Scopri di più
sui nostri strumenti

01

Movement tracking

02

Emotion recognition

03

Elettrofisiologia

04

(Neuro)biofeedback

strumenti

Movement Tracking

Mouse tracker

Questo software permette di registrare il movimento del mouse durante il suo utilizzo nell’ambito di un protocollo sperimentale o della libera esplorazione di un’interfaccia grafica, restituendo informazioni sulla posizione del mouse ed i relativi tempi di interazione rispetto alle aree di interesse.

Eye tracker

L’eye-tracking è una tecnologia che si avvale di un sistema di telecamere ad infrarossi che consente di osservare e tenere traccia dei movimenti delle pupille e di capire quindi dove queste siano dirette in un’immagine, in un video o in uno scenario reale. Per incrementare l’ecologia dei nostri esperimenti impieghiamo i Tobii Pro Glasses 2, occhiali maneggevoli e portatili che, a differenza delle strumentazioni classiche, ci liberano da vincoli posturali e dal setting in laboratorio.

Handgrip

Questo sistema è costituito da un dispositivo che rileva la quantità e la direzione della forza impressa sul dispositivo stesso durante un determinato compito, e da un software che, dopo aver codificato i segnali in ingresso, restituisce un feedback visivo a schermo. Mediante questo sistema è possibile effettuare un confronto in tempo reale tra il livello di forza ideale e quello realmente applicato.

strumenti

Emotion Recognition

PRAAT

PRAAT è uno strumento per l’analisi della prosodia, ovvero le componenti “acustiche” del linguaggio parlato (intonazione, durata, accento). Il software consente l’acquisizione, memorizzazione ed analisi del segnale verbale, e fornisce dati numerici con possibilità di valutazione oggettive delle caratteristiche vocali.

Tra le funzioni più importanti degli indici prosodici vi è quella paralinguistica, che consente la trasmissione di informazioni concernenti le emozioni e lo stato d’animo del parlante.

Face reader

FaceReader è un software per il riconoscimento e l’analisi delle espressioni facciali basato sul deep learning. Partendo dal sistema di classificazione descritto da Ekman, FaceReader è in grado di riconoscere le emozioni di base (felicità, tristezza, rabbia, sorpresa, paura, disgusto e neutrale), oltre a disprezzo, interesse e noia.

Per farlo, identifica i volti all’interno delle immagini e ne estrapola un modello tridimensionale basato su 500 punti chiave, che gli consente di tracciare i movimenti della muscolatura facciale su cui basarsi per classificare le espressioni.