一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)及其識(shí)別方法
【專利摘要】本發(fā)明公開(kāi)了一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)及其識(shí)別方法，眼動(dòng)信號(hào)識(shí)別系統(tǒng)包括眼動(dòng)信號(hào)預(yù)處理模塊、空域?yàn)V波器訓(xùn)練模塊及眼動(dòng)信號(hào)識(shí)別模塊。識(shí)別方法包括：采集基于眼電圖的眼動(dòng)數(shù)據(jù)并對(duì)眼動(dòng)數(shù)據(jù)進(jìn)行預(yù)處理；將預(yù)處理后的所有數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)兩個(gè)部分；對(duì)于訓(xùn)練數(shù)據(jù)，采用CSP算法對(duì)其進(jìn)行空域?yàn)V波，并將濾波后結(jié)果作為特征參數(shù)輸入到SVM分類器中進(jìn)行SVM模型訓(xùn)練；對(duì)測(cè)試數(shù)據(jù)，同樣使用CSP算法進(jìn)行特征提取，并將結(jié)果送入已訓(xùn)練好的SVM分類器中進(jìn)行識(shí)別，最終得到眼部動(dòng)作的識(shí)別結(jié)果。本發(fā)明的眼動(dòng)信號(hào)識(shí)別系統(tǒng)及其識(shí)別方法，具有對(duì)眼動(dòng)信號(hào)識(shí)別正確率較高、眼動(dòng)信號(hào)擴(kuò)展分類能力較強(qiáng)、應(yīng)用潛力大等優(yōu)點(diǎn)。
【專利說(shuō)明】—種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)及其識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于共同空間模式(Common Spatial Pattern, CSP)的眼動(dòng)信號(hào)識(shí)別系統(tǒng)及其識(shí)別方法。
【背景技術(shù)】
[0002]基于生物電的人機(jī)交互(Human-Computer Interaction, HCI)技術(shù)作為常規(guī)人機(jī)交互方法的一種補(bǔ)充，在一些特殊的應(yīng)用場(chǎng)景下，比如:殘疾群體與外界環(huán)境的交互，臨床病人的監(jiān)護(hù)，特殊環(huán)境下的通信，駕駛員的疲勞檢測(cè)等方面都具有較強(qiáng)的實(shí)際應(yīng)用價(jià)值。其中，由于眼電信號(hào)具有幅度強(qiáng)，易于檢測(cè)等特點(diǎn)，因此，基于EOG (electro-oculogram,眼電圖)的人機(jī)交互技術(shù)已經(jīng)逐步成為人們的研究熱點(diǎn)。
[0003]所謂眼電信號(hào)是指人由于眼睛的運(yùn)動(dòng)而產(chǎn)生的電勢(shì)與人體皮膚表面電極電勢(shì)之間存在的電位差。進(jìn)一步的醫(yī)學(xué)研究表明，這種電勢(shì)關(guān)系是由眼睛的角膜與視網(wǎng)膜(如圖1左所示)之間的電勢(shì)差引起的。該電勢(shì)由視網(wǎng)膜色素上皮和光感受器細(xì)胞發(fā)起，其正極位于光感受器端，負(fù)極位于視網(wǎng)膜色素上皮端，所產(chǎn)生的電流從視網(wǎng)膜端流向了角膜端，從而形成一個(gè)幅值約為0.4mV~10mV、角膜為正極，視網(wǎng)膜為負(fù)極的電勢(shì)，我們稱這種電勢(shì)為眼電信號(hào)。當(dāng)人眼球運(yùn)動(dòng)時(shí)，眼電信號(hào)的幅值會(huì)隨著眼球的運(yùn)動(dòng)而發(fā)生不斷的變化，我們將這種變化的電勢(shì)繪制到時(shí)間軸上則可以構(gòu)成一條的曲線，這條曲線就稱之為眼電圖，圖2顯示了一段包含了眼動(dòng)信號(hào)的EOG圖譜。[0004]在眼動(dòng)信號(hào)的檢測(cè)中，眨眼信號(hào)由于具有較強(qiáng)的周期性且持續(xù)時(shí)間相對(duì)較短，因此對(duì)眨眼信號(hào)的檢測(cè)也較容易。而對(duì)于眼球掃視信號(hào)，不同受試者之間或相同受試者不同時(shí)間段內(nèi)，在信號(hào)幅度、持續(xù)時(shí)間長(zhǎng)度及掃視角度等方面都會(huì)存在著較大的差異，不利于眼動(dòng)信號(hào)的識(shí)別。為了解決這一問(wèn)題，動(dòng)態(tài)時(shí)間規(guī)整的方法曾被用來(lái)進(jìn)行眼動(dòng)信號(hào)的識(shí)別，但由于向上掃視與向左掃視、向下掃視與向右掃視間存在較高的相似度，因此，識(shí)別結(jié)果不是特別理想，難以達(dá)到實(shí)用的地步。

【發(fā)明內(nèi)容】

[0005]本發(fā)明是為避免上述已有技術(shù)中存在的不足之處，提供一種識(shí)別分類正確率高、擴(kuò)展能力強(qiáng)、應(yīng)用潛力大的基于共同空間模式的眼動(dòng)信號(hào)識(shí)別方法。
