[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-128052-110":49,"doc-detail-128052-es":123},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":116,"head_meta":118,"extra_data":120,"updated_unix":122},110,"es","machine-learning-and-epoc-headband-for-simultaneous-events-in-facial-expression-studies-comparative-emotion-study","Machine Learning y Diadema Epoc+ para eventos simultáneos en estudios de expresiones faciales - Estudio comparativo de emociones","","Las aplicaciones de reconocimiento facial crecen al emplear técnicas de IA y BCI para identificar la emoción facial expresada por una persona. El trabajo compara emociones del rostro mediante algoritmos de Machine Learning en entorno Python y el sistema Emotiv Epoc+ con software Xavier Control Panel. Los modelos ML extraen y mapean el movimiento facial sobre una malla de 468 nodos para EFGF y realizan detección facial en cascada para múltiples zonas con MTCNN. La técnica BCI obtiene señales EEG y predice la emoción con Xavier, con utilidad en psicología, medicina y seguridad pública.",{"@graph":59,"@context":115},[60,77,98],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":27,"@type":66,"position":73},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/machine-learning-and-epoc-headband-for-simultaneous-events-in-facial-expression-studies-comparative-emotion-study/128052/",4,{"url":75,"name":55,"@type":78,"image":79,"author":84,"headline":55,"publisher":87,"fileFormat":90,"inLanguage":53,"description":57,"dateModified":91,"datePublished":92,"encodingFormat":90,"isAccessibleForFree":93,"interactionStatistic":94},"DigitalDocument",{"url":80,"@type":81,"width":82,"height":83},"https://docshare.wps.com/thumbnails/machine-learning-and-epoc-headband-for-simultaneous-events-in-facial-expression-studies-comparative-emotion-study/128052.png","ImageObject",300,407,{"name":85,"@type":86},"Levi","Person",{"url":64,"name":88,"@type":89},"DocShare","Organization","application/pdf","2026-09-22","2026-08-05",true,{"@type":95,"interactionType":96,"userInteractionCount":73},"InteractionCounter",{"@type":97},"ViewAction",{"@type":99,"mainEntity":100},"FAQPage",[101,107,111],{"name":102,"@type":103,"acceptedAnswer":104},"Qué compara el trabajo entre Machine Learning y BCI en expresiones faciales?","Question",{"text":105,"@type":106},"Compara la identificación de emociones faciales usando modelos de Machine Learning con detección y mapeo del movimiento facial, frente a la interpretación mediante BCI con extracción de señales EEG y predicción en el software Xavier.","Answer",{"name":108,"@type":103,"acceptedAnswer":109},"Cómo intervienen los modelos ML y el algoritmo MTCNN en el procesamiento del rostro?",{"text":110,"@type":106},"Los modelos ML extraen y mapean el movimiento facial para EFGF y usan detección facial en cascada para extraer características en múltiples zonas simultáneamente con MTCNN.",{"name":112,"@type":103,"acceptedAnswer":113},"Qué papel cumple la diadema Emotiv Epoc+ en la técnica BCI?",{"text":114,"@type":106},"La diadema Emotiv Epoc+ permite extraer señales EEG, y el software Xavier interpreta la emoción detectando contracciones musculares en el rostro del usuario.","https://schema.org",{"og:url":75,"og:type":117,"og:title":55,"og:site_name":88,"og:description":57},"article",{"robots":119,"canonical":75},"index,follow",{"doc_id":121,"site_id":52},128052,1785944492,{"code":4,"msg":5,"data":124},{"doc_id":121,"user_id":125,"nickname":85,"user_avatar":126,"doc_module":4,"category_id":26,"category_name":27,"doc_title":55,"doc_description":57,"doc_content":127,"file_id":128,"file_url":129,"file_type":130,"file_size":131,"view_count":73,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":132,"language":133,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":134,"faqs":135,"seo_title":136,"seo_description":57,"update_tm":122,"read_time":137},5909887256941,"https://ap-avatar.wpscdn.com/davatar_9964176cb1d06d4a9deccf72a44ae3dc","Machine Learning y Diadema Epoc+ para eventos simultáneos  \nen estudios de expresiones faciales  \nMachine Learning and Epoc+ Headband for simultaneous events in facial expression studies  \nCastro-López, Ángel 1; Castañeda-Álvarez, Luis 2 ; Razón-González, Juan 3; Martínez-Jiménez, Leonardo 4; Torres  \ndel Carmen, Felipe 5; Cano-Lara, Miroslava 1*  \n1Depto. de Mecatrónica, Tecnológico Nacional de México/ITS de Irapuato, Irapuato, Guanajuato, 36821, México.  \n2Depto. de Mecatrónica, Tecnológico Nacional de México/IT de Tepic, Tepic, Nayarit, 63175, México.  \n3Depto. de Electromecánica, Tecnológico Nacional de México/ITS de Irapuato, Irapuato, Guanajuato, 36821, México.  \n4Depto. de Estudios Multidisciplinarios, Universidad de Guanajuato,Yuriria, Guanajuato, 38944, México.  \n[5](5Depto. de)[Depto. de](5Depto. de) Ingeniería Mecánica, Universidad de Guanajuato, Salamanca, Guanajuato, 36800, México.  \n*[miroslava.cl@irapuato.tecnm.mx](miroslava.cl@irapuato.tecnm.mx)  \nResumen  \nEn el área de reconocimiento facial las aplicaciones van en aumento, al emplear AI (Artificial Intelligence) o técnicas BCI (Brain-Computer Interface) se logra identificar la emoción facial que expresa una persona. En este trabajo se presenta la comparación de emociones del rostro mediante los algoritmos deML (Machine Learning) en entorno de Phytony la diadema Emotiv Epoc+ en su software Xavier Control Panel. Los modelos ML permiten extraery mapear el movimiento facial en unamalla de 468 nodos para EFGF (Extraction of Facial Geometric Features) y permite realizar una detección facial en cascada para extraer las características faciales en múltiples zonassimultáneamentepara el algoritmo MTCNN (MultiTask Cascaded Convolutional Neural Network). La técnica BCI con la diadema Emotiv Epoc+ permite la extracción de las señales EEG (Electroencephalogram) para determinar la expresión facial. Finalmente, los modelos AI presentan la ventaja de una nula intervenciónfísica con la cabeza, en contraste de requerir tratamiento en la imagen para reducir el ruido, aumento en el tiempo de procesamiento y control de escenario de iluminación. En cambio, la técnica BCI realiza directamente la interpretación de la emoción con el software Xavier al detectar las contracciones musculares en el rostro del usuario y predecir la emoción. Las expresionesfaciales logran ser aplicadas en el ámbito de lapsicología, medicina, investigaciones policiacas, etc., brindan una herramientapractica para agilizar entrevistas relacionando el reconocimiento de las emociones en el momento exacto que se requiera.  \nPalabras clave: Expresión facial, Aprendizaje automático, MTCNN, EFGF, Diadema Emotiv.  \nAbstract  \nThe applications in facial recognition are increasing, using AI (Artificial Intelligence) or BCI (Brain-Computer Interface) techniques, we can identify the facial emotion expressed by a person. This paper presents the comparison of facial emotions using ML (Machine Learning) algorithms in a Phyton environment and theEmotivEpoc+ headset in its Xavier Control Panel software. ML models allow facial motion to be extracted and mapped on a 468-node mesh for EFGF (Extraction of Facial Geometric Features) and allows cascaded face detection to extract facial features in multiple zones simultaneously for the MTCNN (MultiTask Cascaded Convolutional Neural Network) algorithm. The BCI technique with theEmotivEpoc+ headset allows the extraction of EEG (Electroencephalogram) signals to determine facial expression. Finally, the AI models have the advantage of no physical intervention with the head, in contrast to requiring image processing to reduce noise, increased processing time and control of the illumination scenario. In contrast, the BCI technique directly performs emotion interpretation with Xavier software by detecting muscle contractions in the user's face and predicting the emotion. Facial expressions can be applied in the field of psychology, medicine, police investigations, etc., providing a practic","cbCaihml7dFEJAJN","https://ap.wps.com/l/cbCaihml7dFEJAJN","pdf",738161,8,"Spanish","# Resumen\n# Introducción\n## Reconocimiento facial en tiempo real con IA y BCI\n## Fundamentos de emociones y expresiones no verbales\n## Aplicaciones en psicología, seguridad pública y neurociencias","[{\"question\":\"Qué compara el trabajo entre Machine Learning y BCI en expresiones faciales?\",\"answer\":\"Compara la identificación de emociones faciales usando modelos de Machine Learning con detección y mapeo del movimiento facial, frente a la interpretación mediante BCI con extracción de señales EEG y predicción en el software Xavier.\"},{\"question\":\"Cómo intervienen los modelos ML y el algoritmo MTCNN en el procesamiento del rostro?\",\"answer\":\"Los modelos ML extraen y mapean el movimiento facial para EFGF y usan detección facial en cascada para extraer características en múltiples zonas simultáneamente con MTCNN.\"},{\"question\":\"Qué papel cumple la diadema Emotiv Epoc+ en la técnica BCI?\",\"answer\":\"La diadema Emotiv Epoc+ permite extraer señales EEG, y el software Xavier interpreta la emoción detectando contracciones musculares en el rostro del usuario.\"}]","Machine Learning y Diadema Epoc+ para eventos simultáneos en estudios de expresiones faciales - Estudio comparativo de emociones | PDF",12]