一种基于脑电信号的对象选择方法及装置的制造方法
【技术领域】
[0001]本发明涉及人机交互领域，具体涉及一种基于脑电信号的对象选择方法及装置。
【背景技术】
[0002]通过医学仪器将人体脑部自身产生的生物电进行记录得到的脑电图，主要用于医学诊断。例如诊断癫痫、阿尔茨海默病、脑血管疾病等。随着脑电信号处理技术的进步，脑电信号被用来作为人和终端设备之间的交互通道。
[0003]虽然脑电信号处理技术在医学领域有着广泛的应用，并且在人机交互领域有着良好的应用前景。但是将脑电信号处理技术应用到现实生活中，帮助人们完成某项任务，目前还面临很多问题。
【发明内容】
[0004]有鉴于此，本发明提供了一种基于脑电信号的对象选择方法及装置。
[0005]本发明提供了一种基于脑电信号的对象选择方法，所述方法包括:
[0006]利用脑电波采集设备采集脑电信号后，对所述脑电信号进行去噪处理，以提取所述脑电信号中的诱发脑电信号；
[0007]提取所述诱发脑电信号中，与预先确定的描述选择对象激发的脑电信号的特征对应的静态特征；
[0008]利用预先建立的动态模型，将所述静态特征采用动态特征表示，得到所述诱发脑电信号的动态特征；
[0009]将所述动态特征输入到预先训练的对象选择分类器中，以便进行对象选择。
[0010]优选地，所述动态模型包括隐马尔科夫模型。
[0011 ] 优选地，所述方法还包括:
[0012]预先进行N次对象选择的试验，确定用于描述对象选择激发的脑电信号的特征，所述N为自然数。
[0013]优选地，所述对象选择分类器包括非线性分类器。
[0014]优选地，所述非线性分类器包括利用高斯过程模型建立的分类器。
[0015]本发明提供的一种基于脑电信号的对象选择装置，所述装置包括:
[0016]第一提取模块，用于利用脑电波采集设备采集脑电信号后，对所述脑电信号进行去噪处理，以提取所述脑电信号中的诱发脑电信号；
[0017]第二提取模块，用于提取所述诱发脑电信号中，与预先确定的脑电信号特征对应的静态特征，所述脑电信号特征用于描述对象选择激发的脑电信号；
[0018]动态表示模块，用于利用预先建立的动态模型，将所述静态特征采用动态特征表示，得到所述诱发脑电信号的动态特征；
[0019]分类模块，用于将所述动态特征输入到预先训练的对象选择分类器中，以便进行对象选择。
[0020]优选地，所述动态模型包括隐马尔科夫模型。
[0021 ] 优选地，所述装置还包括:
[0022]试验模块，用于预先进行N次对象选择的试验，确定用于描述对象选择激发的脑电信号的特征，所述N为自然数。
[0023]优选地，所述对象选择分类器包括非线性分类器。
[0024]优选地，所述非线性分类器包括利用高斯过程模型建立的分类器。
[0025]本发明首先利用脑电波采集设备采集脑电信号后，对所述脑电信号进行去噪处理，以提取所述脑电信号中的诱发脑电信号。其次，提取所述诱发脑电信号中，与预先确定的脑电信号特征对应的静态特征，所述脑电信号特征用于描述对象选择激发的脑电信号。再次，利用预先建立的动态模型，将所述静态特征采用动态特征表示，得到所述诱发脑电信号的动态特征。最后，将所述动态特征输入到预先训练的对象选择分类器中，以便进行对象选择。本发明旨在利用脑电信号处理技术实现现实生活中人对智能终端设备，如电脑、电视、手机中的对象选择，以达到人机之间更加自然地交互的目的。
【附图说明】
[0026]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0027]图1为本发明提供的基于脑电信号的对象选择方法流程图；
[0028]图2为本发明提供的音视频播放软件的滑动式节目选择界面示意图；
[0029]图3为本发明提供的基于脑电信号的对象选择装置结构示意图；
[0030]图4为本发明提供的计算机的部分结构的框图。
【具体实施方式】
[0031 ] 下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0032]本发明实施例提供的基于脑电信号的对象选择方法应用于基于脑电波的应用中，其中，所述基于脑电波的应用可以为音视频播放软件、图片浏览器等。也就是说，本发明实施例提供的基于脑电信号的对象选择方法具体可以为音视频播放软件中的音视频选择方法，也可以为图片浏览器中的图片选择方法等。本发明实施例中，智能终端设备，如电视、手机、电脑等能够安装所述基于脑电波的应用。
[0033]基于脑电波的应用中，通常需要设计进行交互的人机界面，即对象选择的交互界面。例如应用中的各个对象可以采用不同的颜色，交互界面采用不同的空间布局，如规则的分布各个选择对象，滑动式显示各个选择对象等。具体的实现过程中，用户在利用基于脑电波的应用进行对象选择时，在大脑中想象对特定对象的选择。
[0034]实施例一
[0035]参考图1，图1为本实施例提供的一种基于脑电信号的对象选择方法流程图，具体可以包括:
[0036]SlOl:利用脑电波采集设备采集脑电信号后，对所述脑电信号进行去噪处理，以提取所述脑电信号中的诱发脑电信号。
[0037]S102:提取所述诱发脑电信号中，与预先确定的脑电信号特征对应的静态特征，所述脑电信号特征用于描述对象选择激发的脑电信号。
[0038]S103:利用预先建立的动态模型，将所述静态特征采用动态特征表示，得到所述诱发脑电信号的动态特征。
[0039]S104:将所述动态特征输入到预先训练的对象选择分类器中，以便进行对象选择。
[0040]SlOl中，脑电信号分为自发脑电信号和诱发脑电信号，其中，诱发脑电信号是由外部刺激引发的脑电波，一般比大脑自发活动产生的脑电信号(自发脑电信号)要弱很多。现实生活中的基于脑电波的应用一般只与诱发脑电信号有关，但是脑电波采集设备也会采集到来自于骨骼肌活动产生的电信号、心脏活动产生的电信号或者是眼球运动产生的电信号等自发脑电信号，而这些自发脑电信号对于现实生活中基于脑电波的应用中任务的识别是一种干扰噪音的来源。所以，本发明实施例中，用户在使用基于脑电波的应用时，脑电波采集设备首先采集用户的脑电波信号，其次，对所述脑电波信号进行去噪处理，具体包括去除脑电信号中的自发脑电信号，最终提取脑电信号中的诱发脑电信号。
[0041]实际应用中，根据应用领域及其精度要求的不同，存在不同型号的脑电波采集设备。一般医用的脑电波记录仪精度比较高，但价格也比较昂贵；而便携式脑电波采集设备是可以在日常生活中使用的脑电波记录仪，其精度相对较低，但是也能够满足一般基于脑电波的应用的需求。本发明实施例基于使用方便的需求，采用便携式脑电波采集设备对脑电波?目号进行米集。
[0042]在S102中，基于脑电波应用的对象选择界面的设计不同，导致脑电波中受外部刺激激发的特征也不同。例如，不同的颜色和形状激发不同特点的脑电信号。本发明实施例中，可以提取的脑电波信号的特征包括频率、振幅范围、脑电波产生的时间延时信息或者大脑功能区域等。本发明实施例预先进行N次对象选择的试验，所述N为自然数，最终确定描述对象选择激发的脑电信号的特征。具体实现过程中，多次采集用户在对象选择时产生的脑电信号，并与用户在正常状态下产生的脑电信号比较，找出用户在对象选择时产生的脑电信号中具有代表性的特征，并将该特征确定为描述对象选择激发的脑电信号的特征。
[0043]本发明实施例中，在获取脑电信号中的诱发脑电信号后，提取所述诱发脑电信号中与预先确定的脑电信号特征对应的静态特征，所述脑电信号特征用于描述对象选择激发的脑电信号。例如，预先确定的用于描述对象选择激发的脑电波信号的特征为脑电信号的频率，则提取所述诱发脑电信号中若干个时间点的频率特征作为所述诱发脑电信号中的静态特征。
[0044]S103中，建立动态模型，所述动态模型的输入为提取的所述诱发脑电信号中的静态特征，所述动态模型的输出参数为所述诱发脑电信号的动态特征。也就是说，利用所述动态模型，将所述静态特征采用动态特征表示出来。具体的，所述动态模型包括隐马尔科夫模型(Hidden Markov Chain)，能够动态的描述脑电信号的状态变化。本发明实施例通过利用隐马尔科夫模型对静态特征进行动态表示，能够用一定时间内的脑电信号的状态变化反映用户的对象选择结果，与单纯的利用静态特征相比，能够更准确的反映对象选择的结果。
[0045]在S104中，预先训练对象选择分类器，所述对象选择分类器包括线性分类器和非线性分类器。为了保证对象选择结果的准确性，本发明实施例使用的对象选择器最好为非线性分类器，具体的非线性分类器为利用高斯过程模型建立的分类器。
[0046]本发明实施例中，预先通过多次训练，得到用于建立对象选择分类器的模型参数，使得对象选择分类器在实际使用时能够进行对象选择的预测。具体的，进行M次对象选择的试验，得到分类器的模型参数，所述M为自然数。在使用训练好的对象选择分类器时，将使用时产生诱发脑电信号的动态特征输入到对象选择分类器中，经过所述对象选择分类器的处理得到用户的对象选择结果。具体的，所述对象选择分类器的输出结果为O或1，其中，O表示用户未选择当前显示的对象，I表示用户选择当前显示的对象。
[0047]下面以一种应用于音视频播放软件中的音视频选择方法为例，简单介绍一下本发明提供的基于脑电信号的对象选择方法。
[0048]如图2，图2为音视频播放软件的滑动式节目选择界面示意图。具体的，用户佩戴有便携式脑电波采集设备。当所述用户对所述滑动式节目选择界面上的当前节目(图2中的All dogs go to Heaven)进行选择时，所述便携式脑电波采集设备采集所述用户产生的脑电信号，并将所述脑