一種利用腦電信號進(jìn)行小型辦公室打卡考勤的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及生物醫(yī)學(xué)工程領(lǐng)域，主要是用于小型辦公室內(nèi)工作考勤，通過利用腦 電信號的方法避免傳統(tǒng)的考勤中的代考勤等弊端的出現(xiàn)。
【背景技術(shù)】
[0002] 在現(xiàn)代化管理模式下的辦公室，公平、公正是維持辦公室和諧辦公，推進(jìn)工作效率 的一個基石。為了監(jiān)督和促進(jìn)員工的工作積極性，很多辦公室都采用"考勤"的方法，通過 考勤指標(biāo)來衡量員工的積極性，無疑是一種有效的手段，現(xiàn)在流行的考勤手段有傳統(tǒng)意義 上的簽到，也有一些基于生理特征的例如指紋等等，這些方法的考勤結(jié)果雖然對員工出勤 有一定的借鑒意義，但是因為這種考勤很容易造假，代考勤，因此會影響員工的公平性，影 響辦公室內(nèi)的員工友好氣氛。
[0003] 隨著對腦電波的研究深入，很多研究團(tuán)隊開始研究腦電波的身份識別領(lǐng)域，因為 腦電波是人對外界刺激或者主動思考產(chǎn)生的一種生物信號，因此很難偽造，能否用腦電波 進(jìn)行身份識別，現(xiàn)在相關(guān)研究還存在一定的爭議，但是，穩(wěn)定的腦電波信號特征難以偽造， 是眾多研究團(tuán)隊的共識，目前利用腦電波進(jìn)行身份識別的研究團(tuán)隊，正在致力于找到一個 穩(wěn)定的能反應(yīng)受試者本人的某些特征。
[0004] 在大范圍內(nèi)，尋找受試者本人特征，是因為腦電信號是一個弱電信號，特征很容易 受到干擾，在沒有一個參照物下，進(jìn)行受試者的特異性特征確實比較困難。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明主要是通過利用小范圍內(nèi)的成員照片，按照一定的順序組成刺激源，誘發(fā) 帶有個體特征的腦電信號，然后對搜集到的腦電信號進(jìn)行預(yù)處理和特征提取，然后對每個 成員設(shè)計專屬BP神經(jīng)網(wǎng)絡(luò)分類器，最終高效準(zhǔn)確的實現(xiàn)公平的打卡考勤方法。
[0006] 為達(dá)上述目的，本發(fā)明采用的技術(shù)方案是，利用腦電信號的小型辦公室打卡考勤 方法，主要包括以下步驟：
[0007] 1、人員照片采集：對每個成員采集2存免冠的相同背景和表情的上身照片1張；
[0008] 2、刺激程序設(shè)計：實驗?zāi)繕?biāo)成員照片放在第一位置，首發(fā)出現(xiàn)，然后隨機(jī)擺放其他 成員相片為背景，在刺激電腦上依次顯示給實驗?zāi)繕?biāo)成員觀看，最佳參數(shù)設(shè)計為每次照片 展現(xiàn)1000毫秒，之后照片消失，保持電腦黑屏200毫秒，一個完整的實驗照片顯示兩輪，總 共耗時2*n*(1000+200)毫秒，其中η是辦公室內(nèi)員工人數(shù)；
[0009] 3、數(shù)據(jù)采集參數(shù)：考勤成員用便攜式腦電采集設(shè)備，用右側(cè)乳突做參考電極，采集 前額區(qū)雙導(dǎo)腦電信號，采樣頻率256Hz，50Hz陷波；
[0010] 4、對采集到的腦電信號進(jìn)行濾波，因為有用的腦電信號集中在頻率為l-50Hz之 內(nèi)，對腦電信號進(jìn)行濾波能很好的消除噪音和眼電的干擾，本方法使用卡爾曼濾波，進(jìn)行 I-50Hz 濾波；
[0011] 5、對采集到的腦電信號進(jìn)行離線特征提取，主要步驟包括：
[0012] 1)把濾波后的腦電信號進(jìn)行分段，把腦電信號，按照不同的事件（即成員看不同 照片所產(chǎn)生的腦電信號）進(jìn)行分段，然后把每個成員看自己相片的腦電信號片段給組合起 來，每個片段長1200ms，去掉末尾幾個空白點(diǎn)，每個腦電信號片段為300個時間點(diǎn)，這樣就 得到對于每個成員的濾波后的原始特征矩陣Ca = m*300*2,其中m是腦電信號片段數(shù)，2是 兩個導(dǎo)聯(lián)，也就是樣本數(shù)；
[0013] 2)對Ca的每個時間點(diǎn)求Fisher距離，根據(jù)Fisher距離判斷是否作為初步的特征 時間點(diǎn)，時間點(diǎn)上的距離矩陣F，其中F的計算方法為：
[0015] μ和〇分別為均值和方差。設(shè)定特征選擇點(diǎn)λ = (max (F)-min (F))/2,選擇F 中大于λ的時間點(diǎn)為特征點(diǎn)，以此對每個受試者組建相應(yīng)的m*kx特征矩陣，其中kx表示 特征數(shù)；
[0016] 3)對于m*kx的特征矩陣中的kx和樣本數(shù)m進(jìn)行篩選，選擇內(nèi)聚力較高的樣本和 特征點(diǎn)作為該員工的有效樣本特征矩陣；
[0017] 把m個樣本的kx矩陣分別對每列向量，也就是時間點(diǎn)向量求他們的對角陣T，T可 以通過公式
[0018] T (X) = E {[x-E (X) ] [x-E (X) ] tI
[0019] 其中E(X)是向量里面每個分量的均值。根據(jù)對角陣T來確定這個時間點(diǎn)特征是 否可用來作為特征，從而得到一個新的矩陣m*ky，同時得到特征的時間點(diǎn)Time向量；
[0020] 4)對于m*ky的每一行，也就是對于樣本數(shù)進(jìn)行篩選，通過計算每個樣本到其他樣 本的距離和，可以篩選出離其他樣本距離過大的樣本，以此來提高分類的準(zhǔn)確率。最終得到 的樣本特征數(shù)矩陣就是這個人的特征矩陣；
[0021] 5)利用BP神經(jīng)網(wǎng)絡(luò)，根據(jù)每個成員的特征矩陣，設(shè)計BP神經(jīng)網(wǎng)絡(luò)；
[0022] 6、在線腦電信號特征提取，主要用于考勤過程中，實時采集到腦電信號，用上述的 方法對腦電信截斷，每次使用包括兩次使用者看自己相片的腦電信號片段，首先把這兩段 腦電信號濾波后進(jìn)行疊加平均，然后對得到的信號，根據(jù)時間點(diǎn)Time向量進(jìn)行特征截??；
[0023] 7、把根據(jù)時間點(diǎn)向量截取的特征，用成員的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行計算，這樣就得到一 個長度為η的向量TF，其中η是成員數(shù)，當(dāng)TF的最大值比次大值大于0. 1時，確定計算有 效，否則定義為信號質(zhì)量較差，重新進(jìn)行在線采集，并重新計算；
[0024] 8、根據(jù)輸出的結(jié)果，當(dāng)結(jié)果是第一個照片時候，考勤成功，否則確定為代點(diǎn)，發(fā)出 敏出 呂口 〇
【附圖說明】
[0025] 圖1為本發(fā)明方法流程示意圖；
[0026] 圖2為本發(fā)明方法的刺激流程示意圖；
[0027] 圖3為本發(fā)明方法的數(shù)據(jù)處理流程圖。
【具體實施方式】
[0028] 以下結(jié)合實施例，對本發(fā)明上述的和另外的技術(shù)特征和優(yōu)點(diǎn)作更詳細(xì)的說明。
[0029] 本發(fā)明是利用腦電信號對小型辦公室進(jìn)行考勤的一種方法，首先通過設(shè)計的刺激 模式進(jìn)行腦電信號采集，然后對采集到的腦電信號進(jìn)行特征提取，最后利用特征進(jìn)行個人 BP分類器，通過分類器來實現(xiàn)個人考勤結(jié)果的計算。
[0030] (1)如圖1和2所示，本方法的腦電信號誘發(fā)是通過對照片反應(yīng)的不同，刺激方 法如圖2所示，首先是一個時間段的黑屏，本次例子使用的一個時間段為200毫秒，然后是 1000毫秒的照片顯示時間，之后是200毫秒的黑屏，然后是第二張照片，一次循環(huán)把五個人 的照片顯示一遍，然后在重頭循環(huán)一次，每個人照片顯示兩次，在本例中，第一個顯示的相 片被要求為考勤人的相片。
[0031] (2)腦電信號采集階段，在本例中使用的腦電信號采集設(shè)備為G-tec便攜6導(dǎo)腦電 采集設(shè)備，采集點(diǎn)為前額兩導(dǎo)，右側(cè)乳突作為參考電極。256作為采樣頻率，采集過程中設(shè)置 50Hz陷波。
[0032] (3)對五個成員進(jìn)行腦電信號采集，每個員工采集40次，通過人工校驗，刪除漂移 過大的腦電信號，五個員工最終有效腦電信號（36,32,38,35,38)次，然后對有效腦電信號 進(jìn)行l(wèi)-50Hz濾波。
[0033] (4)對每個成員的腦電信號進(jìn)行分段，最終五個員工的樣本數(shù)（72,64,76,70， 76) 〇
[0034] (5)把每個成員的腦電信號樣本進(jìn)行拼接組建m*600的特征矩陣。
[0035] (6)對第五步的矩陣計算每個時間點(diǎn)的Fisher距離，通過Fisher的值來確定特征 的時間點(diǎn)，得出的F矩陣計算方法如下：
[0037] μ和σ分別為均值和方差。設(shè)定特征選擇點(diǎn)λ = (max (F)-min (F))/2,選擇F 中大于λ的時間點(diǎn)為特征點(diǎn)，以此對每個受試者組建相應(yīng)的m*kx特征矩陣，其中kx表示 特征數(shù)。本實施中，總共有五個受試者，這五個受試者的最終有效樣本數(shù)分別是（72,64， 76,70,76)，分別計算受試者到其他四個受試者的每個數(shù)據(jù)點(diǎn)的距離特征，可以得到一個 Fisher距離F，這個矩陣對于每個受試者都是一個4*600的矩陣，然后對于每個受試者計算 F矩陣的