进食动作信息确定方法和装置与流程

本申请涉及脑电技术领域，特别是涉及一种进食动作信息确定方法和装置。

背景技术：

脑电是在人体头部皮层采集到的人体自发的放电活动，是一种相对稳定、客观的生理活动指标。目前，对脑电信号的应用研究已引发业内人士的广泛兴趣，例如在人机交互、医学、心理学等领域对脑电信号的研究不断开展，以期基于满足多样化的实际应用需求。

技术实现要素：

在下文中给出了关于本申请的简要概述，以便提供关于本申请的某些方面的基本理解。应当理解，这个概述并不是关于本申请的穷举性概述。它并不是意图确定本申请的关键或重要部分，也不是意图限定本申请的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

本申请实施例提供一种进食动作信息确定方法和装置。

一方面，本申请实施例提供了一种进食动作信息确定方法，包括：

获取至少由一人体的进食动作产生的所述人体的脑电检测信息；

根据所述脑电检测信息确定所述人体的进食动作信息。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，所述进食动作信息包括：进食动作的类型。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，所述进食动作的类型包括咀嚼或吞咽。

结合本申请实施例提供的任一种进食动作信息确定方法，可选 的，根据所述脑电检测信息确定所述人体的进食动作的类型，包括：将所述脑电检测信息与脑电参考信息进行匹配；根据所述脑电参考信息与进食动作的类型之间的映射关系和匹配结果，确定与所述脑电检测信息对应的进食动作的类型。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，所述方法还包括：从一外部设备获取所述映射关系。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，所述方法还包括：建立所述映射关系。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，所述进食动作信息包括：进食动作发生的时长。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，所述进食动作信息包括：进食动作发生的频率。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，根据所述脑电检测信息确定所述人体的进食动作信息之前，还包括：确定所述脑电检测信息的最大幅值大于一预定阈值。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，所述预定阈值大于或等于5uV。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，根据所述脑电检测信息确定所述人体的进食动作信息之前，还包括：根据所述人体的一脑电基准信息对所述脑电检测信息进行去噪处理。

结合本申请实施例提供的任一种进食动作信息确定方法，可选的，所述脑电基准信息为所述人体处于未发生进食动作状态时获取的脑电信息。另一方面，本申请实施例提供了一种进食动作信息确定装置，包括：

一脑电检测信息获取模块，用于获取至少由一人体的进食动作产生的所述人体的脑电检测信息；

一进食动作信息获取模块，用于根据所述脑电检测信息确定所述人体的进食动作信息。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述进食动作信息获取模块包括：一进食动作类型确定子模块，用于根据所述脑电检测信息确定所述人体的进食动作的类型。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述进食动作的类型包括咀嚼或吞咽。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述进食动作类型确定子模块包括：一脑电信息匹配单元，用于将所述脑电检测信息与脑电参考信息进行匹配；一进食动作类型确定单元，用于根据所述脑电参考信息与进食动作的类型之间的映射关系和匹配结果，确定与所述脑电检测信息对应的进食动作的类型。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述装置还包括：一映射关系获取模块，用于从一外部设备获取所述映射关系。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述装置还包括：一映射关系建立模块，用于建立所述映射关系。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述进食动作信息获取模块包括：一进食动作时长确定子模块，用于根据所述脑电检测信息确定所述人体的进食动作发生的时长。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述进食动作信息获取模块包括：一进食动作频率确定子模块，用于根据所述脑电检测信息确定进食动作发生的频率。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述装置还包括：一幅值确定模块，用于确定所述脑电检测信息的最大幅值大于一预定阈值，并根据确定结果使能所述进食动作信息获取模块。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述预定阈值大于或等于5uV。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述装置还包括：一去噪处理模块，用于根据所述人体的一脑电基准信息对所述脑电检测信息进行去噪处理。

