de interés). En este caso concreto, para diferencias entre movimientos ambientales y focales se aplican Ios siguientes umbrales:
6 > 4.80 -» mov. sacádico ambiental
6 < 4.80 -» mov. sacádico focal
Una vez se han extraído Ios parámetros básicos del seguimiento ocular 70, de acuerdo a lo anterior, se procede a la traslación 71 de Ios parámetros de seguimiento ocular en tres dimensiones al diseño del billete en dos dimensiones. Exceptuando el caso en el que el diseño del billete se presente en un monitor digital, donde el billete virtual ya está localizado
desde un principio por la programación del motor gráfico, en el resto de situaciones Ios parámetros se ajustan a un sistema de coordenadas tridimensional, el cual debe ser trasladado a un modelo bidimensional del billete para facilitar el cálculo posterior de métricas relativas al billete por completo y a zonas internas de interés. Para ello se genera un procedimiento semiautomático que ayuda a trasladar el sistema de coordenadas de fijaciones y movimientos sacádicos de un sistema 3D a un sistema 2D, especialmente centrado sobre el billete que está siendo evaluado en cada instante de la prueba. Dicho procedimiento aplica algoritmos de segmentación e identificación de objetos por análisis de imagen para identificar el billete bajo estudio en el espacio, de manera que la posición del billete en el sistema de coordenadas 3D es conocida en todo momento. Al mismo tiempo y de manera sincronizada, la posición del ojo del usuario es monitorizada en ese mismo sistema de coordenadas 3D, con lo que puede realizarse un emparejamiento de ambos valores sobre un espacio bidimensional 2D, en el que representar el billete como una imagen en ambas caras sobre la que proyectar las fijaciones y movimientos sacádicos obtenidos.
La referencia a un proceso "semiautomático”, se debe al mismo hecho de que con las etapas anteriores, donde Ios procesos se llevan a cabo en una primera instancia por la ejecución del algoritmo de forma automática, es recomendable un revisión manual por personal cualificado que permita confirmar Ios resultados obtenidos de forma automática, realizar correcciones donde sea necesario y contribuir a afinar Ios algoritmos para sucesivos análisis.
Siguiendo el esquema representado en la figura 2 para la extracción de métricas de interés de la señal de seguimiento ocular 2411, en el caso de considerar relevante el interés visual del usuario en determinadas zonas del billete o material de comunicación, éste debe segmentarse en todas las zonas de interés que se deseen. As í, se contempla una etapa de predefinición de las áreas de interés del billete 72. Cada una de estas zonas puede abarcar elementos de diseño, elementos de seguridad o elementos de comunicación del billete sobre Ios que resulte interesante conocer la percepción de Ios usuarios. Únicamente será necesario marcar con una herramienta software, en cada una de las caras, las coordenadas de Ios vértices de las zonas de interés.
Independientemente de que se definan áreas de interés en el billete, el procedimiento de extracción de métricas de la señal de seguimiento ocular contempla una extracción 73 de métricas relativas a la atención visual del usuario sobre todo el billete o material de comunicación en general. Estas métricas tendrán en cuenta uno o varios de Ios siguientes
eventos: “fijaciones en el billete entero (por ambas caras)”, “movimientos sacádicos en el billete”, “parpadeos de la visión en el billete (medida que suele aportar el equipo de seguimiento ocular)”, “tamaño de la pupila (medida que suele aportar el equipo de seguimiento ocular)’’. La identificación de eventos en la señal de seguimiento ocular, propicia la aplicación de una serie de operaciones matemáticas, para traducir esos eventos en información cuantificable, que comprenden por ejemplo: contar la cantidad de eventos (fijaciones, movimientos sacádicos, parpadeos) que suceden dentro del billete entero (por ambas caras); contar el tiempo que dura cada evento de promedio; contar la frecuencia de estos eventos en un período de tiempo definido; u obtener la secuencia de estos eventos.
Por otro lado, en el caso de que algunas áreas concretas del billete o material de comunicación tengan un interés especial y estas áreas hayan sido predefinidas en la etapa 72 de la figura 2, el procedimiento de extracción de métricas de la señal de seguimiento ocular contempla una extracción 74 de métricas relativas a la atención visual del usuario sobre dichas áreas de interés predefinidas. En este caso se calcula previamente un parámetro básico adicional, asociado a las áreas de interés, que es el término “visita”. Por “visita” se entiende un tipo de evento en el que concurren más de una fijación continua y que el tiempo entre fijaciones no supera un umbral de tiempo preestablecido, por ejemplo de un segundo. A las métricas con información cuantificable descritas anteriormente, se añaden ahora las obtenidas por eventos de tipo “visita”, como por ejemplo detectar si en el caso de las visitas se produce de nuevo una visita a la misma zona o lo que es lo mismo, si se producen “revisitas” y cuántas.
La extracción de variables biométricas numéricas de interés 33, para el caso concreto de la señal de expresión facial 2412 comprende caracterizar la respuesta de cada usuario, a cada uno de los billetes mostrados, a partir de varias emociones independientes identificadas y procesadas. Para ello, las señales son segmentadas conforme al tiempo de presentación de los estímulos, extrayendo varias señales independientes que caracterizan cada billete. De estas señales se obtienen tres tipos de variables: las primeras son métricas generales, computando la media de la señal en el estímulo (ej: promedio de la probabilidad de “alegría”); las segundas son métricas basadas en umbrales, donde a cada señal se le aplica una función que analiza si la probabilidad de estar en una emoción particular es superior a X, para posteriormente calcular el porcentaje de tiempo que el sujeto ha estado por encima de dicho umbral, donde dicho umbral puede definirse en dos niveles, por ejemplo 0,5 para detectar el porcentaje de tiempo que el sujeto ha estado experimentado esa emoción, independientemente de la intensidad, y 0,8 para calcular el porcentaje de
tiempo que el sujeto ha estado experimentado intensamente esa emoción; por último el tercer tipo de métricas son las métricas ratio, como por ejemplo la ratio entre emociones positivas y negativas.