[0006]本發(fā)明為解決技術(shù)問(wèn)題采用以下技術(shù)方案。
[0007]—種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)，其結(jié)構(gòu)特點(diǎn)是，包括眼動(dòng)信號(hào)預(yù)處理模塊、空域?yàn)V波器訓(xùn)練模塊及眼動(dòng)信號(hào)識(shí)別模塊；
[0008]所述眼動(dòng)信號(hào)預(yù)處理模塊，用來(lái)對(duì)所有訓(xùn)練與測(cè)試數(shù)據(jù)進(jìn)行帶通濾波與去均值操作，用以降低不同噪聲信號(hào)對(duì)原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)的干擾，從而提高識(shí)別正確率；
[0009]所述空域?yàn)V波器訓(xùn)練模塊，用于通過(guò)矩陣聯(lián)合對(duì)角化的方法構(gòu)建基于共同空間模式的多分類眼動(dòng)信號(hào)空間濾波器；
[0010]所述眼動(dòng)信號(hào)識(shí)別模塊，用于將原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)經(jīng)過(guò)上述空域?yàn)V波器濾波后所得到的結(jié)果作為特征參數(shù)，并使用支持向量機(jī)(Support Vector Machine, SVM)進(jìn)行眼動(dòng)信號(hào)的識(shí)別。
[0011] 本發(fā)明的一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)及其識(shí)別方法的結(jié)構(gòu)特點(diǎn)也在于:
[0012]所述的一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)的識(shí)別方法，其特點(diǎn)是包括如下步驟:
[0013]步驟1:采集基于眼電圖的眼動(dòng)數(shù)據(jù)并對(duì)眼動(dòng)數(shù)據(jù)進(jìn)行預(yù)處理；
[0014]步驟2:將預(yù)處理后的所有數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)兩個(gè)部分；所述訓(xùn)練數(shù)據(jù)為原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)，采用CSP算法對(duì)原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)進(jìn)行空域?yàn)V波，計(jì)算出左掃視、右掃視、上掃視和下掃視四類的空域?yàn)V波器Wp Wp Wu和Wd ；
[0015]步驟3:運(yùn)用上述步驟2中的WpWpWl^P Wd四個(gè)空域?yàn)V波器對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行空域?yàn)V波，并將濾波后結(jié)果作為特征參數(shù)輸入到SVM分類器中進(jìn)行訓(xùn)練；
[0016]步驟4:對(duì)測(cè)試數(shù)據(jù)，同樣運(yùn)用上述步驟2中的Wp W,、Wu和Wd四個(gè)空域?yàn)V波器進(jìn)行空域?yàn)V波、特征提取，然后送入到已經(jīng)訓(xùn)練好的SVM分類器中進(jìn)行識(shí)別，最終得到眼動(dòng)信號(hào)的識(shí)別結(jié)果。
[0017]所述步驟I中對(duì)眼動(dòng)信號(hào)進(jìn)行預(yù)處理過(guò)程包括帶通濾波步驟與去均值步驟。
[0018]用于進(jìn)行帶通濾波步驟的帶通濾波器的截止頻率為0.3Hz~12.5Hz。
[0019]所述步驟2中采用CSP算法對(duì)原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)進(jìn)行空域?yàn)V波時(shí)，空域?yàn)V波器%、Wr、Wu和Wd的計(jì)算過(guò)程為:
[0020]假定X1, Xr, Xu與Xd分別表示左掃視、右掃視、上掃視及下掃視4種任務(wù)下的原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)，X1, Xr, Xu與Xd歸一化后的空間協(xié)方差矩陣為
【權(quán)利要求】
1.一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)，其特征是，包括眼動(dòng)信號(hào)預(yù)處理模塊、空域?yàn)V波器訓(xùn)練模塊及眼動(dòng)信號(hào)識(shí)別模塊； 所述眼動(dòng)信號(hào)預(yù)處理模塊，用來(lái)對(duì)所有訓(xùn)練與測(cè)試數(shù)據(jù)進(jìn)行帶通濾波與去均值操作，用以降低不同噪聲信號(hào)對(duì)原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)的干擾，從而提高識(shí)別正確率； 所述空域?yàn)V波器訓(xùn)練模塊，用于通過(guò)矩陣聯(lián)合對(duì)角化的方法構(gòu)建基于共同空間模式的多分類眼動(dòng)信號(hào)空間濾波器； 所述眼動(dòng)信號(hào)識(shí)別模塊，用于將原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)經(jīng)過(guò)上述空域?yàn)V波器濾波后所得到的結(jié)果作為特征參數(shù)，并使用支持向量機(jī)(Support Vector Machine, SVM)進(jìn)行眼動(dòng)信號(hào)的識(shí)別。