结合本申请实施例提供的任一种进食动作信息确定装置，可选的，所述脑电基准信息为所述人体处于未发生进食动作状态时获取的脑电信息。

本申请实施例可获取人体发生进食动作时该人体的脑电检测信息，基于脑电检测信息确定相应的进食动作信息，提供了一种进食动作信息确定的新方案。由于用于确定进食动作信息的脑电检测信号具有幅值较高和波形特征明显等特点，因此本申请实施例利用脑电检测信号进行进食动作信息的确定，准确度较高。此外，如智能眼镜、智能头盔、智能帽子等可穿戴式设备技术的不断发展和日益普及，实际应用中可复用这些设备上传感器或者在这些设备上增设的传感器，来进行与进食动作相关的脑电信号的检测，检测方法更为简单、方便，有利于持续检测、改善用户体验。

通过以下结合附图对本申请的可选实施例的详细说明，本申请的这些以及其它的优点将更加明显。

附图说明

本申请可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本申请的可选实施例和解释本申请的原理和优点。在附图中：

图1为本申请实施例提供的一种进食动作信息确定方法的流程图；

图2a为本申请一可选实例中表示人体处于未发生进食动作状态时检测到的该人体的EEG波形；

图2b为本申请一可选实例中表示人体喝水场景下检测到的与吞咽动作对应的的该人体的EEG波形；

图2c为本申请一可选实例中表示人体进食场景下检测到的与进食动作对应的的该人体的EEG波形；

图3为本申请实施例提供的一种进食动作信息确定装置的逻辑框图；

图4为本申请实施例提供的另一种进食动作信息确定装置的逻辑框图；

图5为本申请实施例提供的又一种进食动作信息确定装置的逻辑框图。

本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的，而且不一定是按比例绘制的。例如，附图中某些元件的尺寸可能相对于其他元件放大了，以便有助于提高对本申请实施例的理解。

具体实施方式

在下文中将结合附图对本申请的示范性实施例进行详细描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。

在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本申请，在附图和说明中仅仅描述了与根据本申请的方案密切相关的 装置结构和/或处理步骤，而省略了对与本申请关系不大的、本领域普通技术人员已知的部件和处理的表示和描述。

下面结合附图(若干附图中相同的标号表示相同的元素)和实施例，对本申请的具体实施方式作进一步详细说明。以下实施例用于说明本申请，但不用来限制本申请的范围。

本领域技术人员可以理解，本申请中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

图1为本申请实施例提供的一种进食动作信息确定方法的流程图。本申请提供的进食动作信息确定方法的执行主体为某一进食动作信息确定装置，进食动作信息确定装置的设备表现形态非常灵活，例如，所述进食动作信息确定装置可为某一独立的部件，或者，所述进食动作信息确定装置也可作为某一功能模块集成在某一电子设备中，所述电子设备可包括但不限于可穿戴式设备，如智能眼睛、智能头饰等。具体而言，如图1所示，本申请实施例提供的一种进食动作信息确定方法包括：

S101：获取至少由一人体的进食动作产生的所述人体的脑电检测信息。

S102：根据所述脑电检测信息确定所述人体的进食动作信息。

本申请所述的进食动作表示用于进食或与进食相类似的情形下发生的动作，可包括但不限于咀嚼、吞咽等动作。可以理解，进食动作和人体是否实际进食并没有必然的对应关系，也就是说，进食动作可能发生在进食过程中，如在吃饭、喝水等过程中，或者，进食动作也可能发生在非进食过程中，如咀嚼口香糖、吞咽口水等等。

本申请发明人在实践本申请实施例过程中发现，当人体发生某一进食动作时，人体颚部、咽部等肌电信号会对人体的脑电图(Electr oEncephaloGram，简称EEG)信号检测产生一定的影响，使得人体 发生进食动作时检测到的脑电信息，表现出与人体未发生上述进食动作时的脑电信息检测到的脑电信息不同的特定特征。据此，实际应用中可获取人体发生进食动作时该人体的脑电检测信息，基于脑电检测信息确定相应的进食动作信息，提供了一种进食动作信息确定的新方案。由于用于确定进食动作信息的脑电检测信号具有幅值较高和波形特征明显等特点，因此本申请实施例利用脑电检测信号进行进食动作信息的确定，准确度较高。此外，如智能眼镜、智能头盔、智能帽子等可穿戴式设备技术的不断发展和日益普及，实际应用中可复用这些设备上EEG传感器或者在这些设备上增设EEG传感器，来进行与进食动作相关的脑电信号的检测，检测方法更为简单、方便，有利于持续检测、改善用户体验。

