本发明涉及心理状态干预领域，具体而言，涉及一种用户状态干预方法及装置。
背景技术：
随着人类对自然科学研究的深入，对人类自身有了更多的认识，比如，人类在处于不同心理状态(如疲劳、焦虑、心理压力等)的情况下，会有着不同的外在表现。比如，在心理压力适中的情况下，工作效率较高；当心理压力过低，或者过高的时候，则工作效率会降低。又比如，疲劳程度不同的情况下，进入睡眠的难易程度也会发生变化，如果想要进行催眠的话，需要采用的催眠策略也是不同的。
可见，通过检测心理状态可以判断出当前适合做的事情或者是适合采取哪种措施(如采用哪种方式催眠，或者是是否能够高效率的工作)。进一步，还可以通过人为干预的方式来引导用户进入到某种状态，比如进入到睡眠状态。
但相关技术中进行干预的方式并不理想。
技术实现要素：
本发明的目的在于提供一种用户状态干预方法。
第一方面，本发明实施例提供了一种用户状态干预方法，包括：
获取被测者的第一心理状态指标，所述第一心理状态指标包括以下的一种或多种：压力指标、疲劳指标、专注指标、放松指标、精力指标；
根据第一心理状态指标确定干预策略，干预策略包括以下的一种或多种：灯光波长、灯光闪烁频率、背景音乐的缓急程度和脑波音乐的频率；
按照干预策略对被测者进行干预。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，在步骤按照干预策略对被测者进行干预执行完成的预定时间后，还包括：
获取被测者的第二心理状态指标，所述第二心理状态指标包括以下的一种或多种：压力指标、疲劳指标、专注指标、放松指标、精力指标；
根据第二心理状态指标判断用户的第二当前状态；
若第二当前状态不满足要求，则重新确定干预策略，并按照重新确定的干预策略对被测者进行干预。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，步骤若第二当前状态不满足要求，则重新确定干预策略包括：
若第二当前状态不满足要求，则根据当前所处的阶段，重新确定被测者的干预策略。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，步骤重新确定被测者的干预策略包括：
若当前阶段为导眠阶段，则按照如下方式重新确定干预策略：
若第二心理状态指标中用户的压力指标、疲劳指标持续较高，且持续超过3-5分钟，则逐渐降低背景音乐的急促级别；
若第二心理状态指标中压力指标持续高于预设阈值，且放松指标持续低于预设阈值并维持超过3-5分钟，则逐渐降低外界刺激的频率；所述外界刺激包括声音刺激，光刺激，电刺激，磁刺激和振动刺激中的一种或多种；
若当前阶段为浅度睡眠阶段，则按照如下方式重新确定干预策略：
若第二心理状态指标显示被测者始终无法进入深度睡眠状态并持续超过5-8分钟，则逐渐降低背景音乐的急促级别。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，干预策略包括准备阶段干预策略、导眠阶段干预策略、浅度睡眠阶段干预策略、深度睡眠阶段干预策略和唤醒阶段干预策略。
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，步骤根据第一心理状态指标确定干预策略包括：
根据第一心理状态指标分别确定至少两个阶段的阶段性干预策略，阶段性干预策略包括准备阶段干预策略、导眠阶段干预策略、浅度睡眠阶段干预策略、深度睡眠阶段干预策略和唤醒阶段干预策略。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，
步骤获取被测者的第一心理状态指标包括：
在进入到目标阶段，或即将进入到目标阶段后，获取被测者当前的第一心理状态指标；
步骤根据第一心理状态指标确定干预策略包括：
根据被测者当前的第一心理状态指标，确定被测者在目标阶段的阶段性干预策略；目标阶段的阶段性干预策略是准备阶段干预策略、导眠阶段干预策略、浅度睡眠阶段干预策略、深度睡眠阶段干预策略和唤醒阶段干预策略中的一个。
结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，
准备阶段干预策略用于通过语音引导用户集中注意力，准备阶段干预策略包括播放背景音乐；背景音乐根据缓急程度分为多个级别；
导眠阶段干预策略用于引导用户进入浅睡状态，导眠阶段干预策略中向被测者施加的外界刺激的频率与用户压力指标成正相关关系，与放松指标成负相关关系；外界刺激包括声音刺激，光刺激，电刺激，磁刺激和振动刺激中的一种或多种；
浅度睡眠阶段干预策略用于引导人进入深度睡眠状态；浅度睡眠阶段包括向被测者施加的δ波频段的外界刺激；
深度睡眠阶段干预策略用于避免干扰用户的睡眠，深度睡眠阶段干预策略用于停止外界刺激，停止脑波音乐及背景音乐的播放。
结合第一方面，本发明实施例提供了第一方面的第八种可能的实施方式，其中，还包括按照如下方式确定第一心理状态指标：
获取被测者的脑电信号和心率变异性信号；
分别对脑电信号和心率变异性信号使用滑动窗口采样，以确定脑电信号采样结果和心率变异性信号采样结果；
分别提取脑电信号采样结果的脑电信号特征向量和心率变异性信号采样结果的心率变异性信号特征向量，所述脑电信号特征向量包括以下的一种或多种：频谱能量、近似熵和样本熵，所述心率变异性信号特征向量包括以下的一种或多种：频谱能量、近似熵和样本熵；
根据脑电信号特征向量、心率变异性信号特征向量和监督分类模型，计算被测者的第一心理状态指标。