2.根據(jù)權(quán)利要求1所述的一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)的識(shí)別方法，其特征是，包括如下步驟: 步驟1:采集基于眼電圖的眼動(dòng)數(shù)據(jù)并對(duì)眼動(dòng)數(shù)據(jù)進(jìn)行預(yù)處理； 步驟2:將預(yù)處理后的所有數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)兩個(gè)部分；所述訓(xùn)練數(shù)據(jù)為原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)，采用CSP算法對(duì)原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)進(jìn)行空域?yàn)V波，計(jì)算出左掃視、右掃視、上掃視和下掃視四類的空域?yàn)V波器1、Wp Wu和Wd ；
步驟3:運(yùn)用上述步驟2中的WpWpWl^PWd四個(gè)空域?yàn)V波器對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行空域?yàn)V波，并將濾波后結(jié)果作為特征參數(shù)輸入到SVM分類器中進(jìn)行訓(xùn)練。 步驟4:對(duì)測(cè)試數(shù)據(jù)，同樣運(yùn)用上述步驟2中的Wp Wr, Wu和Wd四個(gè)空域?yàn)V波器進(jìn)行空域?yàn)V波、特征提取，然后送入到已經(jīng)訓(xùn)練好的SVM分類器中進(jìn)行識(shí)別，最終得到眼動(dòng)信號(hào)的識(shí)別結(jié)果。
3.根據(jù)權(quán)利要求1所述的一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)的識(shí)別方法，其特征是，所述步驟I中對(duì)眼動(dòng)信號(hào)進(jìn)行預(yù)處理過(guò)程包括帶通濾波步驟與去均值步驟。
4.根據(jù)權(quán)利要求3所述的一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)的識(shí)別方法，其特征是，用于進(jìn)行帶通濾波步驟的帶通濾波器的截止頻率為0.3Hz~12.5Hz。
5.根據(jù)權(quán)利要求2所述的一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)的識(shí)別方法，其特征是，所述步驟2中采用CSP算法對(duì)原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)進(jìn)行空域?yàn)V波時(shí)，空域?yàn)V波器%、1、Wu和Wd的計(jì)算過(guò)程為: 假定X1, Xr, Xu與Xd分別表示左掃視、右掃視、上掃視及下掃視4種任務(wù)下的原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)，X1, Xr, Xu與Xd歸一化后的空間協(xié)方差矩陣為
6.根據(jù)權(quán)利要求5所述的一種基于共同空間模式的眼動(dòng)信號(hào)識(shí)別系統(tǒng)的識(shí)別方法，其特征是，步驟3中，對(duì)眼動(dòng)信號(hào)識(shí)別過(guò)程中，經(jīng)空域?yàn)V波后獲得的多分類任務(wù)相關(guān)源信號(hào)(左、右、上和下掃視四類眼動(dòng)任務(wù)相關(guān)的源信號(hào))可通過(guò)下式(9)獲得Z1=W1X Zr=WrX Zu=WuX Zd=WdX (9) 式子(9)中，X表不原始多導(dǎo)聯(lián)眼動(dòng)信號(hào)，\、Zr、Zu> Zd分別表不左、右、上、下掃視信號(hào)經(jīng)空域?yàn)V波后的結(jié)果(即多分類任務(wù)相關(guān)源信號(hào))，并將該結(jié)果作為眼動(dòng)信號(hào)的特征參數(shù)送入SVM分類器，用以訓(xùn)練SVM模型或?qū)y(cè)試數(shù)據(jù)進(jìn)行識(shí)別。
【文檔編號(hào)】A61B5/0496GK103892829SQ201410156043
【公開(kāi)日】2014年7月2日 申請(qǐng)日期:2014年4月17日 優(yōu)先權(quán)日:2014年4月17日
【發(fā)明者】呂釗, 吳小培, 潘思辰, 張超, 鞏笑曉, 郭曉靜, 張磊, 周蚌艷 申請(qǐng)人:安徽大學(xué)