所述进食动作信息可包括但不限于以下至少之一：进食动作的类型、进食动作发生的时长、进食动作的频率等等。基于脑电检测信息对人体的进食动作信息的确定结果的应用非常广泛。例如，所述进食动作信息的确定结果，可作为人体的进食习惯、热量摄入等一种或多种指标进行监测，这在合理进食、体重控制等健康管理方面具有积极的意义。又例如，所述进食动作信息的确定结果，还可作为人体健康病理分析的预警或参考信息，如人体咽部处于有炎症和无炎症的情形下吞咽动作信息不尽相同，人体处于中风等疾病不同阶段吞咽动作信息也不尽相同等等，不胜枚举。

可选的，所述进食动作信息包括：进食动作的类型。所述进食动作的类型可包括但不限于咀嚼或吞咽。本申请发明人在实践本申请实施例过程中发现，人体发生不同类型的进食动作时发生主导作用的人体部位不仅相同，如人体咀嚼时主要是人体的上颚和下颚相互运动，人体吞咽时主要是人体的咽部发生运动等等。这就使得产生脑电信号的来源(肌电信号)不同，引起的脑电信号的波形也存在不同的特征。例如，人体未进行吞咽或咀嚼等进食动作时检测到的脑电信号波形的 可选示例如图2a所示，人体喝水场景下检测到的与吞咽动作对应的脑电信号波形的可选示例如图2b所示，人体多次咀嚼食物后一次吞咽场景下检测到的与咀嚼动作对应的脑电信号波形的可选示例如图2c所示。可见，当人体发生吞咽或咀嚼动作时，该人体的脑电信号相对人体未进行吞咽或咀嚼时的脑电信号存在较明显的差异，因吞咽或咀嚼动作产生的脑电信号幅值大、特征明显，便于检测和分析，此外，吞咽和咀嚼作为不同的进食动作类型所引起的脑电信号在波形上存在较大差异，因此，可根据各自对应的脑电检测信息的波形特点，进行进食动作的类型的识别，如识别出某一进食动作是吞咽还是咀嚼等。

可选的，根据所述脑电检测信息确定所述人体的进食动作的类型，包括：将所述脑电检测信息与脑电参考信息进行匹配；根据所述脑电参考信息与进食动作的类型之间的映射关系和匹配结果，确定与所述脑电检测信息对应的进食动作的类型。其中，所述映射关系中的脑电参考信息为人体进行某进食动作时检测到的脑电信息，所述映射关系中的脑电参考信息为人体头脑与进行上述进食动作与否无关的人体正常脑电信息以及人体因进行上述进食动作对人体正常脑电信息引入的“干扰或噪声”信号的一个整体，该方案可根据脑电检测信息整体确定进食动作信息。由于吞咽、咀嚼等不同类型的进食动作对应的脑电参考信息不同，实际应用中，可存储脑电参考信息和进食动作的类型之间的映射关系，将脑电检测信息与各类型进食动作对应的脑电参考信息分别进行匹配，确定出与所述脑电检测信息匹配度最高的脑电参考信息，之后再根据所述映射关系确定与该脑电检测信息对应的进食动作的类型，作为所述脑电检测信息对应的进食动作的类型。该方案充分利用不同类型的进食动作对应的脑电信号的特性，进行进食动作的识别，识别方法简单，识别结果较为准确。

所述映射关系的获取方式非常灵活。例如，进食动作信息确定装 置可向一外部设备(如服务器、云端、智能终端等)获取所述映射关系。或者，又例如，进食动作信息确定装置自身可建立所述映射关系，如进食动作信息确定装置根据训练数据建立所述映射关系，具体而言，可在一人体进行不同进食动作时分别检测各自的脑电信息，通过一定量的学习训练数据确定出该人体各进食动作对应的脑电信息(即本申请实施例所述的脑电参考信息)，由此建立所述映射关系。不同人体的脑电信息可能存在差异，实际应用中，可针对不同人体分别进行学习训练，并将学习结果与相应人体的用户信息进行关联，以为不同人体适用不同的学习结果。在实际应用过程中，可在人体头部进行某一进食动作时检测其脑电信号以获取所述脑电检测信号，将脑电检测信号与该人体对应的学习训练数据库中的各脑电参考信息进行匹配，确定与所述脑电检测信号匹配的脑电参考信息所对应进食动作，确定为与所述脑电检测信息对应的进食动作。该方案可基于人体进食动作的脑电信息的聚类检测的学习训练数据等方式，建立所述映射关系，以获得不同人体进行进食动作时所体现的脑电信息的个体化数据，由此提高后续进食动作类型识别的准确性。