第二方面，本发明实施例还提供了一种用户状态干预装置，包括：
获取模块，用于获取被测者的第一心理状态指标，所述第一心理状态指标包括以下的一种或多种：压力指标、疲劳指标、专注指标、放松指标、精力指标；
确定模块，用于根据第一心理状态指标确定干预策略，干预策略包括以下的一种或多种：灯光波长、灯光闪烁频率、背景音乐的缓急程度和脑波音乐的频率；
第一干预模块，用于按照干预策略对被测者进行干预。
本发明实施例提供的用户状态干预方法，先获取到了用户的心理状态指标，而后，根据用户的心理状态指标确定对应的干预策略，而后，采用确定的干预策略对被测者进行干预，从而起到帮助用户更快的进入到稳定，容易睡眠的状态。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的用户状态干预方法的基本流程图；
图2示出了本发明实施例所提供的用户状态干预方法的优化流程图；
图3示出了本发明实施例所提供的心理状态确定方法的基本流程图；
图4示出了本发明实施例所提供的心理状态确定方法的优化流程图；
图5示出了本发明实施例所提供的一种心理状态确定方法的决策树模型的示例图；
图6示出了本发明实施例所提供的一种心理状态确定方法的状态转移概率的矩阵和输出观测概率的矩阵的示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
相关技术中，已经出现了对用户状态进行干预的方法，但按照相关技术中的方式进行干预的结果并不理想，针对该种情况，本申请提供了一种改进的用户状态干预方法，如图1所示，包括如下步骤：
S101，获取被测者的第一心理状态指标，所述第一心理状态指标包括以下的一种或多种：压力指标、疲劳指标、专注指标、放松指标、精力指标；
S102，根据第一心理状态指标确定干预策略，干预策略包括以下的一种或多种：灯光波长、外界刺激的频率、背景音乐的缓急程度和脑波音乐的频率；所述外界刺激包括声音刺激，光刺激，电刺激，磁刺激和振动刺激中的一种或多种；
S103，按照干预策略对被测者进行干预。
按照上述步骤，可以达到确定干预策略，并对用户进行干预的目的。干预策略有多种，如灯光波长、灯光闪烁频率、背景音乐的缓急程度和脑波音乐的频率，在不同的情况下，可以对被测者采用不同的方式进行干预。干预策略可以由这几种中的一种或多种，任一种的形式、数值和方式都是可调的。
上述步骤实际上可以是针对某一个用户采用固定的干预策略，或者说是在确定了干预策略后就不再调整干预策略了，也可以是在实时的重复进行的，也就是步骤S101的检测和干预策略可以是实时的调整，并不是一次性确定干预策略后就不再进行调整了。并且，每一次干预都是有目的的，受到个体因素(如被测者的体质)不同的影响，采用相同的方式对被测者进行干预的结果可能有所差别，比如播放相同的催眠音乐，有的被测者5分钟就能入眠，有的被测者就需要10分钟才能入眠，有的被测者可能效果更差，因此，为了提高效率，在施加干预策略后如果没有达到目的就应当加强干预。
进而，本申请所提供的方法，如图2所示，在步骤S103后还包括：
步骤201，在步骤S103执行完的预定时间后，获取被测者的第二心理状态指标，所述第二心理状态指标包括以下的一种或多种：压力指标、疲劳指标、专注指标、放松指标、精力指标；
步骤202，根据第二心理状态指标判断用户的第二当前状态；
步骤203，若第二当前状态不满足要求，则重新确定干预策略，并按照重新确定的干预策略对被测者进行干预。
也就是，通过上述201-203三个步骤，能够达到对之前操作的改善。步骤202中，第二心理状态指标判断用户的第二当前状态主要是根据第二心理状态判断用户当前是否达到的预定的目的，比如，是否已经进入到预定状态(浅度睡眠状态，或者是到深度睡眠状态)。如果已经进入到了预定的状态，则不进行步骤203，如果没有进入到预定的状态，则说明之前的干预效果不够良好，因此，需要重新确定干预策略。
某种情况下，本申请所提供的方法主要是为了达到促进睡眠的效果，因此，此种情况下，本申请所提供的方法和装置也可以相应的改为一种促进睡眠的方法及装置。
实际上，在进行睡眠的过程中也分为多个阶段，比如准备阶段、导眠阶段、浅度睡眠阶段、深度睡眠阶段和唤醒阶段。进而，为了达到促进睡眠的效果，本申请所提供的方法在不同的阶段设置了不同的干预策略。
进而，干预策略包括准备阶段干预策略、导眠阶段干预策略、浅度睡眠阶段干预策略、深度睡眠阶段干预策略和唤醒阶段干预策略。上述步骤S101-S103可以为上述某个阶段中的一个确定干预策略，也可以是为至少两个阶段分别确定干预策略。在判断是否达到阶段转换的时候，可以按照时间来判断，也可以按照检测的情况来判断。按照时间来判断指的是在某一个阶段持续达到一定时间后，即认为可以进入/已经进入到下一个阶段了，此时就可以按照下一个阶段的策略进行干预了。按照检测的情况来判断指的是在实时生成第三心理状态指标后，根据第三心理状态指标来判断用户是否可以进入/已经进入到下一个阶段，进而可以按照下一个阶段的策略进行控制。
下面分两种情况对不同阶段的干预策略进行说明：
第一种情况，每个阶段的干预策略是预先设定好的，即只获取一次心理状态指标，就分别确定出至少两个阶段的干预策略，也就是步骤S102包括：
步骤1021，根据第一心理状态指标分别确定至少两个阶段的阶段性干预策略，阶段性干预策略包括准备阶段干预策略、导眠阶段干预策略、浅度睡眠阶段干预策略、深度睡眠阶段干预策略和唤醒阶段干预策略。