Para las variables biométricas de seguimiento de comportamiento humano 2413, a partir de la señal acondicionada, se contabiliza el número de veces que un gesto es ejecutado durante la visualización de un billete, y el porcentaje que representa frente al número total de gestos.
De las señales asociadas a la respuesta cerebral 2421, la extracción de variables biométricas numéricas de interés comprende, a partir de las señales acondicionadas tras el proceso de acondicionamiento 32, un análisis espectral de la señal de encefalograma para estimar la potencia espectral en cada segundo, dentro de la banda de frecuencia clásica: 0 (4-8 Hz), a (8-12 Hz), p (13-25 Hz), y (25-40 Hz). De acuerdo a una de las realizaciones, se realiza usando el método de Welch con un 50% de solapamiento, de donde derivan métricas que caracterizan la potencia de cada una de las bandas en cada segundo y, a partir de ellas, se derivan otras métricas como la asimetría frontal, que puede ser interpretada como la cantidad de motivación (acercamiento) o rechazo frente a un estímulo. Es definida como:
índice de Asimetría Frontal
= \nr
vA
Al lpph ha a P ° w er r i ah t
p o w er l e f t F F 3 A\ ' , siendo F4 y J F3 Ios electrodos colocados en esa posición según el sistema internacional 10-20.
Además de las métricas derivadas de la potencia espectral, en una de las realizaciones de la invención también se calculan las que caracterizan Ios estados cognitivos. Estas variables utilizan clasificadores entrenados previamente que, a partir de unas tareas iniciales que debe realizar el usuario para calibrar el clasificador, permiten predecir el nivel de “enganche” y de “carga de trabajo”. El “enganche” refleja el nivel general de enganche, compromiso, atención y concentración durante el escaneo visual de recogida de información del usuario, mientras que por “carga de trabajo” se entiende cualquier proceso cognitivo que implique un proceso ejecutivo, como por ejemplo el razonamiento analítico, la resolución de problemas o la memoria de trabajo.
La extracción de variables biométricas numéricas de interés 33, para el caso concreto de la señal de variabilidad del ritmo cardíaco 2422 comprende tres tipos de variables: las
derivadas del dominio del tiempo, las derivadas del dominio de frecuencia y las que cuantifican las dinámicas no-lineales.
El análisis en el dominio del tiempo incluye las siguientes características: promedio y desviación estándar de los intervalos RR, la raíz cuadrada de la media de la suma de los cuadrados de las diferencias entre los intervalos RR adyacentes (RMSSD), el número de diferencias sucesivas de intervalos que difieren en más de 50 ms (pNN50), la interpolación triangular del histograma de variabilidad del ritmo cardíaco (HRV) y el ancho de referencia del histograma RR evaluado mediante interpolación triangular (TINN).
Las características en el dominio de la frecuencia se calculan usando la densidad del espectro de potencia (PSD), aplicando la Transformada Rápida de Fourier. El análisis se realiza en tres bandas: VLF (frecuencia muy baja, <0,04 Hz), LF (frecuencia baja, 0,04-0,15 Hz ) y HF (frecuencia alta, 0,12-0,4 Hz ). Para cada una de las tres bandas de frecuencias se calcula el valor máximo (que corresponde a la frecuencia que tiene la magnitud máxima) y la potencia de cada banda de frecuencia en términos absolutos y porcentuales. Se calcula la potencia normalizada (n.u.) para las bandas LF y HF y el porcentaje de potencia total, restando previamente la potencia de VLF a la potencia total. La relación LF/HF se calcula para cuantificar el equilibrio simpatovagal y para reflejar modulaciones simpáticas. Además, se calcula la potencia total.
Finalmente, también son extraídas varias características utilizando análisis no lineales, ya que han demostrado ser cuantificadores importantes de la dinámica de control cardiovascular. En primer lugar, se aplica un análisis de Poincaré, que es una técnica visual y cuantitativa, en la que la forma de una trama se clasifica en clases funcionales, proporcionando información resumida del comportamiento del corazón. Un eje transversal (SD1) se asocia con una rápida variabilidad latido a latido y un eje longitudinal (SD2) analiza la variabilidad a largo plazo de R-R. Se incluye además un análisis de entropía, utilizando métodos existentes en el estado del arte como “Sample entropy” (SampEn), “Approxirnate entropy” (ApEn) y correlaciones DFA.
Para la conductividad de la piel 2423, a partir de la señal limpia que representa la componente fásica del EDA (actividad electrodérmica), se generarán dos tipos de variables biométricas que caracterizan el nivel de activación del usuario al visualizar un billete o material de comunicación. El primer tipo se compone del promedio de la señal en el segmento de cada estímulo, mientras que el segundo tipo de variable analiza los picos experimentados por el usuario durante la visualización del billete. Estos picos estarán caracterizados por el número de picos por minuto y su amplitud promedio.
En cuanto a la extracción de variables biométricas de las respuestas voluntarias 243 del usuario, en caso de incorporar tareas como el reconocimiento del billete, lectura o visionado de material de comunicación, estas respuestas se cuantifican con el porcentaje de aciertos y fallos. Además, se calcula el promedio del tiempo de respuesta en cada una de las tareas. Ejemplos de entrevistas y cuestionarios llevados a cabo son los siguientes: tras la visualización de cada billete (anverso y reverso) en el monitor por el usuario, se pregunta sobre ciertos ejes semánticos como estética, calidad, diseño, durabilidad, placer o aspectos emocionales, además de una evaluación y asociación inconsciente de atributos abiertos para cada uno de los billetes; tras la visualización de todos los billetes por el usuario, se completa un cuestionario compuesto por preguntas para saber qué billetes, qué elementos de seguridad se recuerdan, en qué parte del billete se ubica cierto elemento de seguridad o qué contenido incorpora el material de comunicación, y preguntas de reconocimiento que muestran imágenes de billetes que preguntan al usuario si se mostraron o no durante la prueba; tras la interacción física con cada billete por parte del usuario, se completa un cuestionario para evaluar el soporte físico del billete (papel, plástico o sus variantes) o del material de comunicación y atributos similares a la fase anterior, pero agregando atributos relacionados con la manipulación del billete como la geometría, la textura, el sonido y/o el relieve.
Tras la etapa completa de extracción de variables biométricas de interés 33 con información cuantificable de las señales acondicionadas 32 obtenidas previamente mediante los diferentes sensores biométricos, de acuerdo a la configuración establecida en el módulo configurable de neuroevaluación 2, y presentadas en la entrada 31 del módulo de proceso neurométrico, el módulo de proceso neurométrico 3 de la presente invención aplica un algoritmo de clasificación en un módulo predictivo 34, para obtener a la salida un conjunto de indicadores neurométricos 4 de la neurovaluación del usuario.
El algoritmo de clasificación, que posteriormente será aplicado a cada una de las respuestas de los usuarios en los billetes, precisa ser calibrado previamente. La figura 3 comprende un diagrama de bloques que representa las dos partes en las que se divide la calibración: primero la generación de un conjunto de referencia verdadero 300 (“gmund trnth” en inglés) y segundo, la creación del modelo predictivo 310. As í, para la generación del conjunto de referencia verdadero, se utilizarán las variables biométricas 33 obtenidas para un conjunto de billetes, por ejemplo cien billetes. Preferiblemente el conjunto de billetes abarca un rango lo más amplio posible de respuestas a nivel cognitivo, emocional y de comportamiento. Este conjunto es elegido preferiblemente por un equipo multidisciplinar de expertos seleccionados de diferentes campos/sectores (como banca, psicología o neurociencia) y contiene tanto billetes reales como diseños ad-hoc que garanticen una gran disparidad de respuestas. El grupo de expertos selecciona 301 únicamente las variables biométricas relacionadas con el indicador neurométrico, del conjunto de indicadores neurométricos 4 , que se está generando en cada momento (se incluyen algunos ejemplos más adelante de la relación entre las variables biométricas seleccionadas y los diferentes indicadores de neuroevaluación). Con los valores de las métricas seleccionadas en el conjunto de billetes o material de comunicación evaluado por cada uno de los usuarios, se aplica un algoritmo de aprendizaje automático no supervisado de tipo agrupamiento (k-means) para agrupar 302 Ios billetes en función de sus respuestas. De esta manera, se dividen Ios cien billetes en distintos grupos según su respuesta en las diferentes métricas que componen Ios indicadores. Posteriormente, se calcula la media de cada grupo, que representa la respuesta promedio en cada grupo. El equipo de expertos valida 308 Ios grupos y analiza 303 en profundidad las respuestas de cada grupo a partir de su media y asigna un valor 304 del indicador a este grupo de billetes, por ejemplo siguiendo una escala Likert del 1 al 5.
Una vez generado 300 el conjunto de referencia de Ios cien billetes del ejemplo, donde a cada uno se le ha asignado 304 un valor en cada uno de Ios indicadores, se procede a la creación 310 del modelo de clasificación. Para ello se crea un conjunto de datos donde las entradas son las variables biométricas seleccionadas 301 y la salida es el valor ya asignado 304 al indicador neurométrico correspondiente. Con este conjunto de datos se diseña el modelo predictivo 306 basado en redes neuronales artificiales. El entrenamiento 305 de la red neuronal, que es alimentada con las métricas seleccionadas 301 y Ios valores asignados 304 , es validado 307 aplicando un algoritmo de validación cruzada de k-iteraciones con una k de 10 y, posteriormente, el modelo se testea con el 15% de la muestra, que ha sido
extraída con anterioridad del proceso de validación. Una vez validado y testeado el modelo predictivo 306, podrá ser aplicado a las variables biométricas de cualquier billete, dando una valoración en cada uno de los indicadores neurométricos.
La salida del módulo predictivo 34 comprende los indicadores generados de acuerdo a los modelos predictivos obtenidos, los cuales son aplicados a las variables biométricas numéricas de interés 33 y producen como resultado un valor para cada uno de los indicadores de la neuroevaluación de cada billete para cada usuario.
La figura 4 muestra un esquema con las señales medidas de cada usuario a tener en cuenta para el cálculo de ciertos indicadores. De acuerdo a una de las realizaciones de la invención, en la que se contemplan cinco indicadores, para el cálculo de un primer indicador de interés visual 41 (BVIS), se consideran relevantes las respuestas de comportamiento humano 241 representadas por las señales de seguimiento ocular 2411 y análisis de expresión facial 2412, no es necesaria ninguna de las respuestas fisiológicas 242 y sí son tenidas en cuenta respuestas voluntarias en forma de entrevista 2433, cuestionarios 2434 y respuesta a tareas 2431; para el cálculo de un segundo indicador de enganche 42 (BEI), se considera relevante la respuesta de comportamiento humano 241 representada por las señales de seguimiento ocular 2411, la respuestas fisiológicas 242 representadas por la respuesta cerebral 2421 y la variabilidad de ritmo cardíaco 2422, y las respuestas voluntarias en forma de cuestionarios 2434; para el cálculo de un tercer indicador de carga de trabajo 43 (BWI), se consideran relevantes las respuestas de comportamiento humano 241 representadas por las señales de seguimiento ocular 2411, de análisis de expresión facial 2412 y de seguimiento del comportamiento del usuario 2413, las respuestas fisiológicas 242 representadas por la respuesta cerebral 2421 y las repuestas voluntarias en forma de respuesta a tareas 2431 y tiempo de reacción 2432; para el cálculo de un cuarto indicador emocional 44 (BEII) se consideran relevantes las respuestas de comportamiento humano 241 representadas por el análisis de expresión facial 2412, las respuestas fisiológicas 242 representadas por la variabilidad de ritmo cardíaco 2422 y la conductancia de la piel 2423, y las respuestas voluntarias en forma de entrevista 2433 y cuestionarios 2434; para el cálculo de un quinto indicador de seguridad 45 (BSCI), se consideran relevantes las respuestas de comportamiento humano 241 representadas por las señales de seguimiento ocular 2411 y de seguimiento del comportamiento del usuario 2413, las respuestas fisiológicas 242 representadas por la conductancia de la piel 2423 y las
repuestas voluntarias en forma de entrevista 2433, cuestionario 2434, respuesta a tareas 2431 y tiempo de reacción 2432.