可选的，所述进食动作信息包括：进食动作发生的时长。所述进食动作发生的时长可用来表征进食动作持续的时间。所述进食动作发生的时长可包括但不限于以下至少之一：各种进食动作发生的总时长，某一种进食动作发生的时长，不同类型的进食动作各自发生的时长，等等。实际应用中，可根据所述脑电检测信息确定所述进食动作发生的时长。如图2b-图2c所示，脑电检测信息通常以EEG波形的方式表示，根据EEG波形的周期(时间轴上的投影)可确定单个进食动作发生的时长，如根据图2b所示的单个EEG波的周期可确定单次吞咽动作发生的时长，根据图2c所示的单个EEG波的周期可确定单次咀嚼动作发生的时长，对一段时间检测到的EEG波进行统计分析，可确定发生咀嚼和/或吞咽动作的时长。咀嚼和/或吞咽等动作的 时长信息，可作为进食习惯、病理监测等分析的参考信息。例如，可根据吞咽食物或口水等的耗时，一定程度上会反映吞咽动作进行的顺畅程度，由此反映了咽部是否存在病灶或者对咽部的神经控制是否正常等等，给病理监控分析提供参考信息。又例如，可根据咀嚼和/或吞咽的时长，推算进食量等，以为健康管理提供参考信息，等等。该方案根据脑电检测信息可确定进食动作发生的时长，确定方法简单方便，如结合进食动作的类型的确定，还便于统计不同进食动作各自发生的时长、和/或各种进食动作总体发生的时长，由此为健康管理、病理监控等实际应用提供更多的参考信息，满足多样化的实际应用需求。

可选的，所述进食动作信息包括：进食动作发生的频率。所述进食动作发生的频率可用来表征单位时间内进食动作发生的快慢。例如，如图2b-图2c所示，可根据人体发生吞咽和/或咀嚼的进食动作时获取的脑电检测信息，统计一段时间内发生了多少次吞咽和/或咀嚼的进食动作，进而得出在该段时间内吞咽和/或咀嚼的进食动作的发生频率，进食动作发生的频率的确定结果，一定程度上可为人体进食的快慢和/或进食量等监测提供参考信息。如果结合所述进食动作的类型的确定，还可进行不同进食动作各自发生的频率进行统计，如平均咀嚼多少次吞咽一次等，由此为人体进食习惯监控提供参考信息，此外，研究表明，同一进食时段内增加咀嚼次数会减少吞咽次数，进而减少食入量，由此便于人体进行减肥等体重控制等提供参考信息。可见，该方案可根据脑电检测信息获取可确定进食动作发生的频率，确定方法简单方便，如结合进食动作的类型的确定，还便于统计不同进食动作各自发生的频率、和/或不同进食动作发生的相互关系等，由此为进食习惯监测、体重控制等实际应用提供更多的参考信息，满足多样化的实际应用需求。

可选的，本申请实施例提供的任一种进食动作信息确定方法中， 根据所述脑电检测信息确定所述人体的进食动作信息之前，还包括：确定所述脑电检测信息的最大幅值大于一预定阈值。该方案根据脑电检测信息幅值的预定阈值作为筛选条件，可一定程度上降低干扰。所述预定阈值可根据进食动作引起的脑电信息的特征确定，例如，所述预定阈值可大于或等于5uV，该方案充分利用进食动作引发的脑电信息的幅值特征，可将其与如人体意识引发的脑电信息进行有效区分，进而筛选出由进食动作引发概率较大的脑电检测信息，再据此进行进食动作信息的确定，由此降低干扰。

