CN109567831A - 一种视觉认知神经机制下产品的偏好意象识别系统和方法 - Google Patents
一种视觉认知神经机制下产品的偏好意象识别系统和方法 Download PDFInfo
- Publication number
- CN109567831A CN109567831A CN201811460047.0A CN201811460047A CN109567831A CN 109567831 A CN109567831 A CN 109567831A CN 201811460047 A CN201811460047 A CN 201811460047A CN 109567831 A CN109567831 A CN 109567831A
- Authority
- CN
- China
- Prior art keywords
- image
- computer
- product
- preference
- eye movement
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种视觉认知神经机制下产品的偏好意象识别系统和方法,包括遥测式眼动仪、计算机B、计算机A、计算机C和脑电仪,遥测式眼动仪和脑电仪分别连接到计算机B和计算机C,计算机B和计算机C分别连接到计算机A,计算机A用于存储被测产品的观看刺激材料和分析采集的材料,遥测式眼动仪和脑电仪分别用于收集眼动数据和收集脑电数据。本发明通过对眼动数据和脑电数据进行综合分析匹配,实现产品偏好意象的识别,识别方法更加科学和更加精确。
Description
技术领域
本发明涉及一种视觉认知神经机制下产品的偏好意象识别系统和方法,属于偏好意象识别技术领域。
背景技术
产品外观在人脑所呈现的意象是该产品给人最直接的感受,它能够表达人们对于当代环境的价值观与偏好。由于意象以反映某种表达文化和社会背景等方面的特征的形式来表现,因此它可以被识别。用户对产品的意象表达体现了用户对于该产品的感性偏好。了解消费者的意象偏好是公司制造满足用户心理期望促使消费的产品及协助设计师提高设计能力的关键。在已有的产品意象研究中,语义差异法等心理测量方法被广泛用于获取消费者偏好的感性意象。语义差异法等方法极为灵活、易于构思,但由于被试对于意象偏好的表达具有模糊性和不完整性,采用单一的心理测量方法会很难识别用户真实准确的心理状态。
发明内容
本发明要解决的技术问题是:提供一种视觉认知神经机制下产品的偏好意象识别系统和方法,以解决上述现有技术中存在的问题。
本发明采取的技术方案为:一种视觉认知神经机制下产品的偏好意象识别系统,包括遥测式眼动仪、计算机B、计算机A、计算机C和脑电仪,遥测式眼动仪和脑电仪分别连接到计算机B和计算机C,计算机B和计算机C分别连接到计算机A,计算机A用于存储被测产品的观看刺激材料和分析采集的材料,遥测式眼动仪和脑电仪分别用于收集眼动数据和收集脑电数据。
一种视觉认知神经机制下产品的偏好意象识别系统的识别方法,该方法包括以下步骤:
(1)将符合用户偏好的产品样本图片与意象词汇作为刺激材料导入计算机A的图片查看模块,图片查看模块展示产品样本图片或意象词汇;
(2)被试人员观看刺激材料;
(3)遥测式眼动仪和脑电仪根据被试人员观看刺激材料时的反应分别采集眼动数据和脑电数据,并将数据分别通过计算机B和计算机C传输到计算机A;
(4)通过计算机A进行分析获得偏好样本图片和对应意象词汇。
产品样本图片为:首先,收集大量的图像清晰、背景简单的具有产品特征的图片,收集到的样本图片包括市面上的所有造型的产品,将彩色图片均设置为灰度图,所有图片的背景均为黑色或统一的背景色,初步得到N个被试产品样本图片,通过主观比较分析,对形态明显相似或重复的图片进行筛选,保留M个样本图片,再经过多元尺度分析和聚类分析法,最终选取典型产品样本图片K张,典型产品样本图片K张分为多组,每组多张,采用拉丁方设计的方法排列,使用眼动追踪方法对K张样本图片进行偏好筛选,采用平均注视时间和平均注视次数作为眼动分析指标,得到L张符合用户偏好的产品样本图片,产品样本图片导入图片查看模块。
意象词汇为:搜集产品感性形容词n1个,去除意义模糊、意义相近的和生僻的意象词汇和具有强烈贬义的意象词汇,通过人工分等级聚类并对感性意象形容词进行相反意义的配对,共得到n2对感性意象词对,再使用调查问卷方法在消费者的参与下进行进一步筛选,最终感性意象词对数量被缩减到n3对。
计算机C对采集的脑电信号进行处理,主要步骤包括1)预处理过程,通过滤波和独立成分分析去除采集到的脑电信号中所掺杂的伪迹;2)EEG数据分段,提取启动刺激样本图片出现前500ms到检测刺激意象词汇出现后1000ms,共4500ms作为分析时程;3)特征提取过程,计算功率谱密度(512点Hanning窗,重叠50%),利用傅里叶变换将原始脑电信号映射到α频段上,计算α波(8~13Hz)平均功率值,其公式为:
其中:x=α,γ;频率分辨率额区α波不对称指数=F4电极α功率-F3电极α功率,其中:
PS(α):α波平均功率值
p(w):密度积分
w1,w2:频段上下限
频率分辨率
步骤(4)中计算机A对眼动数据的平均注视时长和脑电数据的额区α波不对称指数综合评估(两者如何结合后综合评估)。
本发明的有益效果:与现有技术相比,本发明通过对客观可靠的生理眼动数据和脑电数据进行综合分析匹配,实现产品偏好意象的识别,识别方法更加科学和更加精确。
附图说明
图1是本发明的Emotiv EPOC+14通道电极分布图;
图2是测量流程图;
图3是试验用典型样本图片;
图4是用户偏好的样本图片;
图5是实验流程图。
具体实施方式
下面结合具体的实施例对本发明进行进一步介绍。
实施例1:如图1-5所示,一种视觉认知神经机制下产品的偏好意象识别系统,包括遥测式眼动仪、计算机B、计算机A、计算机C和脑电仪,遥测式眼动仪和脑电仪分别连接到计算机B和计算机C,计算机B和计算机C分别连接到计算机A,计算机A用于存储被测产品的观看刺激材料和分析采集的材料,遥测式眼动仪和脑电仪分别用于收集眼动数据和收集脑电数据。
一种视觉认知神经机制下产品的偏好意象识别系统的识别方法,该方法包括以下步骤:
(1)将符合用户偏好的产品样本图片与意象词汇作为刺激材料导入计算机A的图片查看模块,图片查看模块展示产品样本图片或意象词汇;
(2)被试人员观看刺激材料;
(3)遥测式眼动仪和脑电仪根据被试人员观看刺激材料时的反应分别采集眼动数据和脑电数据,并将数据分别通过计算机B和计算机C传输到计算机A;
(4)通过计算机A进行分析获得偏好样本图片和对应意象词汇。
产品样本图片为:首先,收集大量的图像清晰、背景简单的具有产品特征的图片,收集到的样本图片包括市面上的所有造型的产品,将彩色图片均设置为灰度图,所有图片的背景均为黑色或统一背景颜色,初步得到N个被试产品样本图片,通过主观比较分析,对形态明显相似或重复的图片进行筛选,保留M个样本图片,再经过多元尺度分析和聚类分析法,最终选取典型产品样本图片K张,典型产品样本图片K张分为多组,每组多张,采用拉丁方设计的方法排列,使用眼动追踪方法对K张样本图片进行偏好筛选,采用平均注视时间和平均注视次数作为眼动分析指标,得到L张符合用户偏好的产品样本图片,产品样本图片导入图片查看模块。
意象词汇为:搜集产品感性形容词n1个,去除意义模糊、意义相近的和生僻的意象词汇和具有强烈贬义的意象词汇,通过人工分等级聚类并对感性意象形容词进行相反意义的配对,共得到n2对感性意象词对,再使用调查问卷方法在消费者的参与下进行进一步筛选,最终感性意象词对数量被缩减到n3对。
计算机C对采集的脑电信号进行处理,主要步骤包括1)预处理过程,通过滤波和独立成分分析去除采集到的脑电信号中所掺杂的伪迹;2)EEG数据分段,提取启动刺激样本图片出现前500ms到检测刺激意象词汇出现后1000ms,共4500ms作为分析时程;3)特征提取过程,计算功率谱密度(512点Hanning窗,重叠50%),利用傅里叶变换将原始脑电信号映射到α频段上,计算α波(8~13Hz)平均功率值,其公式为:
其中:x=α,γ;频率分辨率额区α波不对称指数=F4电极α功率-F3电极α功率,其中:
PS(α):α波平均功率值
p(w):密度积分
w1,w2:频段上下限
频率分辨率
