CN109993180A - 人体生物电数据处理方法和装置、存储介质和处理器 - Google Patents
人体生物电数据处理方法和装置、存储介质和处理器 Download PDFInfo
- Publication number
- CN109993180A CN109993180A CN201711484827.4A CN201711484827A CN109993180A CN 109993180 A CN109993180 A CN 109993180A CN 201711484827 A CN201711484827 A CN 201711484827A CN 109993180 A CN109993180 A CN 109993180A
- Authority
- CN
- China
- Prior art keywords
- characteristic value
- data
- bioelectricity
- weighted sum
- weighted
- 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
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本发明公开了一种人体生物电数据处理方法和装置、存储介质和处理器。该方法包括:获取生物电数据;提取生物电数据的特征值;对特征值进行加权计算,得到特征值的加权和;根据预设的数值区间对加权和进行分类,得到情绪状态的类别。通过本发明,达到了提高人体情绪状态的计算结果的准确性的效果。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种人体生物电数据处理方法和装置、存储介质和处理器。
背景技术
通过人体的生理数据可以反映出人体的情绪状态,例如,疲劳状态、兴奋状态、专注状态等,相关技术中有一些通过人体的生理数据确定情绪状态的方法,以疲劳算法为例,相关技术中有一些疲劳算法,例如,通过穿戴式设备的两个电极片采集预设时间内人体的GSR数据,GSR数据包括SCL数据和SCR数据;将SCL数据和SCR数据进行分离;计算SCL数据的偏移率和SCR数据的偏移率;并根据SCL数据的偏移率和SCR数据的偏移率计算人体疲劳指数,而通过人体疲劳指数可直接判断所述预设时间内人体的疲劳状况。但该疲劳度的计算方法由于对数据特征的分离较少,计算结果不准确。
针对相关技术中人体情绪状态的计算结果不准确的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种人体生物电数据处理方法和装置、存储介质和处理器,以解决人体情绪状态的计算结果不准确的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种人体生物电数据处理方法,该方法包括:获取生物电数据;提取所述生物电数据的特征值;对所述特征值进行加权计算,得到特征值的加权和;根据预设的数值区间对所述加权和进行分类,得到情绪状态的类别。
进一步地,在获取生物电数据之后,所述方法还包括:对所述生物电数据进行去噪,得到去噪后的生物电数据,提取所述生物电数据的特征值包括:提取去噪后的生物电数据的特征值。
进一步地,提取所述生物电数据的特征值之后,所述方法还包括:对所述生物电数据的特征值进行逻辑回归,得到回归后的所述生物电数据的特征值,对所述特征值进行加权计算,得到特征值的加权和包括:对回归后的所述生物电数据的特征值进行加权计算,得到特征值的加权和。
进一步地,在对所述特征值进行加权计算,得到特征值的加权和包括:获取每个特征值的权值;计算回归后的每个所述生物电数据的特征值与每个特征值的权值的乘积,得到每个生物电数据的权值计算结果;将所有生物电数据的权值计算结果求和,得到所有特征值的加权和。
进一步地,提取所述生物电数据的特征值包括:提取生物电数据的基准值、自发性波动次数、波峰次数、频率、波峰宽度。
进一步地,对所述特征值进行加权计算,得到特征值的加权和包括:计算每个所述生物电数据的特征值占该特征值的阈值的比例,得到比值;计算每个所述生物电数据的特征值的比值与该特征值的乘积,得到每个特征值的得分;计算所有特征值的得分和,得到所述特征值的加权和。
为了实现上述目的,根据本发明的另一方面,还提供了一种人体生物电数据处理装置,该装置包括:获取单元,用于获取生物电数据;提取单元,用于提取所述生物电数据的特征值;计算单元,用于对所述特征值进行加权计算,得到特征值的加权和;分类单元,用于根据预设的数值区间对所述加权和进行分类,得到情绪状态的类别。
进一步地,所述装置还包括:去噪单元,用于在获取生物电数据之后,对所述生物电数据进行去噪,得到去噪后的生物电数据,所述提取单元用于提取去噪后的生物电数据的特征值。
为了实现上述目的,根据本发明的另一方面,还提供了一种存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行本发明所述的人体生物电数据处理方法。
为了实现上述目的,根据本发明的另一方面,还提供了一种处理器,用于运行程序,其中,所述程序运行时执行本发明所述的人体生物电数据处理方法。
本发明通过获取生物电数据;提取生物电数据的特征值;对特征值进行加权计算,得到特征值的加权和;根据预设的数值区间对加权和进行分类,得到情绪状态的类别,解决了人体情绪状态的计算结果不准确的问题,进而达到了提高人体情绪状态的计算结果的准确性的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的人体生物电数据处理方法的流程图;以及
图2是根据本发明实施例的人体生物电数据处理装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
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。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种人体生物电数据处理方法。
图1是根据本发明实施例的人体生物电数据处理方法的流程图,如图1所示,该方法包括以下步骤:
步骤S102:获取生物电数据;
步骤S104:提取生物电数据的特征值;
步骤S106:对特征值进行加权计算,得到特征值的加权和;
步骤S108:根据预设的数值区间对加权和进行分类,得到情绪状态的类别。
该实施例采用获取生物电数据;提取生物电数据的特征值;对特征值进行加权计算,得到特征值的加权和;根据预设的数值区间对加权和进行分类,得到情绪状态的类别,解决了人体情绪状态的计算结果不准确的问题,进而达到了提高人体情绪状态的计算结果的准确性的效果。
在本发明实施例中,生物电数据包括但不限于脑电,皮肤电,心电,眼电,肌电等生物电信号数据,例如,生物电数据可以是皮肤电数据,皮肤电数据可以是通过手环、指环等可穿戴设备或者放置在移动物体上的传感器,比如手机外壳或者汽车方向盘等采集装置采集到的,皮电数据可以是电流数据,也可以是电阻数据,对采集得到的皮电数据提取特征值,提取多个维度的特征值,然后根据每个特征值的权值进行加权计算,得到加权和,也可以理解为对每项特征值打分,计算多个特征值的总分,作为情绪状态指数,情绪状态包括但不限于疲劳度,焦虑度、兴奋度、压力度,以及高兴悲伤情绪等,然后根据预设的疲劳指数的分类区间对当前的疲劳度进行分类,得到当前的情绪状态的类别。
可选地,在获取生物电数据之后,对生物电数据进行去噪,得到去噪后的生物电数据,提取生物电数据的特征值包括:提取去噪后的生物电数据的特征值。
在得到皮电数据之后,可以先对数据进行去噪,然后从去噪后的数据中提取特征值,可以减少噪声,提高数据计算结果的准确性。
可选地,提取生物电数据的特征值之后,对生物电数据的特征值进行逻辑回归,得到回归后的生物电数据的特征值,对特征值进行加权计算,得到特征值的加权和包括:对回归后的生物电数据的特征值进行加权计算,得到特征值的加权和。
在提取了皮电特征值之后,对特征值进行逻辑回归处理,也可以理解为归一化处理,然后得到回归后的皮电数据特征,以消除个体差异,对回归后的皮电数据进行加权计算,以得到特征值的加权和,通过归一化处理可以适应每个个体的不同情况的需求,使数据处理结果更加普适化。
可选地,在对特征值进行加权计算,得到特征值的加权和包括:获取每个特征值的权值;计算回归后的每个生物电数据的特征值与每个特征值的权值的乘积,得到每个生物电数据的权值计算结果;将所有生物电数据的权值计算结果求和,得到所有特征值的加权和。
每个特征值有自身的权值,例如,可以是以数值的形式为每个特征值分配权重,例如,一共有5个特征值,每个特征值权重为20分,一共100分,或者一共6个特征,每个特征的权重不一样,总和为100分,还可以是其他情况,根据具体使用场景可以灵活设定特征数量和权重。
可选地,提取生物电数据的特征值包括:提取生物电数据的基准值、自发性波动次数、波峰次数、频率、波峰宽度。特征值可以包括基准值、自发性波动次数、波峰次数、频率、波峰宽度五个类别。
可选地,对特征值进行加权计算,得到特征值的加权和包括:计算每个生物电数据的特征值占该特征值的阈值的比例,得到比值;计算每个生物电数据的特征值的比值与该特征值的乘积,得到每个特征值的得分;计算所有特征值的得分和,得到特征值的加权和。
在计算每个特征值的权值计算结果时,可以根据每个类别的特征值和该特征值的阈值来计算,例如波峰次数的阈值为100次,权重分数为20分,而该特征值的波峰次数为80,则当前采集的特征值的波峰次数的加权值为80÷100×20=16分,通过同样的方法计算所有的特征值的加权得分,最终计算加权和,即可作为当前采集的疲劳度的数值。
具体的,以情绪状态为疲劳度为例,一个完整的采集和计算流程可以是:
采集用户的皮电数据;
去噪;
提取特征值,其中特征值包括:生物电数据的基准值baseline、自发性波动次数nsscr、波峰次数、频率、波峰宽度,其中,baseline是基于每个不同个体确定的基准值;
逻辑回归(归一化);
计算每个类别的特征值的加权和,得到加权得分;
分类,根据加权得分和预设的疲劳度的分类区间,确定当前的疲劳度。
例如,低于50分为非疲劳,50-80为中度疲劳,高于80为重度疲劳,则如果当前驾驶员的疲劳度加权得分是85则可以判断为重度疲劳,此时可以发出提醒,提醒可以是多种类型,例如,可以是播放音乐、播放讲笑话的音频,手环振动、亮灯等提醒,以防止出现意外,具体的,对于疲劳度等级的数值,可以根据具体的应用场景进行设定,例如,高速路段上的疲劳等级的数值可以相应下调,以使用户更加安全。
对于其他类型的情绪状态的数据,也可以通过同样的流程计算得到数值,然后根据预设的类别阈值确定当前用户的情绪状态值对应的类别。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例提供了一种人体生物电数据处理装置,该装置可以用于执行本发明实施例的人体生物电数据处理方法。
图2是根据本发明实施例的人体生物电数据处理装置的示意图,如图2所示,该装置包括:
获取单元10,用于获取生物电数据;
提取单元20,用于提取生物电数据的特征值;
计算单元30,用于对特征值进行加权计算,得到特征值的加权和;
分类单元40,用于根据预设的数值区间对加权和进行分类,得到情绪状态的类别。
该实施例采用获取单元10,用于获取生物电数据;提取单元20,用于提取生物电数据的特征值;计算单元30,用于对特征值进行加权计算,得到特征值的加权和;分类单元40,用于根据预设的数值区间对加权和进行分类,得到情绪状态的类别,从而解决了人体情绪状态的计算结果不准确的问题,进而达到了提高人体情绪状态的计算结果的准确性的效果。
进一步地,该装置还包括:去噪单元,用于在获取生物电数据之后,对生物电数据进行去噪,得到去噪后的生物电数据,提取单元用于提取去噪后的生物电数据的特征值。
人体生物电数据处理装置包括处理器和存储器,上述获取单元、提取单元、计算单元、分类单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高人体情绪状态的计算结果的准确性。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述人体生物电数据处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述人体生物电数据处理方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取生物电数据;提取生物电数据的特征值;对特征值进行加权计算,得到特征值的加权和;根据预设的数值区间对加权和进行分类,得到情绪状态的类别。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取生物电数据;提取生物电数据的特征值;对特征值进行加权计算,得到特征值的加权和;根据预设的数值区间对加权和进行分类,得到情绪状态的类别。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种人体生物电数据处理方法,其特征在于,包括:
获取生物电数据;
提取所述生物电数据的特征值;
对所述特征值进行加权计算,得到特征值的加权和;
根据预设的数值区间对所述加权和进行分类,得到情绪状态的类别。
2.根据权利要求1所述的方法,其特征在于,
在获取生物电数据之后,所述方法还包括:对所述生物电数据进行去噪,得到去噪后的生物电数据,
提取所述生物电数据的特征值包括:提取去噪后的生物电数据的特征值。
3.根据权利要求1所述的方法,其特征在于,
提取所述生物电数据的特征值之后,所述方法还包括:对所述生物电数据的特征值进行逻辑回归,得到回归后的所述生物电数据的特征值,
对所述特征值进行加权计算,得到特征值的加权和包括:对回归后的所述生物电数据的特征值进行加权计算,得到特征值的加权和。
4.根据权利要求3所述的方法,其特征在于,在对所述特征值进行加权计算,得到特征值的加权和包括:
获取每个特征值的权值;
计算回归后的每个所述生物电数据的特征值与每个特征值的权值的乘积,得到每个生物电数据的权值计算结果;
将所有生物电数据的权值计算结果求和,得到所有特征值的加权和。
5.根据权利要求1所述的方法,其特征在于,提取所述生物电数据的特征值包括:
提取生物电数据的基准值、自发性波动次数、波峰次数、频率、波峰宽度。
6.根据权利要求5所述的方法,其特征在于,对所述特征值进行加权计算,得到特征值的加权和包括:
计算每个所述生物电数据的特征值占该特征值的阈值的比例,得到比值;
计算每个所述生物电数据的特征值的比值与该特征值的乘积,得到每个特征值的得分;
计算所有特征值的得分和,得到所述特征值的加权和。
7.一种人体生物电数据处理装置,其特征在于,包括:
获取单元,用于获取生物电数据;
提取单元,用于提取所述生物电数据的特征值;
计算单元,用于对所述特征值进行加权计算,得到特征值的加权和;
分类单元,用于根据预设的数值区间对所述加权和进行分类,得到情绪状态的类别。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
去噪单元,用于在获取生物电数据之后,对所述生物电数据进行去噪,得到去噪后的生物电数据,
所述提取单元用于提取去噪后的生物电数据的特征值。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述的人体生物电数据处理方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的人体生物电数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711484827.4A CN109993180A (zh) | 2017-12-29 | 2017-12-29 | 人体生物电数据处理方法和装置、存储介质和处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711484827.4A CN109993180A (zh) | 2017-12-29 | 2017-12-29 | 人体生物电数据处理方法和装置、存储介质和处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109993180A true CN109993180A (zh) | 2019-07-09 |
Family
ID=67110373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711484827.4A Pending CN109993180A (zh) | 2017-12-29 | 2017-12-29 | 人体生物电数据处理方法和装置、存储介质和处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993180A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628448A (zh) * | 2021-06-28 | 2021-11-09 | 东风汽车集团股份有限公司 | 车辆及其缓解疲劳驾驶的装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101331490A (zh) * | 2005-09-12 | 2008-12-24 | 埃默迪弗系统股份有限公司 | 心理状态的检测和使用心理状态的互动 |
CN103942568A (zh) * | 2014-04-22 | 2014-07-23 | 浙江大学 | 一种基于无监督特征选择的分类方法 |
CN103989485A (zh) * | 2014-05-07 | 2014-08-20 | 朱晓斐 | 基于脑电波的人体疲劳度评价方法 |
CN105167785A (zh) * | 2015-07-31 | 2015-12-23 | 深圳市前海安测信息技术有限公司 | 基于数字化头盔的疲劳监测及预警系统和方法 |
CN105286890A (zh) * | 2015-09-22 | 2016-02-03 | 江西科技学院 | 一种基于脑电信号的驾驶员瞌睡状态监测方法 |
CN105877766A (zh) * | 2016-06-21 | 2016-08-24 | 东北大学 | 一种基于多生理信号融合的精神状态检测系统及方法 |
CN106512206A (zh) * | 2016-11-04 | 2017-03-22 | 清华大学 | 植入式闭环脑深部刺激系统 |
CN106649843A (zh) * | 2016-12-30 | 2017-05-10 | 上海博泰悦臻电子设备制造有限公司 | 基于车载终端的媒体文件推荐方法、系统、及车载终端 |
CN106781283A (zh) * | 2016-12-29