Analyzing stress levels via eye-related facial landmarks

Abstract

Stress is one of the most significant health challenges in modern society, with many individuals encountering stressful situations on a nearly daily basis. While short-term stress can temporarily enhance performance, prolonged stress puts individuals at risk to serious conditions, such as cardiovascular diseases. Therefore, early detection and prevention of stress is crucial. This thesis focuses on the analysis of stress levels through eye movements. The objective of this study is to investigate how eye movement speed and blink rate change when transitioning from non-stressful to stressful tasks.

The study uses a video-based dataset, from which eye region features were extracted using facial landmark detection provided by the Dlib library. The participants in the dataset took part in 8-9 experimental conditions that were pre-defined as stressful or non-stressful. Eye movement speed and blink rate were calculated based on the coordinate changes of these landmarks. The statistical significance of the results was verified using a paired t-test and the results of the stressful tasks were examined using the Pearson correlation coefficient.

The results showed a significant increase in eye movement speed (78%) and a decrease in blink rate (-18%) as the task became stressful. Although eye movement speed proved to be a statistically stronger indicator of stress, considerable individual variation was observed between the participants. The results also highlighted the sensitivity of the blink rate to the nature of the task. Speaking increased blink rate during stressful tasks, which contradicts the general trend of stress-induced blink suppression.

Based on the study, it can be concluded that eye-tracking is a potential method for identifying stress. Eye movement offers a more consistent way to detect stress, whereas blink rate is more sensitive to the nature of the task. The results suggest that reliable stress monitoring in the future will require the integration of multiple physiological variables to account for individual differences and interfering factors.

Stressi on yksi nyky-yhteiskunnan merkittävimmistä terveyshaasteista, ja moni kohtaa stressaavia tilanteita lähes päivittäin. Vaikka lyhytaikainen stressi voi parantaa suorituskykyä, pitkittynyt stressi altistaa vakaville sairauksille, kuten sydän- ja verisuonitaudeille. Tämän vuoksi stressin varhainen tunnistaminen ja ennaltaehkäisy on erittäin tärkeää. Tässä työssä keskitytään stressitasojen analysointiin silmänliikkeistä. Työn tarkoituksena on selvittää, miten silmänliikenopeus ja räpytystiheys muuttuvat siirryttäessä ei-stressaavasta tehtävästä stressaavaan.

Tutkimuksessa hyödynnettiin videopohjaista aineistoa, jossa silmänalueen piirteet erotettiin Dlib-kirjaston kasvojen maamerkkien tunnistuksen avulla. Aineiston koehenkilöt osallistuivat 8-9 koetilanteeseen, jotka oli ennalta määritelty stressaaviksi tai ei-stressaaviksi. Silmänliikenopeus ja räpytystiheys laskettiin näiden maamerkkien koordinaattimuutoksien perusteella. Tulosten tilastollinen merkitsevyys tarkistettiin parittaisella t-testillä ja stressaavien tehtävien tuloksia tarkasteltiin Pearsonin korrelaatiokertoimella.

Tulokset osoittivat merkittävän silmänliikenopeuden kasvun (78%) ja räpytystiheyden laskun (-18%), kun tehtävä muuttui stressaavaksi. Vaikka silmänliikenopeus osottautui tilastollisesti vahvemmaksi stressin indikaattoriksi, koehenkilöiden välillä havaittiin huomattavaa yksilöllistä vaihtelua. Tuloksissa havaittiin myös räpytystiheyden alttius tehtävän luonteelle, sillä puhuminen stressitehtävän aikana kasvatti räpytystiheyttä, mikä on ristiriidassa saatujen tutkimustuloksien kanssa, jonka mukaan stressi vähentää räpyttelyä.

Tutkimuksen perusteella voidaan päätellä, että silmänliikkeiden seuranta on potentiaalinen tapa tunnistaa stressiä. Silmänliikenopeus tarjoaa johdonmukaisemman tavan stressin tunnistamiseen, kun taas räpytystiheys on herkempi tehtävän luonteelle. Tulokset viittaavat siihen, että luotettava stressin seuranta tulevaisuudessa vaatii useampien fysiologisten muuttujien yhdistämistä yksilöllisten erojen ja häiriötekijöiden huomioimiseksi.