其中，准备阶段的干预策略的主要目的是通过语音引导用户集中注意力。该阶段存在背景音乐，背景音乐根据缓急程度分为多个级别，根据一次检测匹配得到的压力、疲劳状况确定合适的背景音乐。本例优选背景音乐分为五个缓急级别。背景音乐的级别与压力指标、疲劳指标成正相关性,压力指标、疲劳指标越高(用户越疲劳、压力越大)，播放的背景音乐也越急促。具体在本例优选压力指标、疲劳指标高于特定阈值(如80)时播放五级急促的背景音乐。压力指标、疲劳指标在特定阈值之间(如80到60)时播放四级急促的背景音乐。准备阶段的时长相对固定，优选为3到10分钟。准备阶段通过α波频段(9-12Hz)的外界刺激诱导用户进入放松状态，具体在本例中播放左右耳频率差为10Hz的脑波音，同时LED灯以红光10Hz闪烁。
导眠阶段干预策略的主要目的是引导用户进入浅睡状态。其中脑波音、背景音、灯光闪烁频率均按照重新确定干预策略的方式进行动态调整。导眠阶段干预策略中向被测者施加的外界刺激的频率与用户压力指标成正相关关系,与放松指标成负相关关系,当用户检测匹配时压力指标较高(如高于特定阈值70)或放松指标较低(如低于特定阈值30)，说明用户处于紧张状态，则使用较高的外界刺激频率，如通过频率为α波频段(9-12Hz)的外界刺激诱导用户进入放松状态。所述较高频率的外界刺激持续一段时间(如2-5分钟)后切换为较低频率的外界刺激，如频率为θ波频段(4-8Hz)的外界刺激。具体在本例中首先播放左右耳频率差为10Hz的脑波音，同时LED灯以红光10Hz闪烁,持续2-5分钟后切换为播放左右耳频率差为5Hz的脑波音，同时LED灯以红光5Hz闪烁。当用户检测匹配时压力指标较低(如低于特定阈值70)且放松指标较高(如高于特定阈值30)，说明用户处于放松状态，则使用较低的外界刺激频率，如通过频率为θ波频段(4-8Hz)的外界刺激诱导用户进入浅度睡眠状态。具体在本例播放左右耳频率差为5Hz的脑波音，同时LED灯以红光5Hz闪烁。当用户检测匹配时专注指标较低(如低于特定阈值30)，会插入语音提示音。背景音乐的级别与压力指标、疲劳指标成正相关性,压力指标、疲劳指标越高,播放的背景音乐也越急促。当用户检测匹配时的压力指标和放松指标处于一定范围，则使用该范围对应的背景音乐的缓急程度。优选将压力和放松指标区分为五个级别，对应五种背景音乐的缓急程度。
在导眠阶段持续一定时间后(如8-15分钟，或者是检测到用户进入到浅度睡眠阶段)，干预策略由导眠阶段干预策略进入浅度睡眠阶段干预策略。
所述浅度睡眠阶段干预策略的主要目的是引导人进入深度睡眠状态。浅度睡眠阶段包括向被测者施加的δ波频段的外界刺激，通过δ波频段(0.4-4Hz)的外界刺激诱导用户进入深度睡眠状态。具体在本例使用灯光闪烁频率为3Hz的矩形波信号，控制红光LED闪烁。左右耳频率差为3Hz的脑波音乐。
在浅度睡眠阶段持续一定时间后(如5到10分钟)，干预策略由浅度睡眠阶段干预策略进入深度睡眠阶段干预策略。
所述深度睡眠阶段干预策略的主要目的是为了不干扰用户的睡眠，需要停止外界刺激的干预。具体在本例停止外界刺激(如声音刺激，光刺激，电刺激，磁刺激和振动刺激)，停止脑波音乐及背景音乐的播放。
当时间达到用户设定唤醒时间，干预策略由深度睡眠阶段干预策略进入唤醒阶段干预策略。
所述唤醒阶段干预策略需要通过频率为α波频段(9-12Hz)的外界刺激诱导用户进入清醒的放松状态，具体在本例中播放左右耳频率差为10Hz的脑波音，同时LED灯以蓝光10Hz闪烁。该阶段时间优选为2到5分钟。背景音乐的级别与检测匹配时压力指标、疲劳指标成正相关性,压力指标、疲劳指标越高,播放的背景音乐也越急促。当用户的压力指标和放松指标处于一定范围，则使用该范围对应的背景音乐的缓急程度。优选将压力和放松指标区分为五个级别，对应五种背景音乐的缓急程度。
上述第一种情况所提及的方案是只进行一次检测，就得到了每个阶段的干预策略，还可以是在不同的阶段分别进行策略的制定，也就是干预策略也是处于动态调整的情况，进而
第二种情况，每个阶段的干预策略是临时确定，即在进入到指定的阶段之后，才获取一次心理状态指标，而后在确定出该阶段的干预策略，也就是步骤S101包括：
步骤1011，在进入到目标阶段，或即将进入到目标阶段后，获取被测者当前的第一心理状态指标；
步骤S102包括：
步骤1022，根据被测者当前的第一心理状态指标，确定被观测者在目标阶段的阶段性干预策略；目标阶段的阶段性干预策略是准备阶段干预策略、导眠阶段干预策略、浅度睡眠阶段干预策略、深度睡眠阶段干预策略和唤醒阶段干预策略中的一个；被测者的当前状态是使用决策树模型确定的。
具体包括如下方式：
准备阶段的干预策略的主要目的是通过语音引导用户集中注意力。该阶段存在背景音乐，背景音乐根据缓急程度分为多个级别，根据实时检测得到的压力、疲劳状况确定合适的背景音乐。所述背景音乐的缓急程度随着实时检测得到的压力、疲劳状态动态变化。本例优选背景音乐分为五个缓急级别。背景音乐的级别与压力指标、疲劳指标成正相关性，压力指标、疲劳指标越高，播放的背景音乐也越急促。具体在本例优选压力指标、疲劳指标高于特定阈值(如80)时播放五级急促的背景音乐。压力指标、疲劳指标在特定阈值之间(如80到60)时播放四级急促的背景音乐。准备阶段的时长相对固定，优选为3到10分钟。准备阶段通过α波频段(9-12Hz)的外界刺激诱导用户进入放松状态，具体在本例中播放左右耳频率差为10Hz的脑波音，同时LED灯以红光10Hz闪烁。
