基于心电的专注度曲线生成方法及分割教学视频的应用与流程

本发明涉及基于生物反馈的教学研究技术领域，尤其是涉及一种基于心电的专注度曲线生成方法及分割教学视频的应用。

背景技术：

在日常的教学活动中，讲师的教学质量评价是教学质量测评的关键环节，对提高教学质量和办公效率具有重要意义，因此，只有建立完善的教学质量测评系统才能够较为全面准确的评价讲师的教学工作，全面提高教学水平。常规的教学评估中，主要采用客观的考试结果分析，以及比较主观的学生问卷打分和座谈的方式；这种教学评估反应的是总体性情况，不能反应具体某堂课的情况。而实际的，具体的每次课学生的专注度以及变化情况如何，这些数据的掌握和分析可以对讲师教学的提高构成更为有效的辅助。

技术实现要素：

本发明所要解决的一个技术问题是提供一种基于心电的专注度曲线生成方法，用于掌握和分析课间测试学生的专注度以及变化情况。

本专注度曲线生成方法所采用的技术方案为：一种基于心电的专注度曲线生成方法，具体包括以下步骤：s1采集心电信号；s2将心电信号转换成数字信号并传输到数据处理单元；s3数字信号经降噪处理后，通过时频分析获得时频数据；s4根据数据训练得到的支持向量回归机将时频数据转化成归一化的专注度分值数据；s5根据专注度分值数据获得专注度曲线。

步骤s1中心电信号的采集采用pulsesensor传感器、hkd-10b心电传感器、bmd101心电监测传感器或ad8232心率监测传感器系列的其中一种。

步骤s2中采用arduino单片机将心电信号转换成数字信号。

步骤s3中降噪处理具体为：先通过低通滤波器滤除噪声，然后通过阈值分析过滤异常信号。

步骤s3中，时频分析采用短时傅立叶变换或连续小波变换。

与现有技术相比，本方法的优点在于在心电信号变换成时频数据前，在转换成数字信号后通过降噪处理滤除了噪声和异常信号，提高了数据的准确性；然后通过数据训练得到的支持向量回归机将时频数据转化成归一化的专注度分值数据，再根据专注度分值数据获得专注度曲线，从而能够精确掌握课间测试学生的专注度以及变化情况，形成对讲师教学的有效反馈，为分析教学视频，改进课堂教学提供有力辅助。

本发明所要解决的另一技术问题是提供一种利用专注度曲线分割教学视频的应用。

本应用所采用的技术方案为：一种利用专注度曲线分割教学视频的应用，由上述方法生成的专注度曲线中延续一定时间高专注度的、专注度快速下滑或者快速上升的时间段获得教学视频中该时间段的教学视频剪辑。

与现有技术相比，本应用的优点在于根据专注度曲线中延续较长时间高专注度或者快速变化部分获得教学视频中该时间段的相应教学视频剪辑，用于讲师分析该段时间教学变化的原因，为课堂教学的改进提供有力辅助。

附图说明

图1为本优选实施例基于心电的专注度曲线生成方法及利用专注度曲线分割教学视频的应用的步骤示意图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

本实施例如图1所示公开了一种基于心电的专注度曲线生成方法及利用专注度曲线分割教学视频的应用，具体步骤包括：

s1采集测试学生的心电信号，同时运用教室配备的录影机记录讲师上课的教学视频；本优选实施例中，采用pulsesensor传感器采集心电信号，pulsesensor传感器通过光电反射采集心电信号，采集到的心电信号为模拟信号；其中，pulsesensor传感器通过环带配戴测试学生未握笔的手臂上，pulsesensor传感器固定在该手臂血管上方；也可以通过夹片夹住手指使pulsesensor传感器定位在手指毛细血管上方。在这里，pulsesensor传感器也可采用其他光学心率传感器或脉搏传感器替代，如hkd-10b心电传感器、bmd101心电监测传感器和ad8232心率监测传感器系列。