El indicador de interés visual 41 BVIS (del inglés “Banknote Visual Interest Score“), es una métrica relacionada con el interés a nivel visual que despierta el diseño del billete. Esta métrica de alto nivel se centra en un modelo no lineal que establece una puntuación del interés a nivel visual que la percepción del diseño del billete genera y que permite su comparación entre diferentes tipos de diseño. Para ello el indicador se calcula a través de técnicas de aprendizaje supervisado aplicado sobre las variables biométricas de interés 33, extraídas de las señales acondicionadas seleccionadas, las cuales contienen información cuantificable y que en esta realización concretamente comprende:
• métricas relativas al tiempo de visionado de las zonas de interés relativas al diseño del billete o material de comunicación vs. el tiempo de visionado de las zonas de seguridad u otra zona de interés relativa al contenido de los materiales de comunicación;
• métricas relativas al tiempo total destinado a la visualización del billete o material de comunicación frente a la navegación visual fuera del billete o material de comunicación;
• métricas relativas a cómo el ojo explora el billete o material de comunicación y a la relación entre exploración (movimientos sacádicos ambientales) y a la focalización (movimientos sacádicos focales);
• métricas relativas a la secuencia de la mirada en la visión de los elementos de diseño del billete o material de comunicación.vs. los elementos de seguridad u otra zona de interés relativa al contenido de los materiales de comunicación;
• ratio de cuadrantes por segundo del billete que navega el ojo del usuario, dividiendo el billete en un número determinado de cuadrantes;
• porcentaje de billete explorado; y
• ratio entre el número de movimientos amplios vs movimientos cortos del ojo dentro del billete.
Adicionalmente, en este indicador de interés visual, se contemplan algunos valores relativos a la respuesta voluntaria como una valoración global del diseño de los billetes evaluados; el recuerdo de los billetes y de áreas de interés del billete; y los tiempos destinados a realizar las tareas de evaluación del billete.
Uno de Ios indicadores cognitivos, el indicador de enganche 42 BEI (del inglés “Banknote Engagement Index”}, hace referencia al nivel de atención sostenida funcional que la persona está aplicando a la percepción del billete o material de comunicación. Este indicador es de mucho interés porque refleja si el billete o material de comunicación suscita el interés suficiente para focalizarse en él. Además, permite discernir si el sujeto está concentrado en la tarea y por tanto el resto de métricas obtenidas en ese instante son de valor.
Uno de Ios indicadores cognitivos utilizado en una de las realizaciones de la presente invención, el indicador de carga de trabajo 43 BWI (del inglés “Banknote Workload Index”}, hace referencia a la carga cognitiva o esfuerzo mental que supone para el sujeto el proceso de percepción y valoración de ciertos atributos del billete o material de comunicación. Es muy importante debido a que una carga cognitiva elevada puede suponer que existe una saturación de información, lo cual lleva al rechazo, pero al mismo tiempo un valor bajo puede indicar aburrimiento del sujeto, lo cual también es negativo.
En una de las realizaciones de la invención se contempla un indicador cognitivo que combina Ios dos anteriores, indicador de enganche 42 BEI e indicador de carga de trabajo 43 BWI.
El indicador emocional 44 BEII (del inglés “Banknote Emotional Induction Index”} utilizado en una de las realizaciones de la invención, es una métrica relativa a la capacidad de inducción emocional del billete o material de comunicación. Concretamente, el indicador BEI se sustenta en el cálculo y representación de un punto en un eje espacial bidimensional en el que se extrae la capacidad de excitación emocional (Arousal} y la capacidad de generar una emoción positiva o negativa (Valencia}. Para calcular estas dos dimensiones que sustentan al indicador BEII se hace uso del procesamiento de la señal proveniente de las medidas comportamentales (por ejemplo las micro expresiones faciales durante el visionado del billete} y de la respuesta fisiológica (asimetría de Ios hemisferios cerebrales, variabilidad cardiaca y conductancia de la piel}.
El indicador de seguridad 45 BSCI (del inglés “Banknote Security Capacity Index’’} utilizado en una de las realizaciones de la invención, es una métrica relativa a la seguridad del billete. Concretamente, este indicador refleja la capacidad que tiene el diseño y Ios elementos de seguirdad del billete de ser autenticados por el público. S u cálculo se sustenta en varios parámetros relativos a la señal de comportamiento (como por ejemplo el seguimiento ocular
de Ios elementos de seguridad del billete, seguimiento automático de Ios gestos de interacción del participante con el billete) y valores de respuesta del sujeto voluntaria. A través de la modelización de estos parámetros se puede obtener un índice absoluto que permite la comparación de nuevos diseños y elementos de seguridad en un mismo billete o la comparación de diseños y elementos de seguridad actuales de diferentes tipos de billete.
Una vez aplicados Ios modelos predictivos 306 a las variables biométricas seleccionadas, que contienen métricas numéricas de interés con información cuantificable, y obtenidos Ios indicadores de neuroevaluación para cada billete o materiales de comunicación, estos indicadores son procesados en un módulo de salida 5 dotado de distintas funcionalidades. En este módulo de salida 5 , Ios indicadores neurométricos 4 se tratan estadísticamente para caracterizar satisfactoriamente un billete o materiales de comunicación. Por un lado, se mide la respuesta general del billete, o materiales de comunicación, utilizando técnicas de agregación de datos (por ejemplo la media aritmética, o la desviación estándar) y, por otro lado, en función de condiciones y casos concretos, se llevan a cabo diferentes análisis adicionales para determinar si existen diferencias significativas que permitan inferir conclusiones finales relativas al objetivo del estudio de neuroevaluación. Por ejemplo, además de las técnicas de comparación de las medias, pueden emplearse técnicas de correlación y técnicas de agrupamiento. Todo este análisis estadístico se implementa automáticamente asegurando la reproducibilidad y la comparación de Ios mismos estudios completados en varias fechas y en varios lugares. Por tanto, el análisis de inferencia estadística extrae las diferencias significativas en las variables biométricas con métricas numéricas de interés 33. Contrastando diferentes modelos, como por ejemplo análisis de varianza o prueba de Kruskal-Wallis, se comparan Ios indicadores calculados según diferentes agrupaciones. Estos análisis son aplicados para analizar las diferencias en Ios indicadores neurométricos entre diferentes billetes presentados, y/o las diferencias con diferentes diseños de un mismo billete (por cambios en el diseño, tamaño o posición de elementos del diseño del billete), lo que puede estar ponderado por factores adicionales como el género, la edad o la familiaridad de manejo del dinero en efectivo del usuario.
Posteriormente al cálculo de Ios indicadores, en una de las realizaciones de la invención, el módulo de salida 5 calcula una métrica final que engloba todos Ios indicadores calculados y ofrece una instantánea del rendimiento del billete, o material de comunicación, que permite una rápida valoración, comparación y clasificación frente a otros billetes evaluados. Esta métrica final se basa en una puntuación de 1 a 10 a través de una ecuación matemática en
la que cada uno de Ios indicadores neurométricos calculados influye con un peso determinado.
Cuanto más alto sea el puntaje, mejor será el desempeño del diseño evaluado. Si en algún caso se quiere prescindir de algún indicador el modelo recalcula el valor anulando el impacto del valor de ese indicador neurométrico. De esta manera el indicador es dinámico y refleja únicamente Ios indicadores que sean de interés en cada caso concreto (por ejemplo, se puede recalcular el marcador final anterior para que sólo refleje el impacto de Ios indicadores visual y cognitivo o incluso sólo uno de ellos).
Una de las realizaciones contempla la representación gráfica, por ejemplo mediante mapas de calor, ejes bidimensionales, curvas o porcentajes, de todas las variables biométricas, indicadores neurométricos e inferencias estadísticas obtenidas durante el proceso llevado a cabo por cada uno de Ios módulos de la invención. La figura 5 representa una de estas visualizaciones particulares, donde se representa una cara de un billete y, asociadas a cada una de las áreas de interés definidas, se representan Ios valores de Ios indicadores (no mostrados en la figura) obtenidos para dichas áreas de interés. Por ejemplo, para un área de interés definida para abarcar un elemento de seguridad incorporado en el billete, como un holograma 52 , una marca de agua 53 , una impresión de tinta especial 54 o una ventana 55 , Ios indicadores representados codifican la neuroevaluación obtenida de la percepción de Ios usuarios de ese elemento de seguridad. En una realización, a cada una de las áreas de interés se le asocia una puntuación en porcentaje del tiempo de visita, de Ios visitantes y de las revisitas, lo que además está complementado por un mapa de calor y la secuencia de visitas de las diferentes áreas de interés. Por ejemplo, tras el análisis del área de interés que incluye el holograma 52 se obtiene un tiempo de visita del 14,92% del tiempo total invertido en inspeccionar el billete, un 86,53% de usuarios que lo han observado y un 78,72% de usuarios que lo han revisitado. Este tipo de medidas son las que hacen posible construir Ios indicadores para la comparación entre billetes, comparación de elementos y clasificación.
En una de las realizaciones, la presente invención clasifica en el módulo de salida 5 una muestra completa de billetes de acuerdo a Ios indicadores obtenidos asociados a las áreas de interés que abarcan elementos de seguridad. El nivel de seguridad de Ios elementos de seguridad está determinado por la percepción del público y resulta un factor determinante para valorar su incorporación en futuros billetes de curso legal. La clasificación de Ios billetes en función de la percepción de Ios usuarios de Ios elementos de seguridad, permite
seleccionar Ios elementos de seguridad entre aceptables y no aceptables para ser incorporados en moneda de curso legal, estableciéndose un umbral mínimo en Ios indicadores para determinar que la percepción del público del elemento de seguridad es suficiente para ser incorporado en el billete. Estos umbrales mínimos pueden calibrarse utilizando elementos de seguridad modificados y analizando cómo varía la percepción de Ios usuarios ante las modificaciones de distintos elementos de seguridad. Así Ios elementos de seguridad modificados que obtengan una mejor clasificación en la percepción de Ios usuarios, serán Ios elementos de seguridad más apropiados para ser incorporados a Ios billetes de curso legal. Atendiendo por ejemplo a las señales de seguimiento ocular, es determinante el número de revisitas del usuario al elemento de seguridad o el tiempo empleado en visualizar dicho elemento respecto al resto del billete.
Aparte de la comparación entre elementos del mismo tipo, en una de las realizaciones de la invención resulta particularmente ventajoso monitorizar la influencia de unos parámetros sobre otros y, principalmente, la influencia de la variación de un parámetro sobre otro. Por ejemplo, el color del billete frente a la seguridad percibida de un cierto elemento de seguridad. Si el objetivo es determinar el color del billete que más seguridad proporciona, el conjunto de billetes que serán sometidos a neuroanálisis diferirán únicamente en el color de
su diseño, pero mantendrán inalterados sus elementos de seguridad. El neuroanálisis de la percepción de Ios usuarios permitirá determinar si las variaciones de color tienen influencia en la percepción de Ios elementos de seguridad, caracterizar Ios distintos billetes en función de la percepción de Ios usuarios y finalmente clasificarlos ordenadamente de una manera objetiva, siendo el billete mejor clasificado el correspondiente al color más apropiado para la seguridad del billete. Por ejemplo, un color gris para el billete podría anular en gran medida la seguridad de un elemento de tipo holograma o un elemento de hilo de seguridad de apariencia metálica, que quedarían prácticamente camuflados y pasarían desapercibidos para un usuario. Es decir, de acuerdo al planteamiento del ejemplo, la clasificación indicará cómo perturba cada uno de Ios colores de prueba la percepción de Ios elementos de seguridad integrados en el billete, con lo que la clasificación final determina el color a incluir en el billete a fabricar.
