本發(fā)明涉及腦電注意力狀態(tài)檢測，特別是涉及一種基于腦電信號的注意力狀態(tài)檢測方法及系統(tǒng)。

背景技術(shù)：

1、本發(fā)明設(shè)計人之前申請了申請?zhí)枮閏n202110184656.3、名稱為基于腦機接口設(shè)備技術(shù)的注意力狀態(tài)監(jiān)測裝置及方法的發(fā)明專利，此專利中，用戶在完成注意力監(jiān)測任務時不斷地收集用戶的eeg腦電信號，對eeg腦電信號進行簡單處理后就提取時頻域特征，將提取出的時頻域特征輸入至深度學習算法中進行分析即可獲得注意力評測結(jié)果。此專利技術(shù)比較粗糙，不夠精細，無法得到準確率高的注意力評測結(jié)果。在此基礎(chǔ)上，本發(fā)明對此注意力狀態(tài)監(jiān)測技術(shù)進行進一步優(yōu)化改進，通過精細化的構(gòu)思設(shè)計能夠獲得最優(yōu)腦電信號，基于最優(yōu)腦電信號進行特征提取，以此獲得準確率高的注意力評測結(jié)果。

技術(shù)實現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術(shù)存在的問題和不足，提供一種基于腦電信號的注意力狀態(tài)檢測方法及系統(tǒng)。

2、本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題的：

3、本發(fā)明提供一種基于腦電信號的注意力狀態(tài)檢測方法，其特點在于，其包括以下步驟：

4、s1、獲取含有待檢測人員年齡和身份的基本信息，依次播放供待檢測人員觀看的與待檢測人員年齡相匹配的無干擾檢測模式中視頻和有干擾檢測模式中視頻，無干擾檢測模式中視頻含有無干擾的n個樣本視頻，有干擾檢測模式中視頻含有有干擾的n個樣本視頻，無干擾檢測模式中每個樣本視頻播放時長相同且所需的注意力水平均不同，有干擾檢測模式中每個樣本視頻播放時長相同且所需的注意力水平均不同，無干擾檢測模式中第n個樣本視頻所需的注意力水平與有干擾檢測模式中第n個樣本視頻所需的注意力水平相同，分別采集無干擾檢測模式和有干擾檢測模式下待檢測人員觀看過程中k個腦功能區(qū)中每個腦功能區(qū)m個通道的原始腦電信號，n為正整數(shù)且n≥2，1≤n≤n，k為正整數(shù)且k≥2，m為正整數(shù)且m≥2；

5、s2、分別對無干擾檢測模式和有干擾檢測模式下各個腦功能區(qū)各個通道的原始腦電信號進行除噪濾波去偽跡初步處理，分別得到無干擾檢測模式和有干擾檢測模式下各個腦功能區(qū)各個通道的初步腦電信號；

6、s3、針對無干擾檢測模式下第k個腦功能區(qū)m個通道的腦電信號，從m個通道中選出一個最優(yōu)通道的腦電信號作為第k個腦功能區(qū)的最優(yōu)腦電信號，基于此選出無干擾檢測模式下各個腦功能區(qū)的最優(yōu)腦電信號；

7、針對有干擾檢測模式下第k個腦功能區(qū)m個通道的腦電信號，從m個通道中選出一個最優(yōu)通道的腦電信號作為第k個腦功能區(qū)的最優(yōu)腦電信號，基于此選出有干擾檢測模式下各個腦功能區(qū)的最優(yōu)腦電信號；

8、s4、對無干擾檢測模式下k個腦功能區(qū)的最優(yōu)腦電信號進行特征提取，獲得每個腦功能區(qū)每個樣本視頻對應的注意力時域特征、注意力頻域特征，以及任意兩個腦功能區(qū)之間的連接特征，由在先的按序排布的每個腦功能區(qū)每個樣本視頻對應的注意力時域特征、注意力頻域特征以及在后的按序排布的兩個腦功能區(qū)之間的連接特征構(gòu)建無干擾檢測模式下腦電注意力特征集；

9、對有干擾檢測模式下k個腦功能區(qū)的最優(yōu)腦電信號進行特征提取，獲得每個腦功能區(qū)每個樣本視頻對應的注意力時域特征、注意力頻域特征，以及任意兩個腦功能區(qū)之間的連接特征，由在先的按序排布的每個腦功能區(qū)每個樣本視頻對應的注意力時域特征、注意力頻域特征以及在后的按序排布的兩個腦功能區(qū)之間的連接特征構(gòu)建有干擾檢測模式下腦電注意力特征集；

10、s5、將待檢測人員無干擾檢測模式下腦電注意力特征集和有干擾檢測模式下腦電注意力特征集輸入至訓練好的基于卷積神經(jīng)網(wǎng)絡模型構(gòu)建的注意力狀態(tài)檢測模型中進行檢測，以輸出待檢測人員的注意力狀態(tài)檢測結(jié)果，注意力狀態(tài)檢測結(jié)果分為0～10級，分別表征注意力狀態(tài)程度0％、10％、20％、30％、40％、50％、60％、70％、80％、90％和100％，其中0％為無意識，100％為過度集中。

11、本發(fā)明還提供一種基于腦電信號的注意力狀態(tài)檢測系統(tǒng)，其特點在于，其包括腦電采集模塊、腦電處理模塊、最優(yōu)腦電篩選模塊、腦電特征提取模塊和注意力狀態(tài)檢測模塊；