s2将采集到的心电信号转换成数字信号，然后通过无线通讯模块传输到数据处理单元。本优选实施例中，采用arduino单片机进行ad信号转换，arduino是一款便捷灵活、方便上手的开源电子原型平台，在arduinoide编写的程序代码可直接传入arduino单片机以控制ad信号转换；其中，pulsesensor传感器通过导线与arduino单片机连接；无线通讯模块采用飞思卡尔智能无线模块，飞思卡尔智能无线模块通过433m无线串口连接在arduino单片机上。在这里，arduino单片机也可以用其他能够将心电模拟信号转换成数字信号的、连接无线通讯模块的处理器替换，如arm11系列；无线通讯模块可采用490m、780m、868m、915m、2.4g系列无线传感器模块替换。

s3在数据处理单元处，数字信号经降噪处理后，通过时频分析获得时频数据；具体的，数字信号先通过低通滤波器滤除噪声，然后通过阈值分析过滤峰值不在正常范围的异常信号，再通过短时傅立叶变换或连续小波变换将数字信号变换成时频数据；其中，异常信号的产生通常是由学生调整坐姿时晃动手臂导致，使得pulsesensor传感器采集的心电信号失常。

s4根据数据训练得到的支持向量回归机将时频数据转化成归一化的专注度分值数据。

其中，数据训练过程如下：

a1选取男女学生各5人为预测学生，应用数学演算，冥想或电影观看等方式诱发预测学生的专注度变化。

a2应用neurosky公司的mindband脑电采集系统进行脑电采集，并应用该mindband脑电采集系统的配套软件系统进行专注度计算，记录预测学生第i秒时对应的专注度yi(i＝1,...,n)，yi∈(0,1)，n为预测学生总的记录秒数。

a3与脑电采集的同时应用pulsesensor进行心电采集，得到对应时间的心电数据dsi(i＝1,...,n)；

a4对dsi进行时频分析，得到时频数据，即与频域0.1～3hz，4～7hz，8～12hz，13～15hz，16～20hz，21～30hz对应的归一化能量向量xsi，xsi为6维向量。

a5应用如下式子(1)进行支持向量回归机训练，即对式子(1)进行最优化，得到专注度预测函数f：

其中，loss()是损失函数，f(xsi)为由专注度预测函数f计算得到的预测学生第i秒时的专注度分值数据，λ∈[0.1，10]为复杂度控制参数，是专注度预测函数f的欧几里得范数的平方。

应用数据训练得到的专注度预测函数f求得测试学生在课堂上第j(j＝1,...,n)秒的专注度分值数据f(xtj)(f(xtj)∈(0,1))；其中，时频数据xtj为6维向量，xtj是指dtj时频分析后得到的与频域0.1～3hz，4～7hz，8～12hz，13～15hz，16～20hz，21～30hz对应的归一化能量向量；dtj为应用pulsesensor采集到测试学生在课堂中第j秒的心电数据。

在这里，心电频域与专注度的关系参见下表1：

心电频域与专注度关系表1：

s5根据专注度分值数据获得专注度曲线；其中，专注度曲线是指专注度分值数据随时间变化形成的曲线；

s6根据生成的专注度曲线中延续一定时间高专注度的、专注度快速下滑或者快速上升的时间段分割教学视频获得该时间段的教学视频剪辑。专注度快速下滑的时间段是指专注度曲线中曲线突然下降到逐步平稳的时间段，专注度快速上升的时间段是指专注度曲线中曲线突然上升到逐步平稳的时间段；另外，在专注度曲线中，延续一定时间达到3～10分钟高专注度(专注度分值数据在0.6以上)的，表示学生能够清晰理解讲师的教学内容。而专注度曲线中的变化通常是由于学生因为教学时间长度的关系在某些时间段产生的疲倦、逐渐清醒，或者教学内容很难理解等情况引起的变化。

在本实施例中，数字信号的降噪处理、短时傅立叶变换或连续小波变换的时频分析、都是在数据处理单元的matlab软件中处理的，数据处理单元一般采用运算速度快的电脑或小型机。