De acuerdo a otros objetivos que persiguen el diseño de otros parámetros del billete diferentes al color, como por ejemplo el tamaño del billete, el tamaño de un cierto elemento, la posición de un cierto elemento o la utilización de diferentes materiales, las muestras de billetes y las áreas de interés se seleccionan para que sean precisamente esos parámetros Ios que varíen de unos billetes a otros y, de una forma análoga al caso anterior, la caracterización de la percepción de Ios usuarios indica de una manera objetiva la influencia
que tienen dichos parámetros en el billete. Por ejemplo, definiendo un área de interés 56 que recoja el valor del billete (50 euros por ejemplo), resulta interesante comparar la influencia que tienen distintos tamaños y posiciones frente a la percepción de los elementos de diseño y seguridad del billete. En este caso concreto, la marca de agua 53 puede ver afectada su seguridad percibida a partir de un cierto tamaño de la representación del valor de billete, o una posición demasiado cercana, ya que atrae la atención visual del usuario en exceso y anularía o reduciría la percepción de la marca de agua, lo que reduce la seguridad del billete ante el usuario. Incluso otros elementos del billete que en apariencia no tienen más que una función meramente estética, como la decoración recogida por el área de interés 57, también son importantes en la valoración global del billete y su color, tamaño o posición pueden influir en la seguridad del mismo, por lo que en una de las realizaciones se contempla el análisis de absolutamente todos los elementos del billete.
Además de la representación gráfica mostrada en la figura 5, se contemplan otros resultados comparativos que pueden mostrarse gráficamente. Principalmente se contempla la comparación de los tiempos de visionado de las áreas de interés asociadas a elementos de diseño del billete normalizados en referencia al espacio físico que ocupan; curvas del efecto de la posición vs . el indicador de interés visual BVIS (utilidad para el caso de presentar variantes de posición de un mismo elemento del billete a neuroevaluar); y curvas del efecto del tamaño vs . indicador de interés visual BVIS (utilidad para el caso de presentar variantes de tamaño de un mismo elemento del billete a neuroevaluar).
La figura 6 esquematiza las posibilidades de presentación de objetos para la neuroevaluación de la presente invención, preferiblemente billetes de banco o materiales de comunicación, tanto en formato real como virtual. Las muestras de billetes o materiales de comunicación a analizar comprenden distintas características de seguridad, diseño o contenido de los materiales de comunicación de acuerdo, entre otros, a distintos materiales, diseños, tamaños y posiciones, que influyen en la percepción que el público tiene del billete. El contexto de las muestras de billetes pueden presentarse al usuario mediante distintas técnicas 21, que pasan por no aportar contexto alguno 211, añadir un contexto real 212 o añadir un contexto virtualizado 213 en el que utilizando técnicas de gráficos digitales y de computadora se reproducen distintos escenarios, entre los que se contemplan: un escenario de realidad virtual, donde la configuración de evaluación se usa en condiciones de laboratorio bajo una réplica virtual del mundo real, que puede consistir en modelos bidimensionales (2D) del contexto real; un escenario de realidad aumentada, donde la configuración de la evaluación se usa en condiciones de la vida real, pero complementado
con algunos elementos virtuales en 3D; y un escenario de virtualidad aumentada, donde la configuración de la evaluación se usa en condiciones de laboratorio, pero se presenta al usuario una réplica virtual aumentada del contexto real.
Por otro lado, dependiendo del canal sensorial humano que se pretenda aprovechar, el contexto puede proporcionarse mediante una sola o una combinación de las siguientes interfaces inmersivas: dispositivos visuales (como monitores convencionales, monitores en posición vertical con visión 3D estereoscópica y seguimiento 3D de la posición del usuario principal (interfaz "tanque de peces"), monitor en posición horizontal con visión 3D estereoscópica y seguimiento 3D de la posición del usuario principal (o interfaz "banco de trabajo"), pantallas envolventes compuestas de grandes pantallas basadas en proyección y/o monitores de gran tamaño, exhibiciones hemisféricas, o cascos de realidad virtual (HMD-Head Mounted Displays) y/o realidad aumentada y/o realidad mixta); pantallas auditivas (donde por ejemplo los sonidos contextúales se reproducen utilizando técnicas de generación de sonido 3D con auriculares y/o altavoces externos); pantallas olfativas (donde los aromas se entregan a través de narices electrónicas y/o cualquier pantalla olfativa comercial); o pantallas hápticas (donde se proporcionan señales táctiles y kinestésicas a través de un dispositivo táctil háptico de visualización, como por ejemplo referencias terrestres, referencias corporales, táctiles, o combinación de las anteriores).
En cuanto a la presentación de los billetes 22, dejando a un lado el contexto, la presente invención contempla también varias alternativas mostradas en la figura 6. Principalmente se utilizan dos técnicas en función de su capacidad de fidelidad para reproducir situaciones de la vida real: utilizar un billete físico 221, donde se presenta al usuario un modelo real físico del billete; o utilizar un billete digital 222, donde se presenta úna réplica digital del billete usando bien un modelo de billete virtual que reproduce, en dos o 3 dimensiones, úna imagen digital del billete real, o en un modelo de billete virtual basado en úna interfaz tangible que el usuario puede manipular con sus manos. Esta interfaz tangible puede representar en tres dimensiones los elementos gráficos en el papel físico utilizando técnicas de realidad aumentada espacial. El resultado final de las técnicas de superposición se puede presentar al usuario mediante un casco de realidad virtual o alternativamente puede prescindirse de este tipo de dispositivos y optar por proyectores digitales que muestran la información directamente sobre el billete físico.
La presente invención no debe verse limitada a las formas de realización aquí descritas.
Otras configuraciones pueden ser realizadas por Ios expertos en la materia a la vista de la presente descripción. En consecuencia, el ámbito de la invención queda definido por las siguientes reivindicaciones.