导眠阶段干预策略的主要目的是引导人进入浅睡状态。其中脑波音、背景音、灯光闪烁频率均按照重新确定干预策略的方式进行动态调整。外界刺激的频率与用户当前压力指标成正相关关系,与当前放松指标成负相关关系,当用户当前压力指标较高(如高于特定阈值70)或放松指标较低(如低于特定阈值30)，说明用户处于紧张状态，则使用较高的外界刺激频率,如通过频率为α波频段(9-12Hz)的外界刺激诱导用户进入放松状态。具体在本例中播放左右耳频率差为10Hz的脑波音，同时LED灯以红光10Hz闪烁。当用户当前压力指标较低(如低于特定阈值70)且放松指标较高(高于特定阈值30)，说明用户处于放松状态，则使用较低的外界刺激频率,如通过频率为θ波频段(4-8Hz)的外界刺激诱导用户进入浅度睡眠状态。具体在本例播放左右耳频率差为5Hz的脑波音，同时LED灯以红光5Hz闪烁。当用户的专注指标较低(如低于特定阈值30)时，会实时插入语音提示音。背景音乐的级别与压力指标、疲劳指标成正相关性,压力指标、疲劳指标越高,播放的背景音乐也越急促。当用户当前的压力指标和疲劳指标处于一定范围，则使用该范围对应的背景音乐的缓急程度。所述背景音乐的缓急程度随着实时检测得到的压力、疲劳状态动态变化。优选将压力和疲劳指标区分为五个级别，对应五种背景音乐的缓急程度。
当用户进入浅度睡眠状态，干预策略由导眠阶段干预策略进入浅度睡眠阶段干预策略。可以通过实时检测睡眠状态来判断用户是否进入到浅度睡眠阶段，后面几个阶段转换也可以采用这种方式。
所述浅度睡眠阶段干预策略的主要目的是引导人进入深度睡眠状态。此时通过δ波频段(0.4-4Hz)的外界刺激诱导用户进入深度睡眠状态。具体在本例使用灯光闪烁频率为3Hz的矩形波信号，控制红光LED闪烁。左右耳频率差为3Hz的脑波音乐。
当用户进入深度睡眠状态，干预策略由浅度睡眠阶段干预策略进入深度睡眠阶段干预策略。
所述深度睡眠阶段干预策略的主要目的是为了不干扰用户的睡眠，需要停止外界刺激的干预。具体在本例停止灯光闪烁，停止脑波音乐及背景音乐的播放。
当时间达到用户设定唤醒时间，干预策略由深度睡眠阶段干预策略进入唤醒阶段干预策略。
所述唤醒阶段干预策略需要通过频率为α波频段(9-12Hz)的外界刺激诱导用户进入清醒的放松状态，具体在本例中播放左右耳频率差为10Hz的脑波音，同时LED灯以蓝光10Hz闪烁。该阶段时间优选为2到5分钟。背景音乐的级别与压力指标、疲劳指标成正相关性,压力指标、疲劳指标越高,播放的背景音乐也越急促。当用户的压力指标和疲劳指标处于一定范围，则使用该范围对应的背景音乐的缓急程度。所述背景音乐的缓急程度随着实时检测得到的压力、疲劳状态动态变化。优选将压力和疲劳指标区分为五个级别，对应五种背景音乐的缓急程度。
如前文中的说明，如果在施加干预策略后如果没有达到目的就应当加强干预，进而，在不同的阶段中，如果被测者没有适时的进入到下一个阶段，则也应当调整干预策略。
进而，步骤203可以按照如下步骤执行：
若第二当前状态不满足要求，则根据当前所处的阶段，重新确定被测者的干预策略。
当然，根据当前所处的阶段，重新确定被测者的干预策略，还包括进一步优化为：
根据当前所处的阶段和第二心理状态指标，重新确定被测者的干预策略。
具体的，重新确定干预策略分为如下几种情况：
若当前阶段为导眠阶段，则按照如下方式重新确定干预策略：
若第二心理状态指标中用户的压力指标、疲劳指标持续较高(如高于特定阈值70)并持续超过3-5分钟,说明用户的生理和心理状态已与背景音乐的类型同步，此时逐渐改变背景音乐的急促级别，能使用户的心理、生理和情绪状态向预期的方向引导，所以需要降低背景音乐的急促级别。背景音乐降低级别与持续时间有正相关关系,持续时间越长,背景音乐级别降低越多,背景音乐越不急促。
若第二心理状态指标中用户的压力指标持续较高(如高于特定阈值70)、放松指标持续较低(如低于特定阈值30)并持续超过3-5分钟,说明用户始终没有进入放松状态,需要逐渐降低外界刺激的频率,具体在本例中逐渐降低脑波音的左右耳频率差和红色LED灯的闪烁频率。优选将频率从10Hz逐渐降低到8Hz，所述频率降低值与持续时间有正相关关系，持续时间越长，外界刺激的频率降低越多。
若进入放松状态后，第二心理状态指标中用户始终无法进入睡眠状态并持续超过8-10分钟，需要重新确定干预策略。具体来说，逐渐降低外界刺激的频率,具体在本例中逐渐降低脑波音的左右耳频率差和红色LED灯的闪烁频率。优选将频率从5Hz逐渐降低到3Hz，所述频率降低值与持续时间有正相关关系，持续时间越长，外界刺激的频率降低越多。
若当前阶段为浅度睡眠阶段，则按照如下方式重新确定干预策略：
若第二心理状态指标中用户始终无法进入深度睡眠状态并持续超过5-8分钟，需要重新确定干预策略。具体来说，逐渐降低背景音乐的急促级别，能使用户的心理、生理和情绪状态向预期的方向引导，背景音乐降低级别与持续时间有正相关关系,持续时间越长,背景音乐级别降低越多,背景音乐越不急促。逐渐降低外界刺激的频率,具体在本例中逐渐降低脑波音的左右耳频率差和红色LED灯的闪烁频率。优选将频率从3Hz逐渐降低到0.4Hz，所述频率降低值与持续时间有正相关关系，持续时间越长，外界刺激的频率降低越多。
若当前阶段为唤醒阶段，则按照如下方式重新确定干预策略：
若第二心理状态指标中用户的压力指标、疲劳指标持续较高(如高于特定阈值70)并持续超过2-3分钟,说明用户唤醒时仍然较为疲惫，此时逐渐降低背景音乐的急促级别，能使用户的心理、生理和情绪状态向预期的方向引导，所以需要降低背景音乐的急促级别。背景音乐降低级别与持续时间有正相关关系,持续时间越长,背景音乐级别降低越多,背景音乐越不急促。
