可接受点λ，在F矩阵中，若其中某个值Flj大于λ，则说明这个受试者在该特征点 上可以明显的区别与第i个受试者，这个特征点j就是需要时间点，反之，认为这个特征点 j是不可用的时间点，通过这种方法，计算出这五个受试者的可接受时间点为特征点，最终 组建相应的特征矩阵m*kx，通过计算在本例中五个受试者的kx分别是（462,436, 518, 395， 509)，同时对每个受试者得到一个kx列一维向量，这个向量的值分别表示时间点。
[0038] (7)对第六步得到的矩阵，进行样本和时间点计算，并最终计算出一个特征的时间 点向量。
[0039] 对于五个受试者，根据上一步得到的kx值和时间点向量，对每个受试者的m个样 本矩阵求取他们的特征矩阵，这个特征矩阵就是m*kx的特征矩阵，然后把m个样本的kx列 矩阵分别对每列向量，（五个受试者的样本分别是（72,64, 76, 70, 76)，五个受试者的kx值 分别是（462,436,518,395,509))也就是时间点向量求他们的对角阵T，T可以通过公式
[0040] T (X) = E {[x-E (X) ] [x-E (X) ] tI
[0041] 其中E(X)是向量里面每个分量的均值。根据对角阵T来确定这个时间点特征是 否可用来作为特征（计算依据根据滴6步的λ求法），从而得到一个新的矩阵m*ky，对于 五个受试者而言，在本实施中，没有进行特征筛选之前kx分别是（462,436, 518, 395, 509)， 筛选之后，得到的ky分别是（285, 304, 326, 266, 372)同时得到特征的时间点Time向量，每 个受试者的时间点Time向量分别由原来的kx炜向量变成ky列的一维向量。
[0042] 对于m*ky的每一行，也就是对于样本数进行筛选，通过计算每个样本到其他样本 的距离和，可以筛选出离其他样本距离过大的样本，以此来提高分类的准确率。最终得到的 样本特征数矩阵就是这个人的特征矩阵，在本次实例计算中，五个受试者筛选后的样本数 分别是（57, 51，60, 56,61)筛选后的有效特征数分别是（285, 304, 326, 266, 372)。通过这一 步的筛选，每个受试者得到新的特征矩阵n^ky的特征矩阵，其中Hi1分别是（57, 51，60, 56， 61)，ky 分别是（285, 304, 326, 266, 372)。
[0043] (8)对第七步得到的特征矩阵，设计BP神经网络，五个人的BP神经网络输入参数 分别是（285, 304, 326, 266, 372)，把有效样本分别分为测试样本和训练样本，样本数的训练 样本分别是（40,40, 50,45,45)，这样五个人就有五个神经网络，这些神经网络因为特征不 同而不同，这样对于五个成员，对应的就有五个分类器，五个特征集合，五个特征点向量。
[0044] (9)测试：在线采集一次脑电信号，根据上述方法进行特征提取，对五个受试者的 神经网络分类器进行计算，得到一个输出结果，TF = (0. 94,0. 77,0. 53,0. 60,0. 32)，其中 max (TF) =0.94, secondmax(TF) =0.77, max (TF)-secondmax(TF) =0.17,结果有效，而且 最大值是第一个受试者结果，因此可以判断此次打卡成功。
[0045] (10)在线测试：分别让这五个人进行测试，测试分别放在不同的时间段，多天实 验，总共实验每人测试68次，测试结果如表1所示。
[0048] 以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范 围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方 案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
【主权项】
1. 一种利用脑电信号进行小型办公室打卡考勤的方法，其特征在于包括以下步骤： (1) 数据采集阶段，数据采集是受试者在本办公室员工内所有员工的照片刺激下提取 受试者的脑电信号，脑电信号是利用便携脑电设备提取前额两导联采集； (2) 数据预处理阶段，对采集到的脑电信号进行滤波和去除眼电干扰； (3) 特征提取阶段，对预处理后的脑电信号，利用脑电信号的理特征获得时频域的特 征； (4) 在线打卡考勤阶段，特征提取后，利用BP神经网络对特征进行识别，确认是否出 勤。2. 根据权利要求1所述的一种利用脑电信号进行小型办公室打卡考勤的方法，其特征 在于，所述数据采集阶段包括以下步骤： (1) 实验设计：所述小型办公室人员上限为10人，对10个人使用在相同背景下的半 身免冠照片，按照相同的出现次数，把需要打卡人的照片放在第一位出现，每次照片展现 1000毫秒，之后照片消失，保持电脑黑屏200毫秒，一个完整的实验照片显示两轮，总共耗 时2*n*(1000+200)毫秒，其中η是办公室内员工人数； (2) 脑电采集：利用便携式脑电信号采集仪器，使用的脑电信号是前额区的左右两个 导联脑电信号，采样频率为256Hz。3. 根据权利1所述的一种利用脑电信号进行小型办公室打卡考勤的方法，其特征在 于，所述特征提取阶段包括以下步骤： (1) 寻找对应的特征点：把经过预处理后的脑电信号，首先每个受试者把关注自己照 片的脑电信号片段分离出来，组成m*k的矩阵，其中m是受试者采集的脑电信号样本数，k表 示采样频率，得到η个m*k矩阵，然后对η个矩阵按照Fisher距离方法，得到时间点上的距 离矩阵F，其中F的计算方法为：μ和σ分别为均值和方差。设定特征选择点λ=(max(F)-min(F))/2,选择F中大 于λ的时间点为特征点，以此对每个受试者组建相应的m*kx特征矩阵，其中kx表示特征 数； (2) 建立有效样本特征矩阵：对于m*kx的特征矩阵中的kx和样本数m进行筛选，利用 下述方法对样本和特征点进行筛选； 首先把m个样本的kx矩阵分别对每列向量，即时间点向量求其对角阵T，T通过公式计 算： Τ(χ) =Ε{[χ-Ε(χ)][χ-Ε(χ)η其中Ε(χ)是向量里面每个分量的均值，当，则该时间点特征可以被选作计算特征，否则该时间点特征被 认为是无效特征，以此方法对Τ矩阵进行判断时间点是否可以用来作为特征，从而得到一 个新的矩阵m*ky; 然后对于m*ky的每一行，即对于样本数进行筛选，通过计算每个样本到其他样本的距，表示该样本是有效样本，否则该样本无法参与计算， 其中η表示总样本格式，λX是系统输入阈值，通过所述方法筛选出离其他样本距离过大的 样本，以此来提高分类的准确率，最终得到的样本特征数矩阵便此人的特征矩阵。4.根据权利要求1所述的一种利用脑电信号进行小型办公室打卡考勤的方法，其特征 在于，所述打卡考勤阶段包括以下步骤：利用以上步骤得到的特征矩阵，利用ΒΡ神经网络 对每个成员建立一个ΒΡ神经网络分类器，然后对考勤时候采集到的实时脑电信号进行特 征提取，利用每个成员的ΒΡ神经网络进行计算，对得到的结果进行比较选择计算结果最大 值进行输出，当最大结果对应的是第一个照片的结果那么证明是本人打卡，打卡考勤成功。
【专利摘要】本发明公开了一种利用脑电信号进行小型办公室打卡考勤的方法，是利用人对自身熟悉事物的反应具有自身独特性的性质设计的一种在小型办公室内实现的考勤方法。对办公室员工进行信息搜集，采集脑电信号，对脑电信号进行特征提取，采用训练得到的BP神经网络对办公室员工打卡考勤时采集的实施脑电信号进行分类检测，计算结果决定该员工是否出勤，本发明通过使用办公室内员工照片，按照等概率事件进行排序，利用不同员工脑电信号的距离特征进行特征提取，然后利用BP神经网络进行训练和分类实现脑电信号分析，来实现办公室内的打卡考勤。
【IPC分类】G07C1/10, G06K9/00
【公开号】CN105303631
【申请号】CN201510605237
【发明人】穆振东, 尹晶海, 胡剑锋
【申请人】江西科技学院
【公开日】2016年2月3日
【申请日】2015年9月22日