Claims (1)
- REIVINDICACIONES1. Método para clasificar billetes basado en neuroanálisis, caracterizado por que comprende los siguientes pasos:a) proporcionar a un usuario una información visual de un billete;b) adquirir, mediante un sensor de un módulo de entrada (2) al menos una señal biométrica del usuario, como respuesta a la información visual del billete; c) segmentar, en un módulo de proceso (3), las señales biométricas adquiridas en períodos de tiempo predeterminados;d) comparar cada uno de los segmentos con unos patrones preestablecidos;e) identificar ciertos eventos como resultado de la comparación de cada uno de los segmentos con los patrones preestablecidos;f) obtener al menos una variable biométrica basada en los eventos identificados; g) analizar, en el módulo de proceso, las variables biométricas, de acuerdo a resultados conocidos previamente almacenados en una base de datos; h) establecer, en el módulo de proceso, un indicador neurométrico en función del análisis del paso anterior; yi) clasificar, en un módulo de salida (5), el billete de acuerdo al indicador neurométrico establecido.2. Método de acuerdo a la reivindicación 1, donde la información visual del billete se proporciona de forma física, de forma virtual o mediante una combinación de las dos en una interfaz tangible sobre la que se representan elementos virtuales añadidos a un billete físico mediante tecnología de realidad aumentada.3. Método de acuerdo a cualquiera de las reivindicaciones anteriores, donde la señal biométrica, comprende información de al menos un proceso implícito del usuario, a seleccionar entre: análisis de gestos en la interacción del billete con las manos, seguimiento ocular y análisis de expresión facial.4. Método de acuerdo a cualquiera de las reivindicaciones anteriores, donde la señal biométrica comprende información de una respuesta fisiológica del usuario a seleccionar entre: una respuesta cerebral, una variación del ritmo cardíaco y la conductancia de la piel.5. Método de acuerdo a la reivindicación 3, que comprende obtener una variable biométrica del seguimiento ocular del usuario, donde los eventos identificados resultan de la comparación de la señal de seguimiento ocular con un patrón que establece un primer umbral de velocidad de movimiento del ojo del usuario que determina la presencia de un evento de fijación o un evento de movimiento sacádico.6. Método de acuerdo a la reivindicación 5 donde un evento de movimiento sacádico, además comprende determinar si corresponde a un movimiento sacádico ambiental o un movimiento sacádico focal, de acuerdo a un segundo umbral preestablecido de desviación angular del ojo del usuario durante dicho evento.7. Método de acuerdo a cualquiera de las reivindicaciones anteriores, donde la al menos una variable biométrica comprende una información cuantificable de los eventos identificados a seleccionar entre: cantidad de eventos identificados, duración promedio de los eventos identificados, frecuencia de cada evento identificado en un tiempo preestablecido, secuencia de los eventos identificados y número de visitas a una misma área predefinida.8. Método de acuerdo a cualquiera de las reivindicaciones anteriores que además comprende definir al menos un área de interés en el billete y asociar la variable biométrica adquirida del usuario a dicha área de interés.9. Método de acuerdo a la reivindicación 8, donde la información visual comprende un elemento de seguridad dispuesto en el billete, que además comprende definir un área de interés mayor o igual que el área del billete ocupada por el elemento de seguridad y donde el área de interés incluye el área del billete ocupada por dicho elemento de seguridad.10. Método de acuerdo a cualquiera de las reivindicaciones anteriores, donde analizar las variables biométricas, de acuerdo a resultados conocidos previamente, además comprende entrenar un sistema de aprendizaje supervisado del módulo de proceso de acuerdo a los siguientes pasos:- repetir los pasos a)-c) de la reivindicación 1 para una pluralidad de billetes diferentes y usuarios diferentes;- agrupar, para cada billete, los eventos identificados de cada usuario, de acuerdo a un número previamente establecido de grupos;- asignar a cada billete un valor inicial del indicador neurométrico, donde dicho valor está basado en un análisis de los grupos de eventos identificados por un usuario experto.11. Método de acuerdo a la reivindicación 10, donde analizar las variables biométricas mediante el sistema de aprendizaje supervisado además comprende los pasos de:- proporcionar el valor inicial del indicador neurométrico, asignado a cada billete, en una entrada del sistema de aprendizaje;- aplicar un modelo predictivo, por el sistema de aprendizaje supervisado, sobre las variables biométricas obtenidas por el módulo de proceso y el valor inicial asignado; y- validar, mediante un proceso de validación cruzada, con un número de iteraciones determinado previamente, el modelo predictivo.12. Método de acuerdo a cualquiera de las reivindicaciones anteriores donde los indicadores neurométricos representan uno o más de los siguientes procesos cognitivos cerebrales del usuario: interés visual, atención, emociones evocadas, motivación, carga mental, estrés y nivel de excitación.13. Método de acuerdo a cualquiera de las reivindicaciones anteriores donde adquirir la señal biométrica del usuario además comprende una interacción física del usuario con el billete, donde dicha interacción física proporciona al usuario una información táctil y sonora del billete.14.- Sistema para clasificar billetes basado en neuroanálisis, caracterizado por que comprende:- un módulo de entrada (2) que comprende al menos un sensor, configurado para adquirir una señal biométrica del usuario, como respuesta a una información visual del billete proporcionada a dicho usuario;- un módulo de proceso (3), configurado para segmentar la señal biométrica en períodos de tiempo predeterminados; comparar cada uno de los segmentos con unos patrones preestablecidos; identificar ciertos eventos como resultado de la comparación de cada uno de los segmentos con los patrones preestablecidos; obtener al menos una variable biométrica basada en los eventos identificados; analizar las variables biométricas de acuerdo a resultados conocidos previamente almacenados en una base datos; y establecer un indicador neurométrico en función del análisis; y- un módulo de salida (5) configurado para clasificar el billete, de acuerdo al indicador neurométrico.15. Sistema de acuerdo a la reivindicación 14, donde el módulo de salida comprende unos medios de visualización, configurados para representar visualmente los indicadores neurométricos del billete y una métrica final de clasificación, basada en los indicadores neurométricos resultado del neuroanálisis de cada billete .
