头戴设备的人身模式识别方法
【技术领域】
[0001]本发明属于穿戴设备技术领域，具体涉及一种头戴设备的人身模式识别方法。
【背景技术】
[0002]随着穿戴设备技术的成熟，各种穿戴设备种类也较多，然而现有技术的大多采用少量的传感器获得少量人体体征，单一地以人脸识别、心率(脉搏)加体温、皮肤电阻变化或是心电量化用户的情绪特征，其虽然可以一定程度上完成部分数据的采集，但是其因体征数据的不足，无法准确的获得人的全面体征，故而容易产生误判，并且直接安装在身体各部位或装配在衣服上容易使用记紧张，带来不适，严重影响限制了人身模式识别大规模的智能化应用，适用性和实用性受到限制。
【发明内容】
[0003]为了解决上述技术问题，本发明是提供一种使用便捷、可准确的获得人体全面体征且适用性强的头戴设备的人身模式识别方法。
[0004]实现本发明目的的技术方案是:包括头戴设备本体，在所述头戴设备本体上设有微计算机和与所述微计算机相连接的脑电波传感器、脑血氧脉搏传感器、瞳孔跟踪传感器、光感血压传感器、肌肉电传感器、麦克风、体温传感器、汗液传感器、三维陀螺仪、三维加速仪、磁场传感器，具体方法包括数据采集、微计算机分析数据、参数分类和人身模式综合量化；
[0005]当三维陀螺仪和三维加速仪感应运动信号，同时磁场传感器感应三维地磁场信号时，微计算机将运动信号与三维磁场信号结合完成头部姿势识别，并通过控制信号实现对应头部姿势的场景应用；
[0006]当瞳孔跟踪传感器根据瞳孔运动采集到目视点信息，同时脑电波传感器通过眨眼信息及脑电波波动信息的结合得到专注度，由微计算机将目视点信息与专注度结合完成人的兴趣点分析，并通过控制信号实现对应兴趣点的场景应用；
[0007]当脑电波传感器感应脑电频率与脑电幅度，由微计算机进行数据突变特征提取得到眨眼频率并通过控制信号实现对应眨眼频率的场景应用；
[0008]当脑电波传感器感应脑电频率与脑电幅度，由微计算机进行阈值抽取得到紧张度并通过控制信号实现对应紧张度的场景应用；
[0009]当脑血氧脉搏传感器采集人体脉搏信息，并结合脑电波传感器感应脑电频率与脑电幅度，由微计算机结合脉搏信息与脑电频率及脑电幅度的结合完成人的注意力级别分析，并通过控制信号实现对应注意力级别的场景应用；
[0010]当脑电波传感器采集脑电频率经过微计算机得到紧张度变化周期数据、汗液传感器采集体液导电性变化经过微计算机得到内分泌周期数据和由体温传感器得到体温数据经过微计算机得到体温周期数据，由微计计机将紧度变化周期数据、内分泌周期数据和体温周期数据相结合并进行分析得到情绪周期和体征周期数据，并通过控制信号实现对应的情绪周期和体征周期的场景应用；
[0011]当脑电波传感器采集脑电频率和脑电幅度经微计算机处理得到紧张程度数据、麦克风采集声频数据经微计算机处理得到声频数据识别、脑血氧脉搏传感器采集脑血氧浓度数据和脉搏频率数据、光感血压传感器采集血压数据经微计算机处理得到血压变化数据，再由微计算机结合紧张程度数据、声频数据识别、脑血氧浓度数据、脉搏频率数据和血压变化数据得到情绪特征分析，并通过控制信号实现情绪特征的场景应用；
[0012]由微计算机根据需要调用一种或多种人身模式特征实现单一或结合场景应用。
[0013]还包括与微计算机相连接的微型运动传感器和GPS芯片；
[0014]当微型运动传感器采集运动频率数据、GPS芯片与磁场传感器采集行走路径数据并由微计算机结合运动频率数据和行走路径数据得到运动强度数据，同时由脑电波传感器采集脑电频率、脑血氧脉搏传感器采集脉搏频率数据与血氧浓度数据、汗液传感器采集体液导电率数据、光感血压传感器采集血压变化数据并由微计算机结合脑电频率、脉搏频率数据、血氧浓度数据、体液导电率数据和血压变化数据分析得到疲劳程度数据，然而再由微计算机结合运动强度数据和疲劳程度数据分析得到人体消耗数据。
[0015]由微计算机根据需要调用人体消耗数据或是与之前的人身模式特征结合调用实现场景应用。
[0016]脑电波传感器采集的眨眼信息包括眨眼时间长度、眨眼频率、睁眼时间和睁眼时间长度。
[0017]还包括与所述微计算机相连接的无线收发装置，所述无线收发装置用于完成微计算机信号的传送与接收。
[0018]所述麦克风包括人声麦克风和骨传导麦克风。
[0019]所述头部姿势识别包括头部转向角、头部运动速度、点头、摇头、头部朝向和头部朝向分布。
[0020]所述目视点采集包括睁眼情度、虹膜最大无运动时间、虹膜横向平均移动速度和虹膜上下不对称性数据。
[0021]本发明具有积极的效果:本发明使用便捷且舒适度和贴合度高，并且集成多种传感器，可完成对人体不同特征点数据的采集与分析，从而大大提高了人身模式识别的精度与稳定性，而且其场景应用丰富，大大提高了其适用性和实用性，可准确的获得人体全面体征且适用性强。
【附图说明】
[0022]为了使本发明的内容更容易被清楚的理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中:
[0023]图1为本发明的结构框图；
[0024]图2为本发明的头部姿势识别的结构框图；
[0025]图3为本发明的兴趣点识别的框图；
[0026]图4为本发明的注意力级别识别的框图；
[0027]图5为本发明的眨眼频率识别框图；
[0028]图6为本发明的紧张度识别框图；
[0029]图7为本发明的情绪和体征周期识别框图；
[0030]图8为本发明的情绪特征识别框图；
[0031 ]图9为人体消耗识别框图。
【具体实施方式】
[0032](实施例1)
[0033]图1至图9显示了本发明的一种【具体实施方式】，其中图1为本发明的结构框图；图2为本发明的头部姿势识别的结构框图；图3为本发明的兴趣点识别的框图；图4为本发明的注意力级别识别的框图；图5为本发明的眨眼频率识别框图；图6为本发明的紧张度识别框图；图7为本发明的情绪和体征周期识别框图；图8为本发明的情绪特征识别框图；图9为人体消耗识别框图。
[0034]见图1至图9，一种头戴设备的人身模式识别方法，包括头戴设备本体，在所述头戴设备本体上设有微计算机I和与所述微计算机I相连接的脑电波传感器2、脑血氧脉搏传感器3、瞳孔跟踪传感器4、光感血压传感器5、肌肉电传感器6、麦克风7、体温传感器8、汗液传感器9、三维陀螺仪10、三维加速仪11、磁场传感器12，具体方法包括数据采集、微计算机分析数据、参数分类和人身模式综合量化；
[0035]当三维陀螺仪和三维加速仪感应运动信号，同时磁场传感器感应三维地磁场信号时，微计算机将运动信号与三维磁场信号结合完成头部姿势识别，并通过控制信号实现对应头部姿势的场景应用；
[0036]当瞳孔跟踪传感器根据瞳孔运动采集到目视点信息，同时脑电波传感器通过眨眼信息及脑电波波动信息的结合得到专注度，由微计算机将目视点信息与专注度结合完成人的兴趣点分析，并通过控制信号实现对应兴趣点的场景应用；
[0037]当脑电波传感器感应脑电频率与脑电幅度，由微计算机进行数据突变特征提取得到眨眼频率并通过控制信号实现对应眨眼频率的场景应用；
[0038]当脑电波传感器感应脑电频率与脑电幅度，由微计算机进行阈值抽取得到紧张度并通过控制信号实现对应紧张度的场景应用；
[0039]当脑血氧脉搏传感器采集人体脉搏信息，并结合脑电波传感器感应脑电频率与脑电幅度，由微计算机结合脉搏信息与脑电频率及脑电幅度的结合完成人的注意力级别分析，并通过控制信号实现对应注意力级别的场景应用；
[0040]当脑电波传感器采集脑电频率经过微计算机得到紧张度变化周期数据、汗液传感器采集体液导电性变化经过微计