若第二心理状态指标中用户始终无法进入清醒状态，需要重新确定干预策略。具体来说，可以是提高背景音乐的音量，提高背景音乐的急促程度，提高脑波音的音量，提高LED灯闪烁的亮度，提高LED灯闪烁的频率中一种或任意多种的组合。
上述干预方法对不同人的干预效果存在特异性，所以需要对不同人确定不同的干预策略，才能取得最佳的干预效果。具体体现在对不同人的背景音乐级别，脑波音的左右耳频率差，LED灯闪烁的频率，LED灯闪烁的亮度，音乐的音量大小会有所差别。
Iaccarino H F,Singer A C,Martorell A J,et al.Gamma frequency entrainment attenuates amyloid load and modifies microglia[J].Nature,2016,540(7632):230.中使用特定频率LED灯的闪烁能够在小鼠脑内产生诱导产生γ振荡，最终使β-淀粉样蛋白水平降低了一半，能够治疗阿兹海默症。其原理在于外界光刺激对脑电信号的同步效应，也可认为是一种SSVEP稳态视觉诱发电位，即占主导地位的脑电信号频带与相应光频率匹配。该文献指出特定频段的外界刺激能够对脑电信号产生影响，故而可能对心理状态进行干预。而外界光刺激是优选方案之一，因此，本方案中的外界刺激优选为光刺激。
张羽,钱志余,李韪韬,等.α频率光刺激脑电信号同步化的初步研究[J].生物医学工程研究,2009,28(3):183-187.中指出脑波按照频段可以区分为δ波，θ波以及α波等。其中9-12Hz的中间alpha波占主导地位时，人一般身心轻松而注意力集中。当4-8Hz的θ波占主导地位时，一般人的意识中断，身体深沉放松。而当0.4-4Hz的δ波占主导地位时，一般人处于深度睡眠状态。
所以通过脑电信号的同步效应可以诱导人的不同波段的脑电，以促进人的放松或者让人快速入睡，甚至促进进入深度睡眠状态。
所以可以通过对应频段的外界刺激诱导α频段的脑电在让人快速放松或提升专注力。可以通过对应频段的外界刺激诱导θ频段的脑电让人快速入睡。可以通过对应频段的外界刺激诱导δ频段的脑电让人进入深度睡眠。
本方案中优选灯光波长作为参数对心理状态进行干预。
Figueiro,Mariana G.,et al."Preliminary evidence that both blue and red light can induce alertness at night."BMC neuroscience 10.1(2009):105.中指出，人的生理节律系统对蓝绿光敏感，对红光不敏感。所以在促进人放松、入眠时优选红色光。
刘雅婷.基于alpha频率蓝光视觉刺激提高大脑警觉度的研究[D].天津大学,2012.中指出10Hz蓝光刺激使得快波增加慢波抑制，促进警醒度的提升，并且使疲劳度下降。
同时Yoto A,Katsuura T,Iwanaga K,et al.Effects of Object Color Stimuli on Human Brain Activities in Perception and Attention Referred to EEG Alpha Band Response[J].Journal of Physiological Anthropology,2007,26(3):373-379.中指出蓝色光的同步效应比红、绿光更强，并且能带来更高的活动水平。
再考虑到Figueiro,Mariana G.,et al."Preliminary evidence that both blue and red light can induce alertness at night."BMC neuroscience 10.1(2009):105.中指出人的生理节律系统对蓝光敏感，蓝光能够抑制褪黑素的分泌。
所以在唤醒时优选蓝色光。
本方案中优选灯光闪烁频率作为外界刺激之一对心理状态进行干预。
根据Herrmann,Christoph S."Human EEG responses to 1–100Hz flicker:resonance phenomena in visual cortex and their potential correlation to cognitive phenomena."Experimental brain research 137.3-4(2001):346-353.中的研究，SSVEP在10,20,40,80Hz取得极值，即使用同样的光强可以造成更强的同步效应，所以在这里优选10Hz作为alpha波的同步频率。
在周晖,陶玲,钱志余,等.低频光刺激在浅睡期的脑电响应[J].北京生物医学工程,2015,34(1):7-11.中指出，使用5Hz的光刺激会浅睡期脑电波的波能量明显高于正常睡眠，尤其在中央区和顶区增加明显。所以在光刺激下大脑皮质以更平稳的方式进入抑制状态，有助于更好地进入深睡期。所以在这里优选了5Hz作为theta波的同步频率。
本方案中优选脑波音乐的频率作为外界刺激之一对心理状态进行干预。
在Oster G.Auditory Beats in the Brain[J].Scientific American,1973,229(4):94-102.中指出，当双耳听到两个频率不同的正弦波，且正弦波频率低于1500Hz，频差小于40Hz时，大脑会接收到频率为正弦波频率差的刺激。例如双耳听到频率差为10Hz的正弦波，大脑会接收到10Hz的外界刺激。
在蒋昭旭,孟子厚.双耳差频声刺激下的脑波特征与心理变化[C]//中国西部声学学术交流会.2012.中指出，双耳差频声刺激确实能让脑电特征及心理指标发生变化。
所以在这里优选脑波音乐的频率作为外界刺激之一对心理状态进行干预。
本方案中优选背景音乐的缓急程度作为外界刺激之一对心理状态进行干预。
在侯艳.论音乐治疗的基本方法及其操作[J].黄钟,2013(2):167-172.中指出，当治疗对象的生理和心理状态与音乐的类型同步时，逐渐改变音乐，能使治疗对象的心理、生理和情绪状态向预期的方向引导，以达到治疗的目的。所以对压力、焦虑的用户，可以以与之对应的节奏急促的背景音乐达成同步，背景音乐的缓急程度根据用户状态动态切换，以达到干预的目的。
所以在本方案中优选背景音乐的缓急程度作为外界刺激之一对心理状态进行干预。
本申请还提供了一种心理状态确定方法，如图3所示，包括如下步骤：
S301，获取被测者的脑电信号和心率变异性信号；
S302，分别对脑电信号和心率变异性信号使用滑动窗口采样，以确定脑电信号采样结果和心率变异性信号采样结果；
S303，分别提取脑电信号采样结果的脑电信号特征向量和心率变异性信号采样结果的心率变异性信号特征向量，所述脑电信号特征向量包括以下的一种或多种：频谱能量、近似熵和样本熵，所述心率变异性信号特征向量包括以下的一种或多种：频谱能量、近似熵和样本熵；
S304，根据脑电信号特征向量、心率变异性信号特征向量和监督分类模型，计算被测者的第一心理状态指标。
上述步骤中，同时采样脑电信号和心率变异性信号作为输入，能够更为准确的确定最终的心理状态，并且，特征向量的种类共有三种，分别是频谱能量、近似熵和样本熵，当特征向量同时包含着三种数据的时候，也一定程度上保证了最终结果的准确率。
监督分类模型指的是有监督机器学习的分类模型，具体包括如下种类LSTM神经网络模型、ANN人工神经网络模型、随机森林模型、KNN模型、支持向量机模型和决策树模型。其中，优选采用决策树模型进行计算。
具体实现时，可以通过如下方式来获取到心率变异性信号：
检测被测者的脉搏波信号，并将脉搏波信号转化为心率变异性信号。
在步骤S301之后，在步骤S302之前，优选采用带通滤波的方式对脑电信号和心率变异性信号进行滤波处理。
在步骤S303和步骤S304之间，优选增加如下步骤，如图4所示：
S401，对脑电信号特征向量和心率变异性信号特征向量中的至少一个进行标准化处理；
S402，分别对脑电信号特征向量和心率变异性信号特征向量进行卡尔曼滤波处理。
上述两个步骤可以只使用一个，也可以两个都使用。
其中，标准化处理的目的是将脑电信号特征向量和心率变异性信号特征向量的大小调整成相符的程度，比如脑电信号特征向量的大小是在(-1,1)之间，那么也应当将心率变异性信号特征向量调整到(-1,1)之间。实际使用中，并不必然要求二者的数值是在(-1,1)之间，也可以是在其他数值区间中，但应当保证是二者的大小是基本相仿的，这样在后续的计算过程中，能够使得二者对计算的结果的影响程度是相同的。当然，还可以是预先对决策树模型进行调整，来使得对不同特征向量采用不同的标准进行计算，也能够保证计算结果的正确。
卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，该种算法是相关技术中已经存在的，此处不过多说明。
步骤S304在具体是按照如下方式执行的：
使用对应的决策树模型，根据将脑电信号特征向量和心率变异性信号特征向量进行计算，以得到心理状态指标(一般是得到至少两个心理状态指标)；心理状态指标包括压力指标、疲劳指标、专注指标、放松指标、情绪指标、精力指标、睡眠状态等。
也就是决策树模型分为多种，即压力决策树模型、疲劳决策树模型、专注决策树模型、放松决策树模型、情绪决策树模型、精力决策树模型和睡眠决策树模型。使用不同的决策树模型，能够得到不同的结果。
以压力决策树模型为例，该模型由多颗决策树组成，每颗决策树根据训练好的结果，将输入的脑电信号特征向量以及心率变异性信号特征向量中的特定维度与特定的值进行比较，最终达到树的叶节点，改变该特征向量属于某类的概率。例如，第一颗决策树可能使压力级别为1的概率增加了0.32，第二颗决策树可能使压力级别为2的概率减少了0.18。通过多颗决策树的共同影响，最终得到了该特征向量属于五类压力级别的概率，选取其中概率最大的类别为分类的类别。
在步骤S304之后，还可以进一步对计算出的心理状态指标进行校正。具体而言，本申请所提供的方法，在步骤S304之后，还包括如下步骤：
获取隐式马尔科夫模型，隐式马尔科夫模型的参数包括状态转移概率的矩阵和输出观测概率的矩阵；
使用状态转移概率的矩阵和输出观测概率的矩阵对心理状态指标进行校正。
步骤使用状态转移概率的矩阵和输出观测概率的矩阵对心理状态指标进行校正具体可以是采用Viterbi算法来对心理状态指标进行校正。上述步骤中的状态转移概率的矩阵和输出观测概率的矩阵是隐式马尔科夫模型的参数。
状态转移概率矩阵和输出观测概率矩阵可以通过EM算法或者最大后验概率等方法求解。在这里优选使用EM算法的特例Baum-Welch算法完成算法的训练。