12、所述腦電采集模塊用于獲取含有待檢測人員年齡和身份的基本信息，依次播放供待檢測人員觀看的與待檢測人員年齡相匹配的無干擾檢測模式中視頻和有干擾檢測模式中視頻，無干擾檢測模式中視頻含有無干擾的n個樣本視頻，有干擾檢測模式中視頻含有有干擾的n個樣本視頻，無干擾檢測模式中每個樣本視頻播放時長相同且所需的注意力水平均不同，有干擾檢測模式中每個樣本視頻播放時長相同且所需的注意力水平均不同，無干擾檢測模式中第n個樣本視頻所需的注意力水平與有干擾檢測模式中第n個樣本視頻所需的注意力水平相同，分別采集無干擾檢測模式和有干擾檢測模式下待檢測人員觀看過程中k個腦功能區(qū)中每個腦功能區(qū)m個通道的原始腦電信號，n為正整數(shù)且n≥2，1≤n≤n，k為正整數(shù)且k≥2，m為正整數(shù)且m≥2；

13、所述腦電處理模塊用于分別對無干擾檢測模式和有干擾檢測模式下各個腦功能區(qū)各個通道的原始腦電信號進行除噪濾波去偽跡初步處理，分別得到無干擾檢測模式和有干擾檢測模式下各個腦功能區(qū)各個通道的初步腦電信號；

14、所述最優(yōu)腦電篩選模塊用于針對無干擾檢測模式下第k個腦功能區(qū)m個通道的腦電信號，從m個通道中選出一個最優(yōu)通道的腦電信號作為第k個腦功能區(qū)的最優(yōu)腦電信號，基于此選出無干擾檢測模式下各個腦功能區(qū)的最優(yōu)腦電信號；針對有干擾檢測模式下第k個腦功能區(qū)m個通道的腦電信號，從m個通道中選出一個最優(yōu)通道的腦電信號作為第k個腦功能區(qū)的最優(yōu)腦電信號，基于此選出有干擾檢測模式下各個腦功能區(qū)的最優(yōu)腦電信號；

15、所述腦電特征提取模塊用于對無干擾檢測模式下k個腦功能區(qū)的最優(yōu)腦電信號進行特征提取，獲得每個腦功能區(qū)每個樣本視頻對應的注意力時域特征、注意力頻域特征，以及任意兩個腦功能區(qū)之間的連接特征，由在先的按序排布的每個腦功能區(qū)每個樣本視頻對應的注意力時域特征、注意力頻域特征以及在后的按序排布的兩個腦功能區(qū)之間的連接特征構(gòu)建無干擾檢測模式下腦電注意力特征集；對有干擾檢測模式下k個腦功能區(qū)的最優(yōu)腦電信號進行特征提取，獲得每個腦功能區(qū)每個樣本視頻對應的注意力時域特征、注意力頻域特征，以及任意兩個腦功能區(qū)之間的連接特征，由在先的按序排布的每個腦功能區(qū)每個樣本視頻對應的注意力時域特征、注意力頻域特征以及在后的按序排布的兩個腦功能區(qū)之間的連接特征構(gòu)建有干擾檢測模式下腦電注意力特征集；

16、所述注意力狀態(tài)檢測模塊用于將待檢測人員無干擾檢測模式下腦電注意力特征集和有干擾檢測模式下腦電注意力特征集輸入至訓練好的基于卷積神經(jīng)網(wǎng)絡模型構(gòu)建的注意力狀態(tài)檢測模型中進行檢測，以輸出待檢測人員的注意力狀態(tài)檢測結(jié)果，注意力狀態(tài)檢測結(jié)果分為0～10級，分別表征注意力狀態(tài)程度0％、10％、20％、30％、40％、50％、60％、70％、80％、90％和100％，其中0％為無意識，100％為過度集中。

17、本發(fā)明的積極進步效果在于：

18、本發(fā)明設(shè)計的腦電注意力狀態(tài)檢測技術(shù)，采集兩種不同檢測模式(無干擾檢測模式和有干擾檢測模式)對應的多腦功能區(qū)多通道腦電信號，對無干擾檢測模式下多腦功能區(qū)多通道腦電信號進行分析可獲得無干擾檢測模式下各個腦功能區(qū)的最優(yōu)通道的腦電信號作為最優(yōu)腦電信號，對有干擾檢測模式下多腦功能區(qū)多通道腦電信號進行分析可獲得有干擾檢測模式下各個腦功能區(qū)的最優(yōu)通道的腦電信號作為最優(yōu)腦電信號，針對無干擾檢測模式下各個腦功能區(qū)的最優(yōu)腦電信號進行特征提取能夠獲得無干擾檢測模式下最優(yōu)腦電特征，針對有干擾檢測模式下各個腦功能區(qū)的最優(yōu)腦電信號進行特征提取能夠獲得有干擾檢測模式下最優(yōu)腦電特征，利用無干擾檢測模式下最優(yōu)腦電特征和有干擾檢測模式下最優(yōu)腦電特征進行模型學習可以獲得待檢測人員的準確的注意力狀態(tài)檢測結(jié)果。本發(fā)明通過精細化的構(gòu)思設(shè)計能夠獲得最優(yōu)腦電信號，基于最優(yōu)腦電信號進行特征提取，以此獲得準確率高的注意力評測結(jié)果。