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES201930590A ES2801024A1 (es) | 2019-06-26 | 2019-06-26 | Metodo y sistema de clasificacion de billetes basado en neuroanalisis |
PCT/ES2020/070383 WO2020260735A1 (es) | 2019-06-26 | 2020-06-11 | Método y sistema de clasificacion de billetes basado en neuroanálisis |
ES20181632T ES2963861T3 (es) | 2019-06-26 | 2020-06-23 | Método y sistema para seleccionar parámetros de un elemento de diseño o seguridad de billetes basado en neuroanálisis |
EP20181632.9A EP3757950B1 (en) | 2019-06-26 | 2020-06-23 | Method and system for selecting parameters of a design or security element of banknotes based on neuroanalysis |
DK20181632.9T DK3757950T3 (en) | 2019-06-26 | 2020-06-23 | Method and system for selecting parameters of a design or security element of banknotes based on neuroanalysis |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES201930590A ES2801024A1 (es) | 2019-06-26 | 2019-06-26 | Metodo y sistema de clasificacion de billetes basado en neuroanalisis |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2801024A1 true ES2801024A1 (es) | 2021-01-07 |
Family
ID=71138529
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES201930590A Pending ES2801024A1 (es) | 2019-06-26 | 2019-06-26 | Metodo y sistema de clasificacion de billetes basado en neuroanalisis |
ES20181632T Active ES2963861T3 (es) | 2019-06-26 | 2020-06-23 | Método y sistema para seleccionar parámetros de un elemento de diseño o seguridad de billetes basado en neuroanálisis |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES20181632T Active ES2963861T3 (es) | 2019-06-26 | 2020-06-23 | Método y sistema para seleccionar parámetros de un elemento de diseño o seguridad de billetes basado en neuroanálisis |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3757950B1 (es) |
DK (1) | DK3757950T3 (es) |
ES (2) | ES2801024A1 (es) |
WO (1) | WO2020260735A1 (es) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070066916A1 (en) * | 2005-09-16 | 2007-03-22 | Imotions Emotion Technology Aps | System and method for determining human emotion by analyzing eye properties |
US20080065468A1 (en) * | 2006-09-07 | 2008-03-13 | Charles John Berg | Methods for Measuring Emotive Response and Selection Preference |
US20170083927A1 (en) * | 2015-09-22 | 2017-03-23 | Health Care Direct, Inc. d/b/a HCD Research | Systems and Methods for Assessing the Marketability of a Product |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8684742B2 (en) * | 2010-04-19 | 2014-04-01 | Innerscope Research, Inc. | Short imagery task (SIT) research method |
-
2019
- 2019-06-26 ES ES201930590A patent/ES2801024A1/es active Pending
-
2020
- 2020-06-11 WO PCT/ES2020/070383 patent/WO2020260735A1/es active Application Filing
- 2020-06-23 EP EP20181632.9A patent/EP3757950B1/en active Active
- 2020-06-23 DK DK20181632.9T patent/DK3757950T3/da active
- 2020-06-23 ES ES20181632T patent/ES2963861T3/es active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070066916A1 (en) * | 2005-09-16 | 2007-03-22 | Imotions Emotion Technology Aps | System and method for determining human emotion by analyzing eye properties |
US20080065468A1 (en) * | 2006-09-07 | 2008-03-13 | Charles John Berg | Methods for Measuring Emotive Response and Selection Preference |
US20170083927A1 (en) * | 2015-09-22 | 2017-03-23 | Health Care Direct, Inc. d/b/a HCD Research | Systems and Methods for Assessing the Marketability of a Product |
Also Published As
Publication number | Publication date |
---|---|
ES2963861T3 (es) | 2024-04-02 |
EP3757950B1 (en) | 2023-08-02 |
WO2020260735A1 (es) | 2020-12-30 |
EP3757950A1 (en) | 2020-12-30 |
DK3757950T3 (en) | 2023-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fridman et al. | Cognitive load estimation in the wild | |
Palmer et al. | Face pareidolia recruits mechanisms for detecting human social attention | |
US20200050837A1 (en) | System and method for detecting invisible human emotion | |
Wang et al. | An EEG-based brain–computer interface for dual task driving detection | |
Nuamah et al. | Support vector machine (SVM) classification of cognitive tasks based on electroencephalography (EEG) engagement index | |
Abouelenien et al. | Human acute stress detection via integration of physiological signals and thermal imaging | |
EP2829221A1 (en) | Asperger's diagnosis assistance method and system, and asperger's diagnosis assistance device | |
Costa et al. | Application of machine learning in postural control kinematics for the diagnosis of Alzheimer’s disease | |
Jin et al. | Driver sleepiness detection system based on eye movements variables | |
US9386949B2 (en) | Device to determine visuo-spatial ability | |
Hasan et al. | Pain level detection from facial image captured by smartphone | |
Mohd et al. | A non-invasive facial visual-infrared stereo vision based measurement as an alternative for physiological measurement | |
Su et al. | Detection of hypomimia in patients with Parkinson’s disease via smile videos | |
Cruz-Garza et al. | EEG-based investigation of the impact of classroom design on cognitive performance of students | |
Hu et al. | First impressions: Integrating faces and bodies in personality trait perception | |
Calandra et al. | EYECU: an Emotional eYe trackEr for Cultural heritage sUpport | |
Jin et al. | Differences in brain signal complexity between experts and novices when solving conceptual science problem: a functional near-infrared spectroscopy study | |
Menzel et al. | Low-level image properties in facial expressions | |
ES2963861T3 (es) | Método y sistema para seleccionar parámetros de un elemento de diseño o seguridad de billetes basado en neuroanálisis | |
ES1299461U (es) | Sistema de clasificacion de billetes basado en neuroanalisis | |
TWI716344B (zh) | 增齡分析方法、使用增齡分析方法之衰老修護之輔助方法、增齡分析裝置及電腦可讀取之記錄媒體 | |
Keskinarkaus et al. | Pain fingerprinting using multimodal sensing: pilot study | |
Massoz | Non-invasive, automatic, and real-time characterization of drowsiness based on eye closure dynamics | |
Küçün | Neuromarketing vs. Brands | |
Lemieux et al. | Modulations of eye movement patterns by spatial filtering during the learning and testing phases of an old/new face recognition task |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
BA2A | Patent application published |
Ref document number: 2801024 Country of ref document: ES Kind code of ref document: A1 Effective date: 20210107 |
|
PA2A | Conversion into utility model |
Effective date: 20220929 |