CN108958489A - 一种基于脑电和眼动仪的图像感兴趣区域快速检出方法 - Google Patents
一种基于脑电和眼动仪的图像感兴趣区域快速检出方法 Download PDFInfo
- Publication number
- CN108958489A CN108958489A CN201810800853.1A CN201810800853A CN108958489A CN 108958489 A CN108958489 A CN 108958489A CN 201810800853 A CN201810800853 A CN 201810800853A CN 108958489 A CN108958489 A CN 108958489A
- Authority
- CN
- China
- Prior art keywords
- image
- tested
- eye movement
- interest
- area
- 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.)
- Pending
Links
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
- 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
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种基于脑电和眼动仪的图像感兴趣区域快速检出方法,属于认知神经科学、图像处理相交叉的技术领域,利用脑电和眼动仪实现对图像可能含有目标物的感兴趣区域进行快速检出。本发明利用脑电和眼动仪混合方式,将眼动信号作为开关信号,充分利用脑电和眼动仪各自的信息特点,并结合图像分割技术,可以快速高效地检出目标物所在的感兴趣区域。
Description
技术领域
本发明公开了图像感兴趣区域快速检出方法,尤其涉及利用眼动信号和脑电信号综合检测目标物所在的感兴趣区域的快速检出方法,属于认知神经科学、图像处理相交叉的技术领域。
背景技术
实现对图像中含有目标物的感兴趣区域的快速检出,在国防、安保、勘探等领域中具有重要的应用价值。现有的目标物检测大多数只依靠图像识别方法,需要对整张图像进行处理,导致计算量的增加及处理时间的加长。而对于一些含有噪音或者分辨率低下的图像,单纯依靠图像处理的方法无法检出或者容易引起误检出。
人在对一系列视觉刺激进行观察时,当观察到目标物时会诱发出P300事件相关电位(P300)。P300是一种内源性的、与认知功能相关的事件相关电位。引出P300的最简单的刺激模式是Oddball模式,即,当掺杂在一系列事件无关刺激(标准刺激)中的相对稀少的事件有关刺激(目标刺激)出现时,会在目标刺激出现后约300ms后在头顶皮层引起EEG的正峰。P300被广泛利用在认知科学研究中,作为判别人脑认知到目标刺激时的脑电特征(肖英霞.P300与认知加工、方法、机制和应用.中国健康心理学杂志,2015,23(9):1425-1430)。
眼动仪可以获取双眼注视点的位置,利用瞳孔-角膜反射向量法,利用红外摄像机获取眼球图像,通过图像处理得到瞳孔中心位置,通过坐标转化可以获取视线落在显示图像显示区域内的坐标。眼动仪被广泛用来跟踪视线和检出注视区域。
利用脑电和眼动仪的混合方式,将P300作为感兴趣区存在的开关信号并结合眼动信号,可以大大提高目标物所在感兴趣区域的检出效率。目前,采用利用脑电信号结合眼动信号获取目标区域的方案,是通过实时采集用户观看屏幕时的眼动数据和脑电信号,对眼动轨迹和脑电信号的联合分析以揭示用户对图像中哪些区域感兴趣,从而确定图像中目标物体的位置,该方案存在以下缺陷:(1)眼动仪始终输出感兴趣区,因而对于无感兴趣区存在的特殊情况缺乏足够的屏蔽作用,降低了感兴趣区域的检出正确率;(2)利用脑电三个频段的功率谱估计的比值表征感兴趣程度,并对用户感兴趣程度较高的时刻对应的眼动轨迹点数据进行聚类分析以确定图像目标区域,检测感兴趣区域的计算复杂,增加了人机混合检测方法的计算量,降低了检出效率。
发明内容
本发明的目的是提供了一种基于脑电和眼动仪的图像感兴趣区域快速检出方法,利用脑电信号作为开关信号并结合眼动信号对目标物可能存在的区域进行快速筛选以获取感兴趣区域。基于该方法可以实现目标物所在感兴趣区域的快速检出,降低了计算量,提高了检出效率。
本发明为实现对目标物可能存在的区域进行快速筛选,采用如下技术方案:
基于脑电和眼动仪的图像感兴趣区域快速检出方法包括以下三部分。
一)脑电获取感兴趣区域:
1)让观察者观察30张含有目标物图像并记录Fz、Cz、Pz三通道的脑电信号S0=[Fz,Cz,Pz],每张图像显示3s,两张图像之间间隔1s,对Fz、Cz、Pz三通道的30次测试数据求平均值得到P300模板信号
2)让观察者观察可能含有目标物的图像并记录Fz、Cz、Pz三通道的脑电信号S=[Fz,Cz,Pz],每张图像显示3s,两张图像之间间隔1s;
3)对M和S进行典型相关分析(CCA)获得CCA系数ρ,预先设定阈值T,T∈[-1,1],对于|ρ|>T的S,判别其具有P300成分,判定其对应的图像含有感兴趣区域,否则,判定其对应的图像中不含有感兴趣区域。
二)综合脑电和眼动仪筛选感兴趣区域:
1)将脑电信号检出模块的输出作为眼动信号检出模块的开关;
2)脑电信号检出模块检测到所观察的图像中具有感兴趣区域时,将眼动信号检出模块检测到的感兴趣区域范围作为感兴趣区域的筛选结果,
脑电信号检出模块未检测到所观察的图像中具有感兴趣区域时,无论眼动信号检出模块输出如何,感兴趣区域检出模块无输出。
三)眼动仪获取感兴趣区域:
1)完成眼球追踪红外摄像机的参数设置,分别设定瞳孔和角膜反射检测阈值,获取在红外摄像机成像图片上的瞳孔和角膜中心点的位置,利用RANSAC法(Mach,C.A.C.,Random Sample Consensus:a paradigm for model fitting with application toimage analysis and automated cartography,1981)获得注视点对应的眼动坐标;
2)完成注视点校准,在屏幕的四角、中央显示靶点,采集被试注视靶点的对应的眼动坐标,以此来建立红外摄像机成像图片与屏幕的映射关系;
3)在屏幕上四角、中央显示靶点,采集被试注视靶点的眼动坐标,计算出的注视点与步骤2)校准过程中得到的靶点注视点坐标之间的偏差,当平均偏差小于视角1度时,接受系统设置,否则重复步骤2)校准过程;
4)在屏幕上显示观察图像,如图3所示,将显示图像纵横分割为M行N列共M*N块子区域;
5)将图片显示时间2s分为5个400ms的时间片段,眼动仪每隔50ms采样一次注视点坐落在图像内的坐标,采用高斯平滑算法处理这5个时间片段内的所有眼动信号以生成对应时间片段内的热图,生成上述5个固定时间片段所有热图的平均值;
6)设定热图显示阈值,去除低于阈值部分的热图,将高于阈值部分的热图叠加显示在图像M*N块子区域上,获取热图局部最大值坐落的子区域作为感兴趣区域。
实现感兴趣区域检出方法的装置,包括:
脑电信号检出模块,检测观察者观察待测试图像时所产生脑电信号中的P300成分,
基于P300检出模块输出信号动作的开关模块,在检测到P300成分时闭合,在未检测到P300成分时关断,
眼动信号检出模块,采集观察者注视待测试图像时的眼动信号,
图像显示模块,显示待测试图像,及,
感兴趣区域检出模块,其输入端通过所述开关模块与眼动信号检出模块的输出端、图像显示模块的输出端连接,在开关模块闭合时,根据所采集眼动信号和待测试图像检出注视点,根据观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域,在开关模块关断时,结束感兴趣区域检测。
本申请涉及的感兴趣区域快速检出方法可以通过存储计算机程序的软件产品实现,具体通过一种计算机可读存储介质实现,该介质上存储的计算机程序被处理器执行时实现以下步骤:
检测观察者观察待测试图像时所产生脑电信号中的P300成分;
采集观察者注视待测试图像时的眼动信号;
在检测到P300成分时,根据所采集眼动信号和待测试图像检出注视点,根据注观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域,在未检测到P300成分时,结束感兴趣区域检测。
本申请涉及的图像感兴趣区域检测方法可以通过包含显示器、眼动检测设备、电极及计算机设备的系统实现,显示器用于显示待检测图像,眼动检测设备配置在显示器下方,电极配置在观察者头皮,计算机设备包含存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行所述程序时实现以下步骤:
检测观察者观察待测试图像时所产生脑电信号中的P300成分,
采集观察者注视待测试图像时的眼动信号,
在检测到P300成分时,根据所采集眼动信号和待测试图像检出注视点,根据观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域,在未检测到P300成分时,结束感兴趣区域检测。
有益效果
本发明采用上述技术方案,具有以下有益效果:
(1)通过脑电和眼动仪混合的方式,将检测到P300成分的情形作为眼动信号检出的必要条件,对图像中目标物可能存在的区域进行快速筛选,对无感兴趣区存在的特殊情况予以屏蔽,能够提高整个检测方法速度并减少计算量;
(2)采用P300信号作为感兴趣区的脑电特征信号能够有效反应观察者的感兴趣程度,并利用P300模板进行典型相关分析以检出P300信号,能够提高P300的检出正确率,提高感兴趣区检出的正确率,有利于提高整个检测方法的准确率;
(3)本发明提出的通过生成眼动热图检出感兴趣区域的方法,将图片呈现时间分为若干个时间片段能够提高注视点检出的时间分辨率,利用高斯平滑化处理生成这些时间片段内的眼动热图并进行均值化处理和阈值化处理,有效捕获注视点的动态变化过程并去除扰动信号,通过应用图像分割技术将眼动热图与区块化图片叠加能够简化感兴趣区的检出方法。
附图说明
图1为系统构成图。
图2为系统信号流程图。
图3为模板信号与脑电信号做典型相关分析流程图。
图4为通过图像区域分割将图片分为多个区域示意图。
图5为通过将热图匹配到原图像上获取感兴趣区域示意图。
图6为获取感兴趣区域示意图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明。
图1为系统构成图。实现本申请检测方法的系统的框图如图所示,由脑电信号检出模块、眼动信号检出模块、图像显示模块、感兴趣区域检出模块构成。其中,基于P300检出模块输出信号动作的开关模块,在检测到P300成分时闭合,在未检测到P300成分时关断。感兴趣区域检出模块,其输入端通过开关模块与眼动信号检出模块的输出端、图像显示模块的输出端连接,在开关模块闭合时,根据所采集眼动信号和待测试图像检出注视点,根据观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域,在开关模块关断时,结束感兴趣区域检测。
图2为系统信号流程图。电脑将含有或不含有目标物的图像呈现给观察者观察;利用三通道脑电采集观察者观察图像对应的脑电信号;利用P300模板信号和CCA分析得到P300成分;利用眼动仪采集观察者观察图像对应的眼动信号;获取注视点并利用高斯平滑算法获得注视点热图;将图像分为若干块子区域;将注视点热图叠加在子区域上,获取热图局部最大值坐落的子区域作为感兴趣区域范围;对于具有P300成分的图像,将眼动仪检测到的感兴趣区域范围作为感兴趣区检出输出。
图3为模板信号与脑电信号做典型相关分析流程图。让观察者观察图像并记录Fz、Cz、Pz三通道的脑电信号。对Fz、Cz、Pz三通道分别将30次测试的数据求平均,得到P300模板信号让观察者观察可能含有目标物图像并记录Fz、Cz、Pz三通道的脑电信号S[=Fz,Cz,Pz];对模板信号中各个通道乘以加权系数a1,a2,a3求得线性组合信号X;对脑电信号中各个通道乘以加权系数b1,b2,b3求得线性组合信号Y;对X和Y进行相关分析,获得CCA系数ρ。
图4为通过图像区域分割将图片分为多个区域示意图。如图所示将显示图像纵横分割为M行N列共M*N块子区域。
图5为通过图像区域分割将图片分为多个区域的示意图。如图所示将由眼动仪生成的热图经过阈值处理以去除低于阈值部分的热图,将高于阈值部分的热图叠加显示在原图像M*N块子区域上,获取热图局部最大值坐落的子区域作为感兴趣区域。
图6为获取感兴趣区域示意图。如图所示,通过图5中所示的方法获取感兴趣区域之后,利用图像切割技术,将所有含有感兴趣区域的区块切割出来,保存这些图像区域以便进行后续图像处理,并通过图像显示模块将所有切割出来的感兴趣区域回显在屏幕之上。
Claims (8)
1.一种基于脑电和眼动仪的图像感兴趣区域快速检出方法,其特征在于,
采集观察者观察待测试图像时所产生脑电信号,检测所采集脑电信号中的P300成分;
采集观察者注视待测试图像时的眼动信号;
在检测到P300成分时,根据所采集眼动信号和待测试图像检出注视点,根据观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域,在未检测到P300成分时,结束感兴趣区域检出。
2.根据权利要求1所述一种基于脑电和眼动仪的图像感兴趣区域快速检出方法,其特征在于,检测所采集脑电信号中的P300成分的方法为:以观察者观察含有目标物图像序列产生的脑电信号的均值为P300信号模板,对所采集的脑电信号和P300信号模板进行典型相关分析,在典型相关系数符合阈值设定条件时判定所采集脑电信号含有P300成分,在典型相关系数不符合阈值设定条件时判定所采集脑电信号无P300成分。
3.根据权利要求1所述一种基于脑电和眼动仪的图像感兴趣区域快速检出方法,其特征在于,根据观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域的方法为:将待测试图像分割为若干子区域,将待测试图像显示时间分为若干个固定时间片段,采用高斯平滑算法处理各时间片段内的所有眼动信号以生成对应固定时间片段内的热图,生成上述各固定时间片段内所有热图的平均值,由平均值高于设定阈值的固定时间片段内的所有热图生成该待测试图片在显示时间内的眼动热图,将生成的眼动热图叠加显示在待测试图像上,以眼动热图局部最大值所坐落的子区域为感兴趣区域。
4.根据权利要1所述一种基于脑电和眼动仪的图像感兴趣区域快速检出方法,其特征在于,观察者观察待测试图像时所产生脑电信号通过配置在观察者头皮的Fz、Cz、Pz处的电极采集。
5.根据权利要2所述一种基于脑电和眼动仪的图像感兴趣区域快速检出方法,其特征在于,阈值设定条件为典型相关系数的绝对值大于设定阈值。
6.实现权利要求1至5中任意一项所述图像感兴趣区域快速检出方法的装置,其特征在于,包括:
脑电信号检出模块,检测观察者观察待测试图像时所产生脑电信号中的P300成分,
基于P300检出模块输出信号动作的开关模块,在检测到P300成分时闭合,在未检测到P300成分时关断,
眼动信号检出模块,采集观察者注视待测试图像时的眼动信号,
图像显示模块,显示待测试图像,及,
感兴趣区域检出模块,其输入端通过所述开关模块与眼动信号检出模块的输出端、图像显示模块的输出端连接,在开关模块闭合时,根据所采集眼动信号和待测试图像检出注视点,根据观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域,在开关模块关断时,结束感兴趣区域检测。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
检测观察者观察待测试图像时所产生脑电信号中的P300成分;
采集观察者注视待测试图像时的眼动信号;
在检测到P300成分时,根据所采集眼动信号和待测试图像检出注视点,根据观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域,在未检测到P300成分时,结束感兴趣区域检测。
8.实现权利要求1至5中任意一项所述图像感兴趣区域快速检出方法的系统,其特征在于,包括:显示待检测图像和检测目标的显示器,配置在显示器下方的眼动检测设备,配置在观察者头皮用于采集观察者观察待测试图像时所产生脑电信号的电极,及,计算机设备;
所述计算机设备包含存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
检测观察者观察待测试图像时所产生脑电信号中的P300成分,
采集观察者注视待测试图像时的眼动信号,
在检测到P300成分时,根据所采集眼动信号和待测试图像检出注视点,根据观察者注视待测试图像时的眼动信号生成眼动热图后再结合图像分割技术筛选感兴趣区域,在未检测到P300成分时,结束感兴趣区域检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810800853.1A CN108958489A (zh) | 2018-07-20 | 2018-07-20 | 一种基于脑电和眼动仪的图像感兴趣区域快速检出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810800853.1A CN108958489A (zh) | 2018-07-20 | 2018-07-20 | 一种基于脑电和眼动仪的图像感兴趣区域快速检出方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108958489A true CN108958489A (zh) | 2018-12-07 |
Family
ID=64497636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810800853.1A Pending CN108958489A (zh) | 2018-07-20 | 2018-07-20 | 一种基于脑电和眼动仪的图像感兴趣区域快速检出方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108958489A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799908A (zh) * | 2019-01-02 | 2019-05-24 | 东南大学 | 一种基于眼动信号的图像缩放及拖拽方法 |
CN110262657A (zh) * | 2019-06-06 | 2019-09-20 | 西安交通大学 | 一种基于“开关到目标”的异步视觉诱发脑-机接口方法 |
CN110348296A (zh) * | 2019-05-30 | 2019-10-18 | 北京市遥感信息研究所 | 一种基于人机融合的目标识别方法 |
CN110908505A (zh) * | 2019-10-29 | 2020-03-24 | 易念科技(深圳)有限公司 | 兴趣识别方法、装置、终端设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521595A (zh) * | 2011-12-07 | 2012-06-27 | 中南大学 | 一种基于眼动数据和底层特征的图像感兴趣区域提取方法 |
CN105468738A (zh) * | 2015-11-24 | 2016-04-06 | 西安电子科技大学 | 基于眼动和脑电相结合的图像检索方法 |
US20170035317A1 (en) * | 2014-04-17 | 2017-02-09 | The Regents Of The University Of California | Portable brain activity sensing platform for assessment of visual field deficits |
CN107481359A (zh) * | 2017-07-14 | 2017-12-15 | 昆明理工大学 | 基于p300和运动想象的智能门锁系统及其控制方法 |
-
2018
- 2018-07-20 CN CN201810800853.1A patent/CN108958489A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521595A (zh) * | 2011-12-07 | 2012-06-27 | 中南大学 | 一种基于眼动数据和底层特征的图像感兴趣区域提取方法 |
US20170035317A1 (en) * | 2014-04-17 | 2017-02-09 | The Regents Of The University Of California | Portable brain activity sensing platform for assessment of visual field deficits |
CN105468738A (zh) * | 2015-11-24 | 2016-04-06 | 西安电子科技大学 | 基于眼动和脑电相结合的图像检索方法 |
CN107481359A (zh) * | 2017-07-14 | 2017-12-15 | 昆明理工大学 | 基于p300和运动想象的智能门锁系统及其控制方法 |
Non-Patent Citations (1)
Title |
---|
郭琛: ""眼动和脑电同步采集和分析的研究与应用"", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799908A (zh) * | 2019-01-02 | 2019-05-24 | 东南大学 | 一种基于眼动信号的图像缩放及拖拽方法 |
CN109799908B (zh) * | 2019-01-02 | 2022-04-01 | 东南大学 | 一种基于眼动信号的图像缩放及拖拽方法 |
CN110348296A (zh) * | 2019-05-30 | 2019-10-18 | 北京市遥感信息研究所 | 一种基于人机融合的目标识别方法 |
CN110348296B (zh) * | 2019-05-30 | 2022-04-12 | 北京市遥感信息研究所 | 一种基于人机融合的目标识别方法 |
CN110262657A (zh) * | 2019-06-06 | 2019-09-20 | 西安交通大学 | 一种基于“开关到目标”的异步视觉诱发脑-机接口方法 |
CN110262657B (zh) * | 2019-06-06 | 2020-05-15 | 西安交通大学 | 一种基于“开关到目标”的异步视觉诱发脑-机接口方法 |
CN110908505A (zh) * | 2019-10-29 | 2020-03-24 | 易念科技(深圳)有限公司 | 兴趣识别方法、装置、终端设备及存储介质 |
CN110908505B (zh) * | 2019-10-29 | 2023-06-30 | 易念科技(深圳)有限公司 | 兴趣识别方法、装置、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110269600B (zh) | 基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法 | |
Mantini et al. | A signal-processing pipeline for magnetoencephalography resting-state networks | |
CN108958489A (zh) | 一种基于脑电和眼动仪的图像感兴趣区域快速检出方法 | |
CN106681484B (zh) | 结合眼动跟踪的图像目标分割系统 | |
CN110384491A (zh) | 一种基于普通摄像头的心率检测方法 | |
Sawangjai et al. | EEGANet: Removal of ocular artifacts from the EEG signal using generative adversarial networks | |
CN105989357A (zh) | 一种基于人脸视频处理的心率检测方法 | |
US20240057888A1 (en) | Method And System For Determining Brain-State Dependent Functional Areas Of Unitary Pooled Activity And Associated Dynamic Networks With Functional Magnetic Resonance Imaging | |
CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
CN106485208B (zh) | 单通道脑电信号中眼电干扰的自动去除方法 | |
CN107480716B (zh) | 一种结合eog和视频的扫视信号识别方法及系统 | |
JP2017093760A (ja) | 心拍に連動する周期的変動の計測装置及び計測方法 | |
CN110236515A (zh) | 一种基于近红外视频的非接触式心率检测方法 | |
US20200294189A1 (en) | Information processing device, information processing method, recording medium storing program code, and information processing system | |
KR20120122617A (ko) | 움직임을 상상하는 뇌파 분류 방법 및 그 장치 | |
Migliorelli et al. | SGM: a novel time-frequency algorithm based on unsupervised learning improves high-frequency oscillation detection in epilepsy | |
Poolman et al. | A single-trial analytic framework for EEG analysis and its application to target detection and classification | |
CN107411738A (zh) | 一种基于静息脑电相似性的情绪跨个体识别方法 | |
AU2014234955B2 (en) | Automatic detection of task transition | |
CN107480635B (zh) | 一种基于双模态分类模型融合的扫视信号识别方法及系统 | |
CN106096544B (zh) | 基于二阶盲辨识的非接触式眨眼与心率联合检测系统及方法 | |
Wan et al. | Combining parallel adaptive filtering and wavelet threshold denoising for photoplethysmography-based pulse rate monitoring during intensive physical exercise | |
Sutharsan et al. | Electroencephalogram signal processing with independent component analysis and cognitive stress classification using convolutional neural networks | |
Ustinin et al. | New Methodology for the Analysis and Representation of Human Brain Function: MEGMRIAn | |
JP6201520B2 (ja) | 生理指標を用いる視線分析システムおよび方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |
|
RJ01 | Rejection of invention patent application after publication |