可选的，本申请实施例提供的任一种进食动作信息确定方法中，根据所述脑电检测信息确定所述人体的进食动作信息之前，还包括：根据所述人体的一脑电基准信息对所述脑电检测信息进行去噪处理。脑电信号是从人类或动物的头皮上记录到的电位变化，可反映大脑的电活动特性，在实际应用中，脑电易受到人体头部运动、眼球运动等带来的噪声的干扰，由此可能导致脑电数据分析的偏差。为了减小脑电数据分析的偏差，可根据人体的一脑电基准信息对所述脑电检测信息进行去噪处理，去噪处理的方法可根据实际需要选用回归方法、伪迹减法、主成分分析(Principal Component Analysis,简称PCA)、独立成分分析(Independent Component Correlation Algorithm,简称ICA)等方法，由此提高去噪速度和精度等特性。该方案根据脑电基准信息对脑电检测信息进行去噪处理，可减少非进食动作引发的脑电信号对进食动作信息确定引入的噪声，由此提高进食动作信息确定的准确性。所述脑电基准信息可根据人体所处环境的实际状态确定，实现方式非常灵活，例如所述脑电基准信息可为但不限于所述人体处于未发生进食动作状态时获取的脑电信息，例如，所述脑电基准信息可为人体处于静止状态下人体意识引起的脑电信号(如图2a所示)，又例如，所述脑电基准信息可为人体发生点头、摇头等头部动作但没有进行如咀嚼、吞咽等进食动作时的脑电信号，等等。

本领域技术人员可以理解，在本申请具体实施方式的上述任一方法中，各步骤的序号大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本申请具体实施方式的实施过程构成任何限定。

图3为本申请实施例提供的一种进食动作信息确定装置的逻辑框图。如图3所示，本申请实施例提供的一种进食动作信息确定装置包括：一脑电检测信息获取模块31和一进食动作信息获取模块32。

脑电检测信息获取模块31用于获取至少由一人体的进食动作产生的所述人体的脑电检测信息。

进食动作信息获取模块32用于根据所述脑电检测信息确定所述人体的进食动作信息。

本申请实施例提供的进食动作信息确定装置的设备表现形态非常灵活，例如，所述进食动作信息确定装置可为某一独立的部件，或者，所述进食动作信息确定装置也可作为某一功能模块集成在某一电子设备中，所述电子设备可包括但不限于可穿戴式设备等。

本申请实施例可获取人体发生进食动作时该人体的脑电检测信息，基于脑电检测信息确定相应的进食动作信息，提供了一种进食动作信息确定的新方案。由于用于确定进食动作信息的脑电检测信号具有幅值较高和波形特征明显等特点，因此本申请实施例利用脑电检测信号进行进食动作信息的确定，准确度较高。此外，如智能眼镜、智能头盔、智能帽子等可穿戴式设备技术的不断发展和日益普及，实际应用中可复用这些设备上EEG传感器或者在这些设备上增设EEG传感器，来进行与进食动作相关的脑电信号的检测，检测方法更为简单、方便，有利于持续检测、改善用户体验。

可选的，如图4所示，所述进食动作信息获取模块32包括：一进食动作类型确定子模块321。进食动作类型确定子模块321用于根据所述脑电检测信息确定所述人体的进食动作的类型。所述进食动作 的类型可包括但不限于咀嚼或吞咽。该方案利用如吞咽或咀嚼等进食动作产生的脑电信号幅值大、特征明显，并且不同进食动作的脑电信号差异较大的特性，便于检测和分析进食动作的类型，结果的准确性较高。

可选的，所述进食动作类型确定子模块321包括：一脑电信息匹配单元3211和一进食动作类型确定单元3212。脑电信息匹配单元3211用于将所述脑电检测信息与脑电参考信息进行匹配；进食动作类型确定单元3212用于根据所述脑电参考信息与进食动作的类型之间的映射关系和匹配结果，确定与所述脑电检测信息对应的进食动作的类型。该方案可根据脑电检测信息整体确定进食动作信息，并充分利用不同类型的进食动作对应的脑电信号的特性，进行进食动作的识别，识别方法简单，识别结果较为准确。

可选的，所述进食动作信息确定装置还包括：一映射关系获取模块33。映射关系获取模块33用于从一外部设备获取所述映射关系。该方案可复用外部设备的所述映射关系，资源共享。

可选的，所述进食动作信息确定装置还包括：一映射关系建立模块34。映射关系建立模块34用于建立所述映射关系。该方案可基于人体进食动作的脑电信息的聚类检测的学习训练数据等方式，建立所述映射关系，以获得不同人体进行进食动作时所体现的脑电信息的个体化数据，由此提高后续进食动作类型识别的准确性。

可选的，所述进食动作信息获取模块32包括：一进食动作时长确定子模块322。进食动作时长确定子模块322用于根据所述脑电检测信息确定所述人体的进食动作发生的时长。该方案根据脑电检测信息可确定进食动作发生的时长，确定方法简单方便，如结合进食动作的类型的确定，还便于统计不同进食动作各自发生的时长、和/或各种进食动作总体发生的时长，由此为健康管理、病理监控等实际应用提供更多的参考信息，满足多样化的实际应用需求。

可选的，所述进食动作信息获取模块32包括：一进食动作频率确定子模块323。进食动作频率确定子模块323用于根据所述脑电检测信息确定进食动作发生的频率。该方案可根据脑电检测信息获取可确定进食动作发生的频率，确定方法简单方便，如结合进食动作的类型的确定，还便于统计不同进食动作各自发生的频率、和/或不同进食动作发生的相互关系等，由此为进食习惯监测、体重控制等实际应用提供更多的参考信息，满足多样化的实际应用需求。

可选的，本申请实施例提供的进食动作信息确定装置还包括：一幅值确定模块35。幅值确定模块35用于确定所述脑电检测信息的最大幅值大于一预定阈值，并根据确定结果使能所述进食动作信息获取模块。所述预定阈值大于或等于5uV。该方案充分利用进食动作引发的脑电信息的幅值特征，可将其与如人体意识引发的脑电信息进行有效区分，进而筛选出由进食动作引发概率较大的脑电检测信息，再据此进行进食动作信息的确定，由此降低干扰。

可选的，本申请实施例提供的进食动作信息确定装置还包括：一去噪处理模块36。去噪处理模块36用于根据所述人体的一脑电基准信息对所述脑电检测信息进行去噪处理。可选的，所述脑电基准信息为所述人体处于未发生进食动作状态时获取的脑电信息。该方案可减小脑电数据分析的偏差，进而提高结果的准确性。

图5为本申请实施例提供的又一种进食动作信息确定装置的结构示意图，本申请具体实施例并不对进食动作信息确定装置500的具体实现方式做限定。如图5所示，进食动作信息确定装置500可以包括：

处理器(Processor)510、通信接口(Communications Interface)520、存储器(Memory)530、以及通信总线540。其中：

处理器510、通信接口520、以及存储器530通过通信总线540完成相互间的通信。

通信接口520，用于与比如第一通信工具、第二通信工具等通信。

处理器510，用于执行程序532，具体可以执行上述任一方法实施例中的相关步骤。

例如，程序532可以包括程序代码，所述程序代码包括计算机操作指令。

处理器510可能是一个中央处理器(Central Processing Unit，简称CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。

存储器530，用于存放程序532。存储器530可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(Non-volatile memory)，例如至少一个磁盘存储器。

例如，在一种可选的实现方式中，处理器510通过执行程序532可执行以下步骤：获取至少由一人体的进食动作产生的所述人体的脑电检测信息；根据所述脑电检测信息确定所述人体的进食动作信息。在其他可选的实现方式中，处理器510通过执行程序532还可执行上述其他任一实施例提及的步骤，在此不再赘述。

程序532中各步骤的具体实现可以参见上述实施例中的相应步骤、模块、子模块、单元中对应的描述，在此不再赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。

在本申请上述各实施例中，实施例的序号和/或先后顺序仅仅便于描述，不代表实施例的优劣。对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和 电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

在本申请的装置、方法、系统等实施例中，显然，各部件(系统、子系统、模块、子模块、单元、子单元等)或各步骤是可以分解、组合和/或分解后重新组合的。这些分解和/或重新组合应视为本申请的等效方案。同时，在上面对本申请具体实施例的描述中，针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。

最后应说明的是：以上实施方式仅用于说明本申请，而并非对本申请的限制，有关技术领域的普通技术人员，在不脱离本申请的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术 方案也属于本申请的范畴，本申请的专利保护范围应由权利要求限定。