步骤(4)中计算机A对眼动数据的平均注视时长和脑电数据的额区α波不对称指数综合评估(两者如何结合后综合评估)。
为了说明本发明的有益效果,进行如下试验:
1.眼动联合脑电的用户对苗族银质耳饰的感性意象偏好测量实验
在认知神经科学理论和视知觉原理的指导下,重点通过探讨用户在进行一个简单的匹配(决策)情形时眼动行为和脑电波的变化,从而从眼-脑的认知数据中挖掘出用户对于测试样本产品的偏好,并以意象形容词作为偏好的表征。匹配(决策)情形被设计为用户对偏好的苗族银质耳饰的可描述感性意象词的判断,用户认为符合描述该样本图片的意象词汇即符合用户偏好的意象词汇。
以苗族银质耳饰的样本图片为例,眼动联合脑电的苗族银质耳饰意象偏好测量流程如图2所示。首先将符合用户偏好的耳饰样本图片与意象词汇对制作成测试材料,通过E-Prime软件编程呈现给被试,SMI眼动仪记录被试的眼动行为数据;Emotive EPOC+脑电设备记录被试在意象词汇选择时的脑电信号变化。
1.1刺激材料的制作
首先通过网络、设计书刊、民族博物馆等途径收集大量的图像清晰、背景较为简单的具有苗族特征的银饰图片,收集到的样本图片尽可能包括市面上的所有造型的苗银耳饰,将彩色图片均设置为灰度图,所有图片的背景均为黑色。初步得到150个苗族银质耳饰样本,通过主观比较分析,对形态明显相似或重复的图片进行筛选,保留了100个样本图片,再经过多元尺度分析和聚类分析法,最终选取典型样本16张,如图3所示。
将16张样本图片分为4组,每组4张,采用拉丁方设计的方法排列,使用眼动追踪技术对16张样本图片进行偏好筛选,采用平均注视时间和平均注视次数作为眼动分析指标,得到8张符合用户偏好的样本图片,如图4所示。
通过查阅文献、网络检索、用户调研等方法共搜集苗族银质耳饰感性形容词200个,去除意义模糊、意义相近的和生僻的意象词汇,并且去除具有强烈贬义的意象词汇,通过人工分等级聚类并对感性意象形容词进行相反意义的配对,共得到58对感性意象词对。再使用调查问卷方法在消费者的参与下进行进一步筛选。最终感性意象词对数量被缩减到5对,如表1所示。
表1感性意象词对
序号 | 意象词汇对 |
1 | 繁复的-简洁的 |
2 | 华丽的-质朴的 |
3 | 复古的-现代的 |
4 | 灵巧的-厚重的 |
5 | 活泼的-严肃的 |
被试将分别对8个苗银耳饰样本图片从10个(5对)意象词做出符合或不符合描述该样本的意象形容词的判断,共将做出80次判断。
1.2用户偏好意象眼动联合脑电的用户偏好意象的测量
本实验采用眼动及脑电测量技术获取用户对苗族银饰偏好的感性意象词汇,探索视觉认知神经机制的意象定位研究手段。
1.2.1被试
选取18名苗族银饰工艺品常规消费者。为了消除性别的混淆变量对实验结果的影响,使被试男女比例为1:1,所有实验对象年龄在20岁至40岁之间(平均年龄27岁),双眼矫正视力1.0以上,全部被试均为右利手。实验进行前被试需清洗头发以减少头皮油脂带来的阻抗。
1.2.2实验设备与环境
采用无线多通道EEG系统Emotiv EPOC+采集脑电数据。它由14个通道组成,分别位于AF3,F7,F3,FC5,T7,P7,O1,O2,P8,T8,FC6,F4,F8,AF4。(电极位置符合国际10-20系统标准。)两个额外的参考电极位于耳后。每个EEG通道以128Hz的采样频率记录,并通过蓝牙将数据发送到计算机。它使用专有的USB接口与2.4GHz频段进行通信。如图1为电极位置分布图。同时,采用德国SMI公司的RED桌面型眼动仪来采集眼动数据。通过E-Prime心理学编程软件使脑电仪和眼动追踪器两个设备同步测量。
实验期间除主试和被试两人外无他人及噪声干扰,保持室内处于适宜的温度和湿度,以感觉舒适为宜。
1.2.3实验流程
(1)被试进入实验室熟悉实验环境及仪器,登记个人信息,并作休息,以平静身心;
(2)主试向被试介绍眼动、脑电实验过程及注意事项并解答被试疑惑。
(3)被试佩戴仪器并校准;
(4)开始实验程序,被试阅读指导语;
(5)预实验开始,被试观看预实验材料,使用鼠标左右键选择该意象词是否符合描述该样本图片。左键为符合,右键为不符合;
(6)正式实验开始,被试观看正式实验材料,使用鼠标左右键选择该意象词是否符合描述该样本图片。实验过程中,实验人员控制并观察被试的注视、扫视、EEG等生理指标的采集;
(7)实验结束,仪器停止记录。
实验流程如图5所示。(注:符合与不符合对应鼠标左键和右键,为保证实验结果的有效性,被试需提前熟悉鼠标左右键位置,以避免在进行选择时出现低头或视线转移的情况。)
2实验数据处理
2.1眼动、脑电测量指标的选取
眼动指标中注视时间与用户的选择偏好倾向存在显著的相关性。当产品意象匹配结果明确时,被试的反应时长(平均注视时长)较短;当意象匹配结果为模糊情况,被试的思考时间延长,反应时长(平均注视时长)显著增加。在眼动指标选择上,选择平均注视时长[ms]作为分析用户对可表征耳饰的偏好意象的眼动指标。
对于脑认知,大脑皮层主要划分为额叶、顶叶、枕叶和颞叶,且各自有不同的机能分工,其中,大脑额叶区是处理认知信息的重要区域,故本研究选择额叶区的电极F3(左额)、电极F4(右额)电极作为主要的脑认知信息获取通道。EEG中常见的节律波有delta(δ,1~4Hz)、theta(θ,4~8Hz)、alpha(α,8~13Hz)、beta(β,13~30Hz)和gamma(γ,30~45Hz)五种。其中α波被认为与情感的加工过程有关。人脑的左右半球在结构和功能上存在差异,左右半球分别主导不同类型的情感加工,右半球主要负责消极情感的加工,左半球则主要负责积极情感的加工。因此,将选择大脑左右半球额叶α波功率的差值作为用户对可表征耳饰的偏好意象的脑电指标。
2.2眼动、脑电测量数据的处理
使用BeGaze分析软件对采集到的眼动数据进行分析处理。
采集到的脑电信号的处理主要步骤包括1)预处理过程,通过滤波和独立成分分析去除采集到的脑电信号中所掺杂的伪迹;2)EEG数据分段,提取启动刺激样本图片出现前500ms到检测刺激意象词汇出现后1000ms,共4500ms作为分析时程;3)特征提取过程,计算功率谱密度(512点Hanning窗,重叠50%),利用傅里叶变换将原始脑电信号映射到α频段上,计算α波(8~13Hz)平均功率值,其公式为:
其中:x=α,γ;频率分辨率
额区α波不对称指数=F4电极α功率-F3电极α功率。
3结果
3.1眼动数据
表2是对于描述8个样本图片的5对意象词汇的平均注视时长。当产品意象匹配结果明确时,即被试确定该意象词汇符合或不符合描述该产品时,被试的平均注视时长较短;当意象匹配结果为模糊情况,被试的平均注视时长较长。
表2被试对5对意象词汇对的平均注视时长(产品样本图片为8个)
偏好产品-意象的匹配实验过程中的平均注视时长如表2所示。实验结果显示,被试在对五组意象词汇对做出匹配判断时,“简洁”、“华丽”、“现代”、“灵巧”、“活泼”意象词比“繁复”、“质朴”、“复古”、“厚重”、“严肃”能够诱发更小的平均注视时长。被试对第一组意象词汇对(“繁复”和“简洁”)的平均注视时长无显著差异。
3.2脑电数据
用户在进行选择时产生的与偏好相关的脑电特征变量被用于计算脑电频谱活动的变化。额区α波不对称指数反映出用户的偏好倾向,额区α波不对称指数越大,该词汇越符合用户偏好。
表3被试对5对意象词汇对的额区α波不对称指数(产品样本图片为8个)
偏好产品-意象的匹配实验过程中的额区α波不对称指数如表2所示。实验结果显示,被试在对五组意象词汇对做出匹配判断时,“简洁”、“华丽”、“现代”、“灵巧”、“活泼”意象词比“繁复”、“质朴”、“复古”、“厚重”、“严肃”能够诱发更大的额区α波不对称指数,说明被试在判断以上意象词是否符合描述偏好的样本图片时更能产生积极情绪,进而印证以上意象词汇更加符合用户认知偏好。
4试验分析
本试验运用符合用户偏好的苗族银饰样本图片作为启动刺激,并将5对互为反义的感性意象形容词对作为检测刺激,探讨被试在进行偏好产品-意象匹配时的眼动行为和脑电波变化,从而从眼-脑的认知数据中挖掘出用户对于测试样本产品的偏好意象。实验结果表明,被试对于苗族银质耳饰的偏好意象词汇为“简洁”、“华丽”、“现代”、“灵巧”、“活泼”。通过该实验证明了眼动追踪技术与脑电技术能够作为感性意象测量及评估的有效手段。
4.1眼动指标
基于被试的眼动行为数据发现,相较于组内其他意象词,被试对“简洁”、“华丽”、“现代”、“灵巧”、“活泼”意象词的平均注视时长更小,表明被试在观察以上5个意象词时对偏好的产品-意象匹配结果更明确。被试对第一组意象词汇对的“繁复”和“简洁”意象词的平均注视时长比较接近且处于较低水平,表明被试对于这两个意象词的匹配结果都明确程度差异不显著且较为明确,即“符合”或“不符合”。但以上结果无法解释被试对于以上意象词汇的情感反应。
4.2脑电指标
被试对意象词的认知偏好的隐性信息通过额区α波不对称指数的变化得到外显,被试在判断符合描述偏好产品的意象词时额区α波不对称指数更大,即被试在判断符合描述偏好产品的意象词时更能产生积极情绪,进而印证该意象词汇更加符合用户认知偏好。
综合眼动和脑电指标来看,平均注视时长能够区分被试对产品-意象匹配结果的明确程度,而额区α波不对称指数能够区分被试对产品-意象匹配结果的情感反应。因此,只有将眼动追踪技术与脑电技术结合才能提高偏好意象测量研究的准确性。
5结论
通过观察被试的主观评价结果与刺激过程记录的眼动数据和脑电信号,探索眼动联合脑电的生理测量手段能否用于获取消费者偏好的感性意象,并获得用户对于苗族银质耳饰的偏好感性意象为“简洁”、“华丽”、“现代”、“灵巧”、“活泼”。结果表明,眼动追踪技术联合脑电技术可作为测量用户感性意象偏好的手段,并且生理测量方法较心理测量方法能够更精确地获取感性意象定位。试验结果为视觉认知神经机制视角下的感性测量及其评估奠定基础,为基于用户认知偏好的产品设计提供了科学、有效的用户偏好意象测量方式,为苗族银质耳饰方面的基于用户偏好意象的设计应用提供参考。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内,因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种视觉认知神经机制下产品的偏好意象识别系统,其特征在于:包括遥测式眼动仪、计算机B、计算机A、计算机C和脑电仪,遥测式眼动仪和脑电仪分别连接到计算机B和计算机C,计算机B和计算机C分别连接到计算机A,计算机A用于存储被测产品的观看刺激材料和分析采集的材料,遥测式眼动仪和脑电仪分别用于收集眼动数据和收集脑电数据。
2.根据权利要求1所述的一种视觉认知神经机制下产品的偏好意象识别系统的识别方法,其特征在于:该方法包括以下步骤:
(1)将预选筛选符合用户偏好的产品样本图片与意象词汇作为刺激材料导入计算机A的图片查看模块,图片查看模块展示产品样本图片或意象词汇;
(2)被试人员观看刺激材料;
(3)遥测式眼动仪和脑电仪根据被试人员观看刺激材料时的反应分别采集眼动数据和脑电数据,并将数据分别通过计算机B和计算机C传输到计算机A;
(4)通过计算机A进行分析获得偏好样本图片和对应意象词汇。
3.根据权利要求2所述的一种视觉认知神经机制下产品的偏好意象识别方法,其特征在于:产品样本图片为:首先,收集大量的图像清晰、背景简单的具有产品特征的图片,收集到的样本图片包括市面上的所有造型的产品,将彩色图片均设置为灰度图,所有图片的背景均为黑色或统一背景颜色,初步得到N个被试产品样本图片,通过主观比较分析,对形态明显相似或重复的图片进行筛选,保留M个样本图片,再经过多元尺度分析和聚类分析法,最终选取典型产品样本图片K张,典型产品样本图片K张分为多组,每组多张,采用拉丁方设计的方法排列,使用眼动追踪方法对K张样本图片进行偏好筛选,采用平均注视时间和平均注视次数作为眼动分析指标,得到L张符合用户偏好的产品样本图片,产品样本图片导入图片查看模块。
4.根据权利要求2所述的一种视觉认知神经机制下产品的偏好意象识别方法,其特征在于:意象词汇为:搜集产品感性形容词n1个,去除意义模糊、意义相近的和生僻的意象词汇和具有强烈贬义的意象词汇,通过人工分等级聚类并对感性意象形容词进行相反意义的配对,共得到n2对感性意象词对,再使用调查问卷方法在消费者的参与下进行进一步筛选,最终感性意象词对数量被缩减到n3对。
5.根据权利要求2所述的一种视觉认知神经机制下产品的偏好意象识别方法,其特征在于:计算机C对采集的脑电信号进行处理,主要步骤包括1)预处理过程,通过滤波和独立成分分析去除采集到的脑电信号中所掺杂的伪迹;2)EEG数据分段,提取启动刺激样本图片出现前500ms到检测刺激意象词汇出现后1000ms,共4500ms作为分析时程;3)特征提取过程,计算功率谱密度,利用傅里叶变换将原始脑电信号映射到α频段上,计算α波平均功率值,其公式为:
其中:x=α,γ;频率分辨率额区α波不对称指数=F4电极α功率-F3电极α功率,
其中:
PS(α):α波平均功率值
p(w):密度积分
w1,w2:频段上下限
频率分辨率
6.根据权利要求2所述的一种视觉认知神经机制下产品的偏好意象识别方法,其特征在于:步骤(4)中计算机A对眼动数据的平均注视时长和脑电数据的额区α波不对称指数综合评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811460047.0A CN109567831A (zh) | 2018-11-30 | 2018-11-30 | 一种视觉认知神经机制下产品的偏好意象识别系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811460047.0A CN109567831A (zh) | 2018-11-30 | 2018-11-30 | 一种视觉认知神经机制下产品的偏好意象识别系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109567831A true CN109567831A (zh) | 2019-04-05 |
Family
ID=65926297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811460047.0A Pending CN109567831A (zh) | 2018-11-30 | 2018-11-30 | 一种视觉认知神经机制下产品的偏好意象识别系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109567831A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110638471A (zh) * | 2019-08-30 | 2020-01-03 | 杭州海飘科技有限公司 | 一种基于眼动仪视觉感知的体感技术方法 |
CN111311070A (zh) * | 2020-01-20 | 2020-06-19 | 南京航空航天大学 | 联合脑电和眼动并结合用户相似度的产品设计方案决策方法 |
CN112232861A (zh) * | 2020-10-10 | 2021-01-15 | 上海外国语大学 | 一种基于神经相似性分析的平面广告测评方法及系统 |
CN114237388A (zh) * | 2021-12-01 | 2022-03-25 | 辽宁科技大学 | 一种基于多模态信号识别的脑机接口方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609618A (zh) * | 2012-02-07 | 2012-07-25 | 清华大学 | 基于信息流增益的大脑不对称指数计算方法 |
US20150135309A1 (en) * | 2011-08-20 | 2015-05-14 | Amit Vishram Karmarkar | Method and system of user authentication with eye-tracking data |
CN107274223A (zh) * | 2017-06-13 | 2017-10-20 | 杭州电子科技大学 | 融合脑电信号与注视跟踪特征的广告评估方法 |
CN108319643A (zh) * | 2017-12-22 | 2018-07-24 | 新华网股份有限公司 | 多媒体信息的评测方法和系统 |
CN108324292A (zh) * | 2018-03-26 | 2018-07-27 | 安徽大学 | 基于脑电信号的室内视觉环境满意度分析方法 |
-
2018
- 2018-11-30 CN CN201811460047.0A patent/CN109567831A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150135309A1 (en) * | 2011-08-20 | 2015-05-14 | Amit Vishram Karmarkar | Method and system of user authentication with eye-tracking data |
CN102609618A (zh) * | 2012-02-07 | 2012-07-25 | 清华大学 | 基于信息流增益的大脑不对称指数计算方法 |
CN107274223A (zh) * | 2017-06-13 | 2017-10-20 | 杭州电子科技大学 | 融合脑电信号与注视跟踪特征的广告评估方法 |
CN108319643A (zh) * | 2017-12-22 | 2018-07-24 | 新华网股份有限公司 | 多媒体信息的评测方法和系统 |
CN108324292A (zh) * | 2018-03-26 | 2018-07-27 | 安徽大学 | 基于脑电信号的室内视觉环境满意度分析方法 |
Non-Patent Citations (7)
Title |
---|
VLADIMIR MISKOVIC ET AL: "Frontal brain electrical asymmetry and cardiac vagal tone predict biased attention to social threat", 《INTERNATIONAL JOURNAL OF PSYCHOPHYSIOLOGY》 * |
卢英俊 等: "不同类型音乐对悲伤情绪舒缓作用的EEG研究", 《心理学探新》 * |
唐帮备 等: "联合眼动和脑电的汽车工业设计用户体验评选", 《计算机集成制造系统》 * |
胡新明 等: "基于感性工学的盲人阅读器设计研究", 《机械设计》 * |
闫龙华 等: "基于心理与生理测量的苗族服饰纹样美感研究", 《图学学报》 * |
陈波 等: "基于情绪脑电的交互原型方案评价研究", 《包装工程》 * |
陈默 等: "基于事件相关电位的产品意象-语义匹配评估", 《东南大学学报(自然科学版)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110638471A (zh) * | 2019-08-30 | 2020-01-03 | 杭州海飘科技有限公司 | 一种基于眼动仪视觉感知的体感技术方法 |
CN111311070A (zh) * | 2020-01-20 | 2020-06-19 | 南京航空航天大学 | 联合脑电和眼动并结合用户相似度的产品设计方案决策方法 |
CN111311070B (zh) * | 2020-01-20 | 2020-12-25 | 南京航空航天大学 | 联合脑电和眼动并结合用户相似度的产品设计方案决策方法 |
WO2021147292A1 (zh) * | 2020-01-20 | 2021-07-29 | 南京航空航天大学 | 联合脑电和眼动并结合用户相似度的产品设计方案决策方法 |
JP2022520911A (ja) * | 2020-01-20 | 2022-04-04 | 南京航空航天大学 | 脳波と眼球運動をユーザ類似性と組み合わせた製品設計の決定方法 |
JP7114133B2 (ja) | 2020-01-20 | 2022-08-08 | 南京航空航天大学 | 脳波と眼球運動をユーザ類似性と組み合わせた製品設計の決定方法 |
CN112232861A (zh) * | 2020-10-10 | 2021-01-15 | 上海外国语大学 | 一种基于神经相似性分析的平面广告测评方法及系统 |
CN114237388A (zh) * | 2021-12-01 | 2022-03-25 | 辽宁科技大学 | 一种基于多模态信号识别的脑机接口方法 |
CN114237388B (zh) * | 2021-12-01 | 2023-08-08 | 辽宁科技大学 | 一种基于多模态信号识别的脑机接口方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109157231B (zh) | 基于情绪刺激任务的便携式多通道抑郁倾向评估系统 | |
CN110916631B (zh) | 基于可穿戴生理信号监测的学生课堂学习状态评测系统 | |
CN109567831A (zh) | 一种视觉认知神经机制下产品的偏好意象识别系统和方法 | |
CN105877766B (zh) | 一种基于多生理信号融合的精神状态检测系统及方法 | |
George et al. | Recognition of emotional states using EEG signals based on time-frequency analysis and SVM classifier. | |
KR101247748B1 (ko) | 사용자 집중도 분석장치 및 방법 | |
CN101596098B (zh) | 现代中医“未病”信息综合分析系统 | |
KR101842750B1 (ko) | 뇌파 훈련을 위한 실시간 시뮬레이터 및 이를 이용한 인터페이스 장치 | |
CN109288518A (zh) | 基于EEG和ERPs的脑认知神经功能测评系统及方法 | |
CN106510702B (zh) | 基于中潜伏期听觉诱发电位的听觉注意特征提取、识别系统及方法 | |
CN108324292A (zh) | 基于脑电信号的室内视觉环境满意度分析方法 | |
CN113576498B (zh) | 基于脑电信号的视听觉美学评价方法及系统 | |
CN108403112A (zh) | 基于嗅觉脑电波和gs-svm进行感官物质分类的方法 | |
CN115054250A (zh) | 镜像溢出运动检测分析方法和系统 | |
Dar et al. | YAAD: young adult’s affective data using wearable ECG and GSR sensors | |
Wang et al. | Automated rest eeg-based diagnosis of depression and schizophrenia using a deep convolutional neural network | |
CN117883082A (zh) | 一种异常情绪识别方法、系统、设备及介质 | |
Li et al. | Data fusion and analysis techniques of neuromarketing | |
CN112932508B (zh) | 一种基于手臂肌电网络的手指活动识别系统 | |
Gong et al. | Mental state detection in classroom based on EEG brain signals | |
CN113269084A (zh) | 基于观众群体情感神经相似性的影视剧市场预测方法及系统 | |
CN108836325A (zh) | 一种基于嗅觉脑电波和随机森林进行感官物质分类的方法 | |
CN108836320A (zh) | 一种基于嗅觉脑电波进行感官物质分类的方法 | |
Anh et al. | Application of portable electroencephalograph device in controlling and identifying emotion | |
Vanny et al. | Analysis of physiological signals for emotion recognition based on support vector machine |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |