CN108279777A - 脑电波控制方法及相关设备 - Google Patents
脑电波控制方法及相关设备 Download PDFInfo
- Publication number
- CN108279777A CN108279777A CN201810139773.6A CN201810139773A CN108279777A CN 108279777 A CN108279777 A CN 108279777A CN 201810139773 A CN201810139773 A CN 201810139773A CN 108279777 A CN108279777 A CN 108279777A
- Authority
- CN
- China
- Prior art keywords
- brain wave
- electronic device
- template
- mood
- target emotion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 565
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000036651 mood Effects 0.000 claims abstract description 135
- 230000008451 emotion Effects 0.000 claims abstract description 116
- 238000012549 training Methods 0.000 claims abstract description 41
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 206010049119 Emotional distress Diseases 0.000 claims description 17
- 230000000638 stimulation Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 10
- 238000009790 rate-determining step (RDS) Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013497 data interchange Methods 0.000 claims description 2
- 241000406668 Loxodonta cyclotis Species 0.000 claims 1
- 230000005611 electricity Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 206010027940 Mood altered Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000013019 agitation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
Abstract
本申请公开了一种脑电波控制方法及相关设备，应用于电子装置，该电子装置包括脑电波传感器和控制器，其中：脑电波传感器，用于采集用户的脑电波；控制器，用于从脑电波中提取脑电波特征，以及用于获取预先训练得到的多个脑电波模板，其中，多个脑电波模板中的每个脑电波模板对应一种情绪，多个脑电波模板中的每个脑电波模板对应的情绪均不相同；控制器，还用于计算脑电波特征与预先训练得到的多个脑电波模板的匹配度；控制器，还用于确定匹配度最高的脑电波模板对应的目标情绪，基于情目标绪对电子装置进行控制，或者基于目标情绪对与电子装置绑定的设备进行控制。采用本申请实施例可以通过脑电波实现对电子装置或与电子装置绑定的设备的控制。
Description
技术领域
本申请涉及电子技术领域，尤其涉及一种脑电波控制方法及相关设备。
背景技术
随着手机等电子装置的逐渐普及，电子装置的功能也越来越强大。目前的电子装置可以支持脑电波的采集与识别，却无法基于脑电波对电子装置进行控制。
发明内容
本申请实施例提供一种脑电波控制方法及相关设备，可以通过脑电波实现对电子装置或与电子装置绑定的设备的控制。
第一方面，本申请实施例提供一种电子装置，包括脑电波传感器和控制器，其中：
所述脑电波传感器，用于采集用户的脑电波；
所述控制器，用于从所述脑电波中提取脑电波特征，以及用于获取预先训练得到的多个脑电波模板，其中，所述多个脑电波模板中的每个脑电波模板对应一种情绪，所述多个脑电波模板中的每个脑电波模板对应的情绪均不相同；
所述控制器，还用于计算所述脑电波特征与所述多个脑电波模板的匹配度，以及用于确定匹配度最高的脑电波模板对应的目标情绪，基于所述目标情绪对所述电子装置进行控制，或者基于所述目标情绪对与所述电子装置绑定的设备进行控制。
第二方面，本申请实施例提供一种脑电波控制方法，应用于电子装置，所述方法包括：
采集用户的脑电波，从所述脑电波中提取脑电波特征；
获取预先训练得到的多个脑电波模板，其中，所述多个脑电波模板中的每个脑电波模板对应一种情绪，所述多个脑电波模板中的每个脑电波模板对应的情绪均不相同；
计算所述脑电波特征与所述多个脑电波模板的匹配度；
确定匹配度最高的脑电波模板对应的目标情绪，基于所述目标情绪对所述电子装置进行控制，或者基于所述目标情绪对与所述电子装置绑定的设备进行控制。
第三方面，本申请实施例提供一种脑电波控制装置，应用于电子装置，所述脑电波控制装置包括采集单元、提取单元、获取单元、计算单元、确定单元和控制单元，其中：
所述采集单元，用于采集用户的脑电波；
所述提取单元，用于从所述脑电波中提取脑电波特征；
所述获取单元，用于获取预先训练得到的多个脑电波模板，其中，所述多个脑电波模板中的每个脑电波模板对应一种情绪，所述多个脑电波模板中的每个脑电波模板对应的情绪均不相同；
所述计算单元，用于计算所述脑电波特征与所述多个脑电波模板的匹配度；
所述确定单元，用于确定匹配度最高的脑电波模板对应的目标情绪；
所述控制单元，用于基于所述目标情绪对所述电子装置进行控制，或者基于所述目标情绪对与所述电子装置绑定的设备进行控制。
第四方面，本申请实施例提供一种电子装置，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第二方面任一方法中的步骤的指令。
第五方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第二方面任一方法中所描述的部分或全部步骤。
第六方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第二方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
在本申请实施例中，电子装置包括脑电波传感器和控制器，脑电波传感器采集用户的脑电波；控制器从脑电波中提取脑电波特征，以及获取预先训练得到的多个脑电波模板，其中，多个脑电波模板中的每个脑电波模板对应一种情绪，多个脑电波模板中的每个脑电波模板对应的情绪均不相同；计算脑电波特征与预先训练得到的多个脑电波模板的匹配度；控制器确定匹配度最高的脑电波模板对应的目标情绪，基于目标情绪对电子装置进行控制，或者基于目标情绪对与电子装置绑定的设备进行控制。本申请实施例，可以提取采集的脑电波的脑电波特征，并且计算脑电波特征与预先训练得到的多个脑电波模板的匹配度，得到匹配度最高的脑电波模板对应的情绪，基于情绪对电子装置或者与电子装置绑定的设备进行控制，可以通过脑电波实现对电子装置或与电子装置绑定的设备的控制。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供了一种电子装置的结构示意图；
图2是本申请实施例公开的另一种电子装置的结构示意图；
图3是本申请实施例公开的一种脑电波控制方法的流程示意图；
图4是本申请实施例公开的另一种脑电波控制方法的流程示意图；
图5是本申请实施例公开的另一种脑电波控制方法的流程示意图；
图6是本申请实施例提供的一种电子装置的结构示意图；
图7是本申请实施例提供的一种脑电波控制装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。
以下分别进行详细说明。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
电子装置可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(UserEquipment，UE)，移动台(Mobile Station，MS)，终端设备(terminal device)等等。为方便描述，上面提到的设备统称为电子装置。
下面对本申请实施例进行详细介绍。
请参阅图1，图1是本申请实施例提供了一种电子装置100的结构示意图，电子装置100包括脑电波传感器11和控制器12，脑电波传感器11连接控制器12，其中：
脑电波传感器11，用于采集用户的脑电波；
控制器12，用于从脑电波中提取脑电波特征，以及用于获取预先训练得到的多个脑电波模板，其中，多个脑电波模板中的每个脑电波模板对应一种情绪，多个脑电波模板中的每个脑电波模板对应的情绪均不相同；
控制器12，还用于计算脑电波特征与预先训练得到的多个脑电波模板的匹配度；
控制器12，还用于确定匹配度最高的脑电波模板对应的目标情绪，基于上述目标情绪对电子装置100进行控制，或者基于上述目标情绪对与电子装置100绑定的设备进行控制。
本申请实施例中，控制器12可以包括处理器和存储器，该处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。
其中，存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行电子设备的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
脑电波传感器11又可以称为脑电波芯片、脑电波接收器等。脑电波传感器11可以集成在电子装置100中，脑电波传感器11具有脑电波采集能力。
可选的，如图2所示，该脑电波传感器11可以是可拆卸式的，该脑电波传感器11可设置在电子装置100的后壳上，该脑电波传感器11可从电子装置100的后壳上拆卸，脑电波传感器11与电子装置100本端通过有线连接或者无线连接(无线连接时，脑电波传感器11与集成有无线通讯模块，通过该无线通讯模块与电子装置100建立无线通信连接)。在使用时，用户可将脑电波传感器11从电子装置100的后壳上拆卸，然后将脑电波传感器11紧贴用户头部。
可选的，该脑电波传感器11可以包括电极阵列和信号处理模块，其中，该电子阵列埋入头皮中捕获神经元的电信号，电极部分的结构为针状整列，该信号处理电路部分可以包括仪表放大器、低通滤波电路、高通滤波电路、模数A/D转换电路以及接口电路等。其中，仪表放大器用于将采集的脑电波进行放大，低通滤波电路和高通滤波电路用于滤除采集的脑电波中的噪声，仅保留脑电波频段(比如：1～30Hz)的频段，模数A/D转换电路用于将滤波后的脑电波转换为数字信号，接口电路用于传输数字信号至其他设备(例如，电子装置)。
需要说明的是，本申请实施例对于脑电波传感器11和电子装置100的示例仅仅用于解释，不应构成限定。
脑电波(Electroencephalogram，EEG)是大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。
控制器12可以从脑电波中提取脑电波特征，脑电波特征可以包括脑电波电平均值、脑电波电平标准差、脑电波频率和脑电波功率谱密度中的至少一种。
本申请实施例中，脑电波电平均值指的是：脑电波传感器11在一段时间内采集的脑电波的电平的平均值；脑电波的电平方差指的是：脑电波传感器11在一段时间内采集的脑电波的电平与脑电波电平均值的差值的平方之和。脑电波电平标准差是由脑电波的电平方差开根号得到的。脑电波频率指的是：脑电波传感器11在一段时间内采集的脑电波的频率。脑电波功率谱密度指的是脑电波在单位频率内的信号能量。
其中，用户的情绪可以分为平静、生气、恐惧、厌恶、愤怒、忧伤、愉悦、开心等。
可选的，脑电波传感器11在采集用户的脑电波之前，还可以采集训练用户在第一种情绪刺激对象的刺激下产生的多个脑电波；
控制器12，还用于从多个脑电波中筛选出有效脑电波，第一种情绪刺激对象的情绪标签为第一种情绪，第一种情绪为多种情绪中的任一种；以及用于根据有效脑电波拟合得到第一情绪对应的脑电波模板。
本申请实施例中，预先训练得到的多个脑电波模板为基于采集的用户在各种情绪刺激对象的刺激下的多个脑电波建立得到的。脑电波模板，是以用户在某一种情绪下产生的多个脑电波为基础，经过筛选、拟合得到的。本申请实施例中的脑电波模板是根据用户在各种情绪刺激对象的刺激下的多个脑电波建立得到的，即使是同一种情绪，不同的用户的脑电波模板也不一定相同。本申请实施例中的每个脑电波模板对应一种情绪，每个脑电波模板对应的情绪均不相同。由于不同的用户在不同情绪下产生的脑电波的差异性，同一用户在不同的情绪下产生的脑电波存在差异，即使是同一种情绪，不同的用户的脑电波模板也不一定相同，本申请可以通过识别脑电波与脑电波模板的匹配度来准确确定脑电波对应的情绪。
其中，脑电波模板录入时，可以采集用户在各种情绪刺激对象的刺激下的脑电波。情绪刺激对象可以是图片刺激，语音刺激、视频刺激、文字刺激中的至少一种。举例来说，如果情绪刺激对象为图片刺激，可以从图片库中选择带有情绪标签的图片，例如，在训练“恐惧”情绪时，可以从图片库中选择情绪标签为“恐惧”的多张图片给用户看，在用户看到情绪标签为“恐惧”的图片时，采集一段用户的脑电波(这里的一段可以是一段时长，比如5秒)，然后将每张图片对应采集的脑电波进行拟合，拟合出“恐惧”对应的脑电波模板。举例来说，图片库中情绪标签为“恐惧”的图片可以是网络上筛选的恐怖图片。
如果情绪刺激对象为语音刺激，可以从语音库中选择带有情绪标签的语音片段，例如，在训练“平静”情绪时，可以从语音库中选择情绪标签为“平静”的多个语音片段给用户看，在用户听到情绪标签为“平静”的语音片段时，采集一段用户的脑电波，然后将每个语音片段对应采集的脑电波进行拟合，拟合出“平静”对应的脑电波模板。举例来说，语音库中情绪标签为“平静”的语音片段可以较为舒缓的轻音乐。
如果情绪刺激对象为视频刺激，可以从视频库中选择带有情绪标签的视频片段，例如，在训练“愤怒”情绪时，可以从视频库中选择情绪标签为“愤怒”的多个视频片段给用户看，在用户听到情绪标签为“愤怒”的视频片段时，采集一段用户的脑电波，然后将每个视频片段对应采集的脑电波进行拟合，拟合出“愤怒”对应的脑电波模板。举例来说，视频库中情绪标签为“愤怒”的视频片段可以是一些容易引发人们愤怒的视频。
本申请实施例中，脑电波模板可以通过训练用户得到，由于不同的人之间的脑电波的差异较大，不同的用户的脑电波模板也存在较大差异，通过采集训练用户在各种情绪刺激对象的刺激下产生的多个脑电波来得到脑电波模板，可以增加脑电波模板与用户之间的强相关性，防止非法用户使用脑电波对电子装置或者与电子装置绑定的设备进行控制，提高脑电波控制电子装置的安全性。
可选的，控制器12，还用于在确定匹配度最高的脑电波模板对应的目标情绪之后，依据采集的脑电波更新目标情绪对应的脑电波模板。
本申请实施例中，控制器12在确定采集的脑电波对应的目标情绪之后，依据采集的脑电波更新目标情绪对应的脑电波模板。其中，控制器12更新目标情绪对应的脑电波模板的方式具体为：控制器12将采集的脑电波与目标情绪对应的脑电波模板重新进行拟合，得到更新后的脑电波模板，后续在进行脑电波模板匹配时，可以采用更新后的脑电波模板进行匹配。本申请实施例可以实时更新脑电波模板，以使用于匹配的脑电波模板能够更加贴近用户的情绪，提高脑电波模板与用户情绪对应的准确性。
可选的，控制器12，还用于在确定匹配度最高的脑电波模板对应的目标情绪之后，判断采集的脑电波的脑电波特征与目标情绪对应的模板的匹配度是否大于预设匹配度阈值，若是，则依据采集的脑电波更新目标情绪对应的脑电波模板。
本申请实施例中，采集的脑电波与每个脑电波模板的匹配度如果都比较相近。举例来说，如果有10个脑电波模板，采集的脑电波与10个脑电波模板的匹配度分别为15％、14％、13％、12％、11％、10％、8％、7％、5％、5％。其中，采集的脑电波与第一脑电波模板的匹配度最高，为15％；采集的脑电波与第二脑电波模板的匹配度第二高，为14％。采集的脑电波与第一脑电波模板和第二脑电波模板的匹配度比较接近，采集的脑电波并不能明确的归为某一类情绪。因此，不能依据采集的脑电波更新第一脑电波模板。本申请实施例，仅在采集的脑电波可以明确为目标情绪时，才将采集的脑电波更新目标情绪对应的脑电波模板。本申请实施例中的预设匹配度阈值可以设置为50％以上，比如，可以设置为60％。
可选的，控制器12计算脑电波特征与多个脑电波模板的匹配度，具体为：
控制器12计算采集的脑电波的脑电波特征与每个脑电波模板的脑电波特征的匹配度。
本申请实施例中，可以根据采集的用户在各种情绪对象的刺激下的多个脑电波建立脑电波模板，每一种情绪对象都对应一种情绪，每一种情绪都可以对应一个脑电波模板。控制器12在基于脑电波进行情绪识别时，将采集的脑电波与各个脑电波模板进行匹配，计算得到每个脑电波模板对应的匹配度。首先，控制器12从脑电波中提取脑电波特征，然后计算脑电波特征与预先训练得到的多个脑电波模板的匹配度，计算得到每个脑电波模板对应的匹配度。具体的，控制器12计算脑电波特征与预先训练得到的多个脑电波模板的匹配度的方式具体为：控制器12计算采集到的脑电波的脑电波电平均值与第一脑电波模板的脑电波电平均值的脑电波电平均值匹配度；计算采集到的脑电波的脑电波电平标准差与第一脑电波模板的脑电波电平标准差的脑电波电平标准差匹配度；计算采集到的脑电波的脑电波频率与第一脑电波模板的脑电波频率的脑电波频率匹配度；计算采集到的脑电波的脑电波功率谱密度与第一脑电波模板的脑电波功率谱密度的脑电波功率谱密度匹配度；然后将脑电波电平均值匹配度、脑电波电平标准差匹配度、脑电波频率匹配度、脑电波功率谱密度匹配度进行累加，得到第一脑电波模板对应的匹配度。举例来说，如果采集到的脑电波的脑电波电平均值为A1，第一脑电波模板的脑电波电平均值为B1，则第一脑电波模板的脑电波电平均值匹配度P1＝|A1-B1|/A1；如果采集到的脑电波的脑电波电平标准差为A2，第一脑电波模板的脑电波电平标准差为B2，则第一脑电波模板的脑电波电平标准差匹配度P2＝|A2-B2|/A2；如果采集到的脑电波的脑电波频率为A2，第一脑电波模板的脑电波频率为B2，则第一脑电波模板的脑电波频率匹配度P3＝|A3-B3|/A3；如果采集到的脑电波的脑电波功率谱密度为A2，第一脑电波模板的脑电波功率谱密度为B2，则第一脑电波模板的脑电波功率谱密度匹配度P4＝|A4-B4|/A4。则第一脑电波模板对应的匹配度为P＝P1+P2+P3+P4。
上述实施例是本申请提供的一种脑电波模板对应的匹配度的计算方法，还可以采用其他的匹配度计算方法，本申请实施例不做限定。
可选的，控制器12，还用于建立用户的情绪与时间区间的对应关系；
控制器12，还用于在脑电波传感器11采集用户的脑电波时，获取脑电波产生的时间点；
控制器12，还用于确定匹配度最高的脑电波模板对应的目标情绪之后，判断脑电波产生的时间点是否位于目标情绪对应的时间区间内；
控制器12，还用于当脑电波产生的时间点位于目标情绪对应的时间区间内时，基于目标情绪对电子装置进行控制，或者基于目标情绪对与电子装置绑定的设备进行控制；
控制器12，还用于当脑电波产生的时间点不位于目标情绪对应的时间区间内时，判断脑电波特征与目标情绪对应的脑电波模板的匹配度是否大于预设匹配度阈值；
控制器12，还用于当脑电波特征与目标情绪对应的脑电波模板的匹配度大于预设匹配度阈值时，基于目标情绪对电子装置进行控制，或者基于目标情绪对与电子装置绑定的设备进行控制；
脑电波传感器11，还用于当脑电波特征与目标情绪对应的脑电波模板的匹配度小于或等于预设匹配度阈值时，采集用户的脑电波。
本申请实施例中，控制器12，可以在脑电波传感器11采集用户的脑电波之前，建立用户的情绪与脑电波模板的对应关系之后，建立用户的情绪与时间区间的对应关系。
用户的情绪与时间区间的对应关系可以通过如下方式进行确定。比如，控制器12可以根据历史采集的脑电波的时间点与采集的脑电波对应的情绪来建立。
举例来说，脑电波传感器11可以在一天中的所有时间段内采集用户的脑电波，比如，一天可以划分为四个时间段：00:00:05：59、06:00～11:59、12：00～17:59、18：00～23:59。在每个时间段内根据采集的脑电波确定用户在这个时间段内最可能出现的情绪。上述将一天分划分四个时间段仅仅是一种示例，本申请实施例可以根据需要进行时间段的划分，在此不做限定。
本申请实施例中，确定匹配度最高的脑电波模板对应的目标情绪之后，如果脑电波产生的时间点位于目标情绪对应的时间区间，可以基于目标情绪对电子装置进行控制，或者基于目标情绪对与电子装置绑定的设备进行控制；如果脑电波产生的时间点不位于目标情绪对应的时间区间，进一步判断脑电波特征与目标情绪对应的脑电波模板的匹配度是否大于预设匹配度阈值，若大于，则可以基于目标情绪对电子装置进行控制，或者基于目标情绪对与电子装置绑定的设备进行控制；若小于，则重新采集用户的脑电波。
本申请实施例中，通过建立用户的情绪与时间区间的对应关系，可以获知用户的情绪周期，以及在什么时间段容易表现出什么样的情绪，通过增加时间区间的判断方式，可以更加准确判断采集的脑电波对应的情绪。
当采集到的脑电波与所有的脑电波模板的匹配度都计算出来之后，控制器12确定匹配度最高的脑电波模板对应的目标情绪，基于上述目标情绪对电子装置100进行控制，或者基于上述目标情绪对与电子装置100绑定的设备进行控制。
其中，与电子装置100绑定的设备可以是智能可穿戴设备，例如，智能手环、智能手表、智能头带等。与电子装置100绑定的设备也可以是智能家电，例如，智能冰箱、智能电视、智能空调、智能洗衣机等。
本申请实施例，可以提取采集的脑电波的脑电波特征，并且计算脑电波特征与预先训练得到的多个脑电波模板的匹配度，得到匹配度最高的脑电波模板对应的目标情绪，基于目标情绪对电子装置100或者与电子装置100绑定的设备进行控制，可以通过脑电波实现对电子装置100或与电子装置100绑定的设备的控制。
可选的，控制器12基于目标情绪对电子装置100进行控制，具体为：
控制器12确定目标情绪对应的应用模式，以及控制电子装置100正在运行的应用按照该应用模式运行。
本申请实施例中，控制器12可以基于目标情绪对电子装置100正在运行的应用进行控制。每个应用都依据目标情绪分为至少两种应用模式，应用可以在不同的情绪下按照不同的应用模式运行。
其中，电子装置100正在运行的应用可以包括系统应用，也可以包括第三方应用。系统应用可以包括电话应用、短信应用、相册应用、锁屏应用等。第三方应用可以包括音乐应用、视频应用、游戏应用、支付应用、即时通讯应用等。本申请实施例中，可以通过识别脑电波的情绪对电子装置100中的音频、视频、拍照、解锁、快充、相册、游戏、屏幕调整(例如，界面、锁屏杂志、壁纸)、支付、健康(例如，睡眠)、推送、工作模式、电话、应用启动、下载、搜索等进行控制。例如，可以通过识别脑电波的情绪切换电子装置100中正在播放的音乐或者视频；可以通过识别脑电波的情绪确定电子装置100的解锁方式或拍照模式或相册显示方式；可以通过识别脑电波的情绪推算用户的健康状态；可以通过识别脑电波的情绪确定电子装置100的工作模式，确定锁屏杂志的风格等。
本申请实施例中，可以基于识别到的脑电波的情绪对电子装置100进行控制，丰富脑电波的控制功能，无需用户手动操控，提升对电子装置100进行控制的便捷性。
可选的，控制器12基于情绪对与电子装置100绑定的设备进行控制，具体为：
控制器12确定情绪对应的工作模式，以及控制与电子装置100绑定的设备在情绪对应的工作模式下工作。
本申请实施例中，与电子装置100绑定的设备可以是智能可穿戴设备，例如，智能手环、智能手表、智能头带等。与电子装置100绑定的设备也可以是智能家电，例如，智能冰箱、智能电视、智能空调、智能洗衣机等。例如，如果与电子装置100绑定的设备为智能空调，如果识别到采集的脑电波的情绪为“烦躁”，该情绪对应的工作模式可以为低温模式，则控制器12可以向智能空调发送降温指令，将智能空调的设定温度调低，以使智能空调工作在低温模式。
本申请实施例中，可以基于识别到的脑电波的情绪对与电子装置100绑定的设备进行控制，丰富脑电波的控制功能，无需用户手动操控，提升对与电子装置100绑定的设备进行控制的便捷性。
请参阅图3，图3是本申请实施例公开的一种脑电波控制方法的流程示意图。如图3所示，该脑电波控制方法包括如下步骤。
301，电子装置采集用户的脑电波，从脑电波中提取脑电波特征。
302，电子装置获取预先训练得到的多个脑电波模板，其中，多个脑电波模板中的每个脑电波模板对应一种情绪，多个脑电波模板中的每个脑电波模板对应的情绪均不相同。
303，电子装置计算脑电波特征与上述多个脑电波模板的匹配度。
304，电子装置确定匹配度最高的脑电波模板对应的目标情绪，基于该目标情绪对电子装置进行控制，或者基于该目标情绪对与电子装置绑定的设备进行控制。
可选的，电子装置基于该目标情绪对电子装置进行控制的方式具体为：
电子装置确定目标情绪对应的应用模式，以及控制电子装置正在运行的应用按照该应用模式运行。
本申请实施例可以基于识别到的脑电波的情绪对电子装置进行控制，丰富脑电波的控制功能，无需用户手动操控，提升对电子装置进行控制的便捷性。
可选的，电子装置基于情绪对与电子装置绑定的设备进行控制的方式具体为：
电子装置确定情绪对应的工作模式，以及控制与电子装置绑定的设备在情绪对应的工作模式下工作。
本申请实施例可以基于识别到的脑电波的情绪对与电子装置绑定的设备进行控制，丰富脑电波的控制功能，无需用户手动操控，提升对与电子装置绑定的设备进行控制的便捷性。
可选的，脑电波特征包括：脑电波电平均值、脑电波电平标准差、脑电波频率、脑电波功率谱密度。
可选的，预先训练得到的多个脑电波模板为基于采集的用户在各种情绪对象的刺激下的多个脑电波建立得到的。
图3所示的方法的具体实施可以参见图1～图2所示的装置实施例，此处不再赘述。
本申请实施例中，可以提取采集的脑电波的脑电波特征，并且计算脑电波特征与预先训练得到的多个脑电波模板的匹配度，得到匹配度最高的脑电波模板对应的目标情绪，基于目标情绪对电子装置或者与电子装置绑定的设备进行控制，可以通过脑电波实现对电子装置或与电子装置绑定的设备的控制。
请参阅图4，图4是本申请实施例公开的另一种脑电波控制方法的流程示意图。图4是在图3的基础上进一步优化得到的，如图4所示，该脑电波控制方法包括如下步骤。
401，电子装置采集训练用户在第一种情绪刺激对象的刺激下产生的多个脑电波，从多个脑电波中筛选出有效脑电波，第一种情绪刺激对象的情绪标签为第一种情绪，第一种情绪为多种情绪中的任一种。
402，电子装置根据有效脑电波拟合得到第一情绪对应的脑电波模板。
403，电子装置采集用户的脑电波，从该脑电波中提取脑电波特征。
404，电子装置获取预先训练得到的多个脑电波模板，其中，多个脑电波模板中的每个脑电波模板对应一种情绪，多个脑电波模板中的每个脑电波模板对应的情绪均不相同。
405，电子装置计算脑电波特征与上述多个脑电波模板的匹配度。
406，电子装置确定匹配度最高的脑电波模板对应的目标情绪，基于该目标情绪对电子装置进行控制，或者基于该目标情绪对与电子装置绑定的设备进行控制。可选的，在执行步骤402之后，还可以执行如下步骤：
当确定匹配度最高的脑电波模板对应的目标情绪之后，电子装置依据采集的脑电波更新目标情绪对应的脑电波模板。
图4所示的方法的具体实施可以参见图1～图2所示的装置实施例，此处不再赘述。
本申请实施例中，脑电波模板可以通过训练用户得到，由于不同的人之间的脑电波的差异较大，不同的用户的脑电波模板也存在较大差异，通过采集训练用户在各种情绪刺激对象的刺激下产生的多个脑电波来得到脑电波模板，可以增加脑电波模板与用户之间的强相关性，防止非法用户使用脑电波对电子装置或者与电子装置绑定的设备进行控制，提高脑电波控制电子装置的安全性。
请参阅图5，图5是本申请实施例公开的另一种脑电波控制方法的流程示意图。图5是在图3的基础上进一步优化得到的，如图5所示，该脑电波控制方法包括如下步骤。
501，电子装置建立用户的情绪与时间区间的对应关系。
502，电子装置采集用户的脑电波，从该脑电波中提取脑电波特征。
503，电子装置在采集用户的脑电波时，获取脑电波产生的时间点。
504，电子装置获取预先训练得到的多个脑电波模板，其中，多个脑电波模板中的每个脑电波模板对应一种情绪，多个脑电波模板中的每个脑电波模板对应的情绪均不相同。
505，电子装置计算脑电波特征与上述多个脑电波模板的匹配度。
506，电子装置确定匹配度最高的脑电波模板对应的目标情绪。
507，电子装置判断脑电波产生的时间点是否位于目标情绪对应的时间区间内。若是，执行步骤508，若否，执行步骤509。
508，电子装置基于该目标情绪对电子装置进行控制，或者基于该目标情绪对与电子装置绑定的设备进行控制。
509，电子装置判断脑电波特征与目标情绪对应的脑电波模板的匹配度是否大于预设匹配度阈值。若是，执行步骤508，若否，执行步骤502。图5所示的方法的具体实施可以参见图1～图2所示的装置实施例，此处不再赘述。
本申请实施例中，通过建立用户的情绪与时间区间的对应关系，可以获知用户的情绪周期，以及在什么时间段容易表现出什么样的情绪，通过增加时间区间的判断方式，可以更加准确判断采集的脑电波对应的情绪。
请参阅图6，图6是本申请实施例提供的一种电子装置的结构示意图，如图所示，该电子装置600包括处理器601、存储器602、通信接口603以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器602中，并且被配置由上述处理器601执行，上述程序包括用于执行以下步骤的指令：
采集用户的脑电波，从脑电波中提取脑电波特征；
获取预先训练得到的多个脑电波模板，其中，多个脑电波模板中的每个脑电波模板对应一种情绪，多个脑电波模板中的每个脑电波模板对应的情绪均不相同；
计算脑电波特征与上述多个脑电波模板的匹配度；
确定匹配度最高的脑电波模板对应的目标情绪，基于目标情绪对电子装置进行控制，或者基于目标情绪对与电子装置绑定的设备进行控制。
可选的，脑电波特征包括以下至少一种：脑电波电平均值、脑电波电平标准差、脑电波频率和脑电波功率谱密度。
可选的，预先训练得到的多个脑电波模板为基于采集的用户在各种情绪刺激下的多个脑电波建立得到的。
可选的，在基于情绪对电子装置进行控制方面，上述程序包括具体用于执行以下步骤的指令：
确定情绪对应的应用模式；
将电子装置正在运行的应用按照应用模式运行。
可选的，在基于情绪对与电子装置绑定的设备进行控制方面，上述程序包括具体用于执行以下步骤的指令：
确定情绪对应的工作模式；
控制与电子装置绑定的设备在情绪对应的工作模式下工作。
可选的，上述程序包括还用于执行以下步骤的指令：
获取预先训练得到的多个脑电波模板之前，采集训练用户在第一种情绪刺激对象的刺激下产生的多个脑电波，从多个脑电波中筛选出有效脑电波，第一种情绪刺激对象的情绪标签为第一种情绪，第一种情绪为多种情绪中的任一种；
根据有效脑电波拟合得到第一情绪对应的脑电波模板。
可选的，上述程序包括还用于执行以下步骤的指令：
根据有效脑电波拟合得到第一情绪对应的脑电波模板之后，当确定匹配度最高的脑电波模板对应的目标情绪之后，依据采集的脑电波更新目标情绪对应的脑电波模板。
可选的，上述程序包括还用于执行以下步骤的指令：
建立用户的情绪与时间区间的对应关系；
在采集用户的脑电波时，获取脑电波产生的时间点；
确定匹配度最高的脑电波模板对应的目标情绪之后，方法还包括：
判断脑电波产生的时间点是否位于目标情绪对应的时间区间内；
若是，则执行基于目标情绪对电子装置进行控制步骤，或者执行基于目标情绪对与电子装置绑定的设备进行控制步骤；
若否，则判断脑电波特征与目标情绪对应的脑电波模板的匹配度是否大于预设匹配度阈值，如果大于，则执行基于目标情绪对电子装置进行控制步骤，或者执行基于目标情绪对与电子装置绑定的设备进行控制步骤；如果小于或等于，则执行采集用户的脑电波步骤。
图6所示的装置的具体实施可以参见图1～图2所示的装置实施例，此处不再赘述。
实施图6所示的电子装置，可以提取采集的脑电波的脑电波特征，并且计算脑电波特征与预先训练得到的多个脑电波模板的匹配度，得到匹配度最高的脑电波模板对应的目标情绪，基于目标情绪对电子装置或者与电子装置绑定的设备进行控制，可以通过脑电波实现对电子装置或与电子装置绑定的设备的控制。
请参阅图7，图7是本申请实施例提供的一种脑电波控制装置的结构示意图，应用于电子装置，脑电波控制装置700包括采集单元701、提取单元702、获取单元703、计算单元704、确定单元705和控制单元706，其中：
采集单元701，用于采集用户的脑电波。
提取单元702，用于从脑电波中提取脑电波特征。
获取单元703，用于获取预先训练得到的多个脑电波模板，其中，多个脑电波模板中的每个脑电波模板对应一种情绪，多个脑电波模板中的每个脑电波模板对应的情绪均不相同。
计算单元704，用于计算脑电波特征与上述多个脑电波模板的匹配度。
确定单元705，用于确定匹配度最高的脑电波模板对应的目标情绪。
控制单元706，用于基于目标情绪对电子装置进行控制，或者基于目标情绪对与电子装置绑定的设备进行控制。
其中，控制单元705可以是处理器或控制器，(例如可以是中央处理器(CentralProcessing Unit，CPU)，通用处理器，数字信号处理器(Digital Signal Processor，DSP)，专用集成控制器(Application-Specific Integrated Circuit，ASIC)，现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。采集单元701可以是脑电波传感器。
图7所示的装置的具体实施可以参见图1～图2所示的装置实施例，此处不再赘述。
实施图7所示的电子装置，可以提取采集的脑电波的脑电波特征，并且计算脑电波特征与预先训练得到的多个脑电波模板的匹配度，得到匹配度最高的脑电波模板对应的目标情绪，基于目标情绪对电子装置或者与电子装置绑定的设备进行控制，可以通过脑电波实现对电子装置或与电子装置绑定的设备的控制。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子装置。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子装置。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，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。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元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器中。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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实现方式及应用范围上均会有改变之处，综上上述，本说明书内容不应理解为对本申请的限制。
Claims (13)
1.一种电子装置，其特征在于，包括脑电波传感器和控制器，其中：
所述脑电波传感器，用于采集用户的脑电波；
所述控制器，用于从所述脑电波中提取脑电波特征，以及用于获取预先训练得到的多个脑电波模板，其中，所述多个脑电波模板中的每个脑电波模板对应一种情绪，所述多个脑电波模板中的每个脑电波模板对应的情绪均不相同；
所述控制器，还用于计算所述脑电波特征与所述多个脑电波模板的匹配度，以及用于确定匹配度最高的脑电波模板对应的目标情绪，基于所述目标情绪对所述电子装置进行控制，或者基于所述目标情绪对与所述电子装置绑定的设备进行控制。
2.根据权利要求1所述电子装置，其特征在于，所述脑电波特征包括以下至少一种：脑电波电平均值、脑电波电平标准差、脑电波频率、脑电波功率谱密度。
3.根据权利要求1或2所述电子装置，其特征在于，所述脑电波传感器，还用于在所述控制器获取预先训练得到的多个脑电波模板之前，采集训练所述用户在第一种情绪刺激对象的刺激下产生的多个脑电波；
所述控制器，还用于从所述多个脑电波中筛选出有效脑电波，所述第一种情绪刺激对象的情绪标签为第一种情绪，所述第一种情绪为所述多种情绪中的任一种；以及用于根据所述有效脑电波拟合得到所述第一情绪对应的脑电波模板。
4.根据权利要求3所述电子装置，其特征在于，
所述控制器，还用于在确定匹配度最高的脑电波模板对应的目标情绪之后，依据所述采集的脑电波更新所述目标情绪对应的脑电波模板。
5.根据权利要求4所述电子装置，其特征在于，
所述控制器，还用于建立所述用户的情绪与时间区间的对应关系；
所述控制器，还用于在所述脑电波传感器采集用户的脑电波时，获取所述脑电波产生的时间点；
所述控制器，还用于确定匹配度最高的脑电波模板对应的目标情绪之后，判断所述脑电波产生的时间点是否位于所述目标情绪对应的时间区间内；
所述控制器，还用于当所述脑电波产生的时间点位于所述目标情绪对应的时间区间内时，基于所述目标情绪对所述电子装置进行控制，或者基于所述目标情绪对与所述电子装置绑定的设备进行控制；
所述控制器，还用于当所述脑电波产生的时间点不位于所述目标情绪对应的时间区间内时，判断所述脑电波特征与所述目标情绪对应的脑电波模板的匹配度是否大于预设匹配度阈值；
所述控制器，还用于当所述脑电波特征与所述目标情绪对应的脑电波模板的匹配度大于所述预设匹配度阈值时，基于所述目标情绪对所述电子装置进行控制，或者基于所述目标情绪对与所述电子装置绑定的设备进行控制；
所述脑电波传感器，还用于当所述脑电波特征与所述目标情绪对应的脑电波模板的匹配度小于或等于所述预设匹配度阈值时，采集用户的脑电波。
6.一种脑电波控制方法，其特征在于，应用于电子装置，所述方法包括：
采集用户的脑电波，从所述脑电波中提取脑电波特征；
获取预先训练得到的多个脑电波模板，其中，所述多个脑电波模板中的每个脑电波模板对应一种情绪，所述多个脑电波模板中的每个脑电波模板对应的情绪均不相同；
计算所述脑电波特征与所述多个脑电波模板的匹配度；
确定匹配度最高的脑电波模板对应的目标情绪，基于所述目标情绪对所述电子装置进行控制，或者基于所述目标情绪对与所述电子装置绑定的设备进行控制。
7.根据权利要求6所述方法，其特征在于，所述脑电波特征包括以下至少一种：脑电波电平均值、脑电波电平标准差、脑电波频率和脑电波功率谱密度。
8.根据权利要求6或7所述方法，其特征在于，所述获取预先训练得到的多个脑电波模板之前，所述方法还包括：
采集训练所述用户在第一种情绪刺激对象的刺激下产生的多个脑电波，从所述多个脑电波中筛选出有效脑电波，所述第一种情绪刺激对象的情绪标签为第一种情绪，所述第一种情绪为所述多种情绪中的任一种；
根据所述有效脑电波拟合得到所述第一情绪对应的脑电波模板。
9.根据权利要求8所述方法，其特征在于，所述根据所述有效脑电波拟合得到所述第一情绪对应的脑电波模板之后，所述方法还包括：
当确定匹配度最高的脑电波模板对应的目标情绪之后，依据所述采集的脑电波更新所述目标情绪对应的脑电波模板。
10.根据权利要求9所述方法，其特征在于，所述方法还包括：
建立所述用户的情绪与时间区间的对应关系；
在采集用户的脑电波时，获取所述脑电波产生的时间点；
所述确定匹配度最高的脑电波模板对应的目标情绪之后，所述方法还包括：
判断所述脑电波产生的时间点是否位于所述目标情绪对应的时间区间内；
若是，则执行所述基于所述目标情绪对所述电子装置进行控制步骤，或者执行所述基于所述目标情绪对与所述电子装置绑定的设备进行控制步骤；
若否，则判断所述脑电波特征与所述目标情绪对应的脑电波模板的匹配度是否大于预设匹配度阈值，如果大于，则执行所述基于所述目标情绪对所述电子装置进行控制步骤，或者执行所述基于所述目标情绪对与所述电子装置绑定的设备进行控制步骤；如果小于或等于，则执行所述采集用户的脑电波步骤。
11.一种脑电波控制装置，其特征在于，应用于电子装置，所述脑电波控制装置包括采集单元、提取单元、获取单元、计算单元、确定单元和控制单元，其中：
所述采集单元，用于采集用户的脑电波；
所述提取单元，用于从所述脑电波中提取脑电波特征；
所述获取单元，用于获取预先训练得到的多个脑电波模板，其中，所述多个脑电波模板中的每个脑电波模板对应一种情绪，所述多个脑电波模板中的每个脑电波模板对应的情绪均不相同；
所述计算单元，用于计算所述脑电波特征与所述多个脑电波模板的匹配度；
所述确定单元，用于确定匹配度最高的脑电波模板对应的目标情绪；
所述控制单元，用于基于所述目标情绪对所述电子装置进行控制，或者基于所述目标情绪对与所述电子装置绑定的设备进行控制。
12.一种电子装置，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求6-10任一项所述的方法中的步骤的指令。
13.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求6-10任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810139773.6A CN108279777B (zh) | 2018-02-11 | 2018-02-11 | 脑电波控制方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810139773.6A CN108279777B (zh) | 2018-02-11 | 2018-02-11 | 脑电波控制方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108279777A true CN108279777A (zh) | 2018-07-13 |
| CN108279777B CN108279777B (zh) | 2021-06-25 |
Family
ID=62808291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810139773.6A Expired - Fee Related CN108279777B (zh) | 2018-02-11 | 2018-02-11 | 脑电波控制方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108279777B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109771940A (zh) * | 2019-01-30 | 2019-05-21 | 浙江强脑科技有限公司 | 游戏控制方法、装置及计算机可读存储介质 |
| CN109917915A (zh) * | 2019-03-05 | 2019-06-21 | 浙江强脑科技有限公司 | 录屏控制方法、终端及计算机可读存储介质 |
| CN112217939A (zh) * | 2020-08-29 | 2021-01-12 | 上海量明科技发展有限公司 | 基于脑电波的信息处理方法、设备及即时通信客户端 |
| CN112214104A (zh) * | 2020-08-29 | 2021-01-12 | 上海量明科技发展有限公司 | 可利用脑电波的输入法及输入法系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090063255A1 (en) * | 2007-08-28 | 2009-03-05 | Neurofocus, Inc. | Consumer experience assessment system |
| US20090327068A1 (en) * | 2007-05-16 | 2009-12-31 | Neurofocus Inc. | Neuro-physiology and neuro-behavioral based stimulus targeting system |
| CN102715911A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 基于脑电特征的情绪状态识别方法 |
| CN103690165A (zh) * | 2013-12-12 | 2014-04-02 | 天津大学 | 一种跨诱发模式情绪脑电识别建模方法 |
| KR20160082109A (ko) * | 2014-12-30 | 2016-07-08 | 주식회사 마카비즈 | 정서 발달에 도움을 주는 뇌파 및 사운드를 출력하는 장치 |
| CN106302678A (zh) * | 2016-08-08 | 2017-01-04 | 北京谱思科技有限公司 | 一种音乐推荐方法及装置 |
| WO2017007277A1 (en) * | 2015-07-08 | 2017-01-12 | Samsung Electronics Co., Ltd. | Emotion evaluation |
| CN106648058A (zh) * | 2016-10-10 | 2017-05-10 | 珠海格力电器股份有限公司 | 一种歌曲切换方法及装置 |
| CN106933345A (zh) * | 2017-01-18 | 2017-07-07 | 北京光年无限科技有限公司 | 用于智能机器人的多模态交互方法及装置 |
| CN107463874A (zh) * | 2017-07-03 | 2017-12-12 | 华南师范大学 | 情绪识别方法及系统、及应用该方法的智能看护系统 |
| CN107644682A (zh) * | 2017-09-22 | 2018-01-30 | 天津大学 | 基于额叶eeg偏侧化和erp的情绪调节能力测查方法 |
-
2018
- 2018-02-11 CN CN201810139773.6A patent/CN108279777B/zh not_active Expired - Fee Related
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090327068A1 (en) * | 2007-05-16 | 2009-12-31 | Neurofocus Inc. | Neuro-physiology and neuro-behavioral based stimulus targeting system |
| US20090063255A1 (en) * | 2007-08-28 | 2009-03-05 | Neurofocus, Inc. | Consumer experience assessment system |
| CN102715911A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 基于脑电特征的情绪状态识别方法 |
| CN103690165A (zh) * | 2013-12-12 | 2014-04-02 | 天津大学 | 一种跨诱发模式情绪脑电识别建模方法 |
| KR20160082109A (ko) * | 2014-12-30 | 2016-07-08 | 주식회사 마카비즈 | 정서 발달에 도움을 주는 뇌파 및 사운드를 출력하는 장치 |
| WO2017007277A1 (en) * | 2015-07-08 | 2017-01-12 | Samsung Electronics Co., Ltd. | Emotion evaluation |
| CN106302678A (zh) * | 2016-08-08 | 2017-01-04 | 北京谱思科技有限公司 | 一种音乐推荐方法及装置 |
| CN106648058A (zh) * | 2016-10-10 | 2017-05-10 | 珠海格力电器股份有限公司 | 一种歌曲切换方法及装置 |
| CN106933345A (zh) * | 2017-01-18 | 2017-07-07 | 北京光年无限科技有限公司 | 用于智能机器人的多模态交互方法及装置 |
| CN107463874A (zh) * | 2017-07-03 | 2017-12-12 | 华南师范大学 | 情绪识别方法及系统、及应用该方法的智能看护系统 |
| CN107644682A (zh) * | 2017-09-22 | 2018-01-30 | 天津大学 | 基于额叶eeg偏侧化和erp的情绪调节能力测查方法 |
Non-Patent Citations (2)
| Title |
|---|
| JUNGMING HUANG 等: "Emotion classification using deep neural networks and emotional patches", 《2017 IEEE INTERNATIONAL CONFERENCE ON BIOINFORMATICS AND BIOMEDICINE (BIBM)》 * |
| 周瑛: "虚拟场景下运动想象脑电信号识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109771940A (zh) * | 2019-01-30 | 2019-05-21 | 浙江强脑科技有限公司 | 游戏控制方法、装置及计算机可读存储介质 |
| CN109917915A (zh) * | 2019-03-05 | 2019-06-21 | 浙江强脑科技有限公司 | 录屏控制方法、终端及计算机可读存储介质 |
| CN112217939A (zh) * | 2020-08-29 | 2021-01-12 | 上海量明科技发展有限公司 | 基于脑电波的信息处理方法、设备及即时通信客户端 |
| CN112214104A (zh) * | 2020-08-29 | 2021-01-12 | 上海量明科技发展有限公司 | 可利用脑电波的输入法及输入法系统 |
| CN112217939B (zh) * | 2020-08-29 | 2021-06-04 | 上海量明科技发展有限公司 | 基于脑电波的信息处理方法、设备及即时通信客户端 |
| WO2022041178A1 (zh) * | 2020-08-29 | 2022-03-03 | 上海量明科技发展有限公司 | 基于脑电波的信息处理方法、设备及即时通信客户端 |
| CN112214104B (zh) * | 2020-08-29 | 2022-03-11 | 上海量明科技发展有限公司 | 可利用脑电波的输入法及输入法系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108279777B (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108279777A (zh) | 脑电波控制方法及相关设备 | |
| CN110459214B (zh) | 语音交互方法及装置 | |
| CN109637518A (zh) | 虚拟主播实现方法及装置 | |
| CN103795931B (zh) | 一种信息处理方法及电子设备 | |
| CN108010526B (zh) | 语音处理方法及装置 | |
| CN108563941A (zh) | 一种智能家居设备控制方法、智能音箱及智能家居系统 | |
| CN104133851A (zh) | 音频相似度的检测方法和检测装置、电子设备 | |
| CN109271128A (zh) | 音效设置方法、装置、电子设备及存储介质 | |
| CN108404275A (zh) | 睡眠训练方法及相关设备 | |
| CN108392201A (zh) | 大脑训练方法及相关设备 | |
| CN108595003A (zh) | 功能控制方法及相关设备 | |
| CN110265011A (zh) | 一种电子设备的交互方法及其电子设备 | |
| CN108390987A (zh) | 联系人创建方法及相关设备 | |
| CN108494952A (zh) | 语音通话处理方法及相关设备 | |
| CN103731550A (zh) | 一种处理来电的方法及终端 | |
| CN108388842B (zh) | 智能提醒方法及相关产品 | |
| CN108594989A (zh) | 脑电波采集方法及相关设备 | |
| CN108144291A (zh) | 基于脑电波的游戏控制方法及相关产品 | |
| CN108260012A (zh) | 电子装置、视频播放控制方法及相关产品 | |
| CN105551504B (zh) | 一种基于哭声触发智能移动终端功能应用的方法及装置 | |
| CN107832690B (zh) | 人脸识别的方法及相关产品 | |
| CN108427500A (zh) | 锁屏杂志推送方法及相关产品 | |
| CN109951504A (zh) | 信息推送方法、装置、终端及存储介质 | |
| CN108494955A (zh) | 网络连接控制方法及相关产品 | |
| CN108334200A (zh) | 电子设备控制方法及相关产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210625 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |