EMOTIV EPOC dispose de 14 capteurs EEG dont 8 sont positionnés autour des lobes frontal et préfrontal, qui par leur emplacement captent des signaux des muscles faciaux et des yeux. La plupart des systèmes EEG considèrent ces signaux comme du bruit et ils sont filtrés ou ignorés lors de l'interprétation des signaux. Le système de détection EMOTIV filtre également ces signaux avant d'interpréter les signaux cérébraux, cependant, nous utilisons également ces signaux pour classifier quels groupes musculaires les provoquent, nous appelons cela des Artefacts Intelligents.

Nous avons développé des classificateurs efficaces pour détecter de nombreuses expressions faciales, y compris le clignement, le clin d'œil gauche, le clin d'œil droit, les sourcils levés (surprise), les sourcils froncés (frustration), le sourire et les dents serrées.

Nos Expressions Faciales sont détectées à partir du bruit musculaire, à l'exception des rotations oculaires qui proviennent du fait que l'œil est électriquement polarisé et que le dipôle en mouvement crée également un signal électrique détectable. Il est difficile avec les systèmes EEG conventionnels d'éliminer les effets du signal musculaire des motifs cérébraux et la plupart des EEG médicaux exigent que le patient reste très immobile afin qu'ils puissent voir les signaux cérébraux avec une intégrité suffisamment élevée pour diagnostiquer des problèmes fonctionnels (et même dans ce cas, une grande partie des données est écartée en raison des clignements et d'autres mouvements involontaires comme la déglutition).

Nous avons adopté une approche différente, à savoir qu'il existe des informations précieuses sur l'expression faciale de l'utilisateur qui peuvent être dérivées du motif des signaux musculaires, et nous avons développé des systèmes de classification spécifiques pour allouer différents motifs d'activation des groupes musculaires à des expressions spécifiques. Nous sommes alors en mesure d'appliquer un certain filtrage à nos signaux cérébraux afin d'avoir une meilleure chance de voir le véritable signal cérébral à travers le bruit musculaire pour identifier les types de signaux musculaires.

Nous utilisons une combinaison de filtrage et de caractéristiques spécifiques de motifs cérébraux qui sont moins affectées par les mouvements musculaires pour dériver le comportement cérébral sous-jacent.