状态转移概率的矩阵中记录有状态转移概率aij，即模型在不同状态转移的概率。状态转移概率反应了时间上连续的两个心理状态指标的变化规律，比如上一时刻状态为yi，下一时刻为yj的概率。举例说即为上一时刻压力为5级，下一时刻为3级的概率。(比如训练的结果发现a55最大，a54依次，而a51则很小。即很大可能上一时刻是五级压力，下一时刻还是五级压力。次之则是从五级压力变成四级压力。而直接从五级压力变成一级压力的概率很小)，因此可以采用状态转移概率来对心理状态指标进行校正。
输出观测概率的矩阵中记录有输出观测概率bij，输出观测概率表示了根据当前客观心理状态指标通过上述决策树模型观测到特定心理状态指标的概率，即当前状态为yi，观测到xj的概率。比如b55是客观压力状态为五级，决策树模型分类得到压力状态为五级的概率。而b54是客观压力状态为五级，决策树模型分类得到压力状态为四级的概率。由于具体的决策树模型分类的错误存在一定倾向性，例如对某一模型可能b55最大，b53其次，b54再次，而b52，b51接近0。即该模型可能将五级压力错分类为三级压力与四级压力。因此可以采用状态转移概率来对心理状态指标进行校正。
比如，在已经预先得到了状态转移概率和输出观测概率，同时还获取到心理状态指标序列，如11225555，即为可观察状态序列。通过状态转移概率的矩阵和输出观测概率的矩阵可以对该序列进行调整，如调整后的序列为11223345。
前述步骤中，提及了使用状态转移概率的矩阵和输出观测概率的矩阵对心理状态指标进行校正。下面，对这两个矩阵的获取过程进行介绍，包括如下步骤。
步骤1，通过设置在标准测试者额头处电极和耳垂处的电极采集脑电信号(单通道EEG(脑电图))，并使用脉搏波信号计算出心率变异性信号HRV；
步骤2，对脑电信号和心率变异性信号进行数据增强(主要是为了增加可使用的数据量；数据增强的方式包括给原始数据增加随机噪声，使用SMOTE算法给原始数据进行插值以及降采样等等。所述数据增强步骤的目的为提高精确度)
步骤3，采用滑动窗口的方式进行信号采样；(主要指对采集到的单通道额叶EEG数据和单通道心率变异性HRV使用滑动窗口方法，得到一个个窗口向量，每个窗口向量代表特定时刻的状态。以EEG为256Hz采样率为例，取窗口大小也为256个点，而窗口平移的步长为采样率的一半即128。于是每个窗口的256个点可以代表当前1s的状态，而相邻的两个窗口总有128个点重叠。于是对30分钟的EEG数据，能得到30*60*2＝3600个滑动窗口。对HRV使用类似的滑动窗口方法，得到与EEG的3600个滑动窗口时间一一对应的3600个滑动窗口。下述的信号和数据均为这里的滑动窗口)；
步骤4，对采样结果进行第一次滤波处理(由于人的运动和眨眼造成的伪差比脑电和脉搏波大的多，信号首先需要通过滤波器进行降噪，信号滤波有多种方法，如带通滤波，中值滤波，卡尔曼滤波，小波分析，独立成分分析等等。考虑到带通滤波的运算量较低，同时本方法针对的大部分情形使用者都闭着眼睛处于休息状态，运动和眨眼造成的伪差相对比较小，所以简单的带通滤波足以滤除大部分噪声，故本方法优选使用带通滤波，仅取0-50Hz的信号成分)；
步骤5，对心率变异性信号和脑电信号的采样结果提取特征向量；(滤波和降噪后的EEG和HRV信号经过特征提取可以得到特征向量，主要的提取方式有非线性特征、熵特征、基于小波的特征、基于时频的特征、局部方差、功率谱等等，对不同的应用场景需要进行特征工程选取不同的特征。本方案优选得到了频谱能量以及近似熵和样本熵作为EEG特征和HRV特征)；
步骤6，特征向量融合；(将EEG和HRV的特征向量的特征向量拼接就能够实现脑电和心电的融合[10]，得到心脑融合的特征向量。该步骤的目的为提高算法精度，如果只使用脑电EEG特征或HRV的特征也是可以的)；
步骤7，特征向量标准化处理；(考虑到特征向量的不同维度量纲不同，可能存在某些维度特别大，占据主导作用的情况。所以对特征向量进行标准化，去均值处理，使得每个特征向量的均值为0，方差为1)；
步骤8，特征向量的第二次滤波；(由于输入信号存在各种伪差噪声的影响，它们在频域上与脑电信号存在一定的重叠，所以仅以输入信号的带通滤波无法完全去除噪声。这些噪声会导致特征向量也出现剧烈的变化，最终使分类器得到错误的结果。本发明使用卡尔曼滤波方法对上述得到的特征向量进行滤波)；
步骤9，决策树模型训练；将滤波后的特征向量输入到决策树模型中，并通过随机梯度下降的方法，使用最小化损失函数得到决策树模型的参数，决策树模型的参数包括多棵子树的划分节点，节点比较值以及叶节点中该棵子树对分类结果的影响。多颗决策子树通过基于梯度增强的方法集成在一起，得到决策树模型。如图5所示，示出了决策树模型的示例，可见该模型中有两棵子树，一般情况下，一个决策树模型中有数百棵子树。
步骤10，隐式马尔科夫模型的训练；隐式马尔科夫模型的参数包括状态转移概率的矩阵和输出观测概率的矩阵；
训练过程是通过实际测量的数据进行训练的，比如实际测量大量被测者(上千人)的脑电信号和心率变异性信号，据此分类得到不同的分类结果。以及其他标准方式获得的客观心理状态分级序列，进而据此训练隐式马尔科夫模型。
状态转移概率的矩阵中记录有状态转移概率aij，即模型在不同状态转移的概率。状态转移概率反应了时间上连续的两个心理状态指标的变化规律，比如上一时刻状态为yi，下一时刻为yj的概率。举例说即为上一时刻压力为5级，下一时刻为3级的概率。(比如训练的结果发现a55最大，a54依次，而a51则很小。即很大可能上一时刻是五级压力，下一时刻还是五级压力。次之则是从五级压力变成四级压力。而直接从五级压力变成一级压力的概率很小)，因此可以采用状态转移概率来对心理状态指标进行校正。
输出观测概率的矩阵中记录有输出观测概率bij，输出观测概率表示了根据当前客观心理状态指标通过上述决策树模型观测到特定心理状态指标的概率，即当前状态为yi，观测到xj的概率。比如b55是客观压力状态为五级，决策树模型分类得到压力状态为五级的概率。而b54是客观压力状态为五级，决策树模型分类得到压力状态为四级的概率。由于具体的决策树模型分类的错误存在一定倾向性，例如对某一模型可能b55最大，b53其次，b54再次，而b52，b51接近0。即该模型可能将五级压力错分类为三级压力与四级压力。因此可以采用状态转移概率来对心理状态指标进行校正。如图6，示出了状态转移概率的矩阵和输出观测概率的矩阵的示意图。
状态转移概率矩阵和输出观测概率的矩阵可以通过EM算法或者最大后验概率等方法求解。在这里优选使用EM算法的特例Baum-Welch算法完成算法的训练。
前述步骤中得到了多个心理状态指标(压力指标、疲劳指标、专注指标和放松指标等)，可以使用这几个指标来计算综合处理。此处的综合处理，有两种，第一种是计算心理治疗精力回升指数，第二种是工作效率指数，下面，对这两个方法进行简要介绍：
关于心理治疗精力回升指数的计算过程，包括如下步骤(此时，该方法也可以认为是心理治疗精力回升指数计算方法)：
步骤S401，获取至少两个心理状态指标，心理状态指标包括：压力指标、疲劳指标、专注指标和放松指标；
步骤S402，根据心理状态指标计算心理治疗精力回升指数。
具体的，步骤S402可以按照如下方式执行：
将心理状态指标带入如下公式，以计算心理治疗精力回升指数，
INDEX＝50*(S1/S2+F1/F2)-100(0<50*(S1/S2+F1/F2)-100<100)；
INDEX＝100当50*(S1/S2+F1/F2)-100>100时；
INDEX＝0当50*(S1/S2+F1/F2)-100<0时；
上述步骤中，INDEX是心理治疗精力回升指数，治疗前压力指标的平均值为S1，治疗前疲劳指标的平均值为F1，治疗后压力指标的平均值为S2，治疗后疲劳指标的平均值为F2。
此处，优选最开始两分钟的状态作为心理治疗前的状态,优选唤醒前两分钟的数据作为心理治疗后的状态,将压力疲劳状态计算平均值。此处，整体的流程是催眠的流程，该流程分为多个阶段，按照时间的先后分为检测阶段、正念引导阶段(引导被测者集中注意力)、第一脑波导眠阶段(浅睡眠)、第二脑波导眠阶段(深度睡眠)和唤醒节点。最开始两分钟指的是正念引导阶段刚开始的两分钟，唤醒前两分钟指的是进入到唤醒阶段前的两分钟。
工作效率指数的具体计算过程包括如下步骤(此时，该方法也可以认为是工作效率指数计算方法)：
步骤S301，获取至少两个心理状态指标，心理状态指标包括：压力指标、疲劳指标、专注指标和放松指标；
步骤S302，根据心理状态指标计算工作效率指数。
Efficiency＝Fatigue_score(Fatigue)+Stress_score(Stress)+Attention_score(Attention)+Relaxation_score(Relaxation)
所述的Fatigue_score，Stress_score，Attention_score，Relaxation_score各自为0到25范围的只与特定心理状态指标相关的函数。
fatigue，stress，attention，relaxation分别为用户的疲劳指标，压力指标，专注指标和放松指标。efficiency为工作效率指数。
以Fatigue_score(Fatigue)为例，为通过回归分析方法得到的工作效率与疲劳相关的函数。显然疲劳越高，工作效率越低。该函数是单调递减的。
以Stress_score(Stress)为例，为通过回归分析方法得到的工作效率与压力相关的函数。该函数是先单调递增，后单调递减的。即处于适中压力状态时工作效率最高，压力太高或压力太低工作效率都比较低。
具体而言，根据心理学研究，认为专注度越高，压力指数越低对工作效率贡献越大，认为轻度压力和轻度放松时工作效率最佳，太高和太低的压力、放松对工作效率均有害。同时，可以通过对上千人的压力指标、疲劳指标、专注指标、放松指标和工作效率指数进行统计来得到得到了基础数据，而后，依据这些基础数据中不同指标来计算出工作效率和其他几个指标之间的对应关系，利用该对应关系，就可以根据心理状态指标计算工作效率指数。
与上述用户状态干预方法相对应的，本申请还提供了一种用户状态干预装置，包括：
获取模块，用于获取被测者的第一心理状态指标，所述第一心理状态指标包括以下的一种或多种：压力指标、疲劳指标、专注指标、放松指标、精力指标；
确定模块，用于根据第一心理状态指标确定干预策略，干预策略包括以下的一种或多种：灯光波长、灯光闪烁频率、背景音乐的缓急程度和脑波音乐的频率；
第一干预模块，用于按照干预策略对被测者进行干预。
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，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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，本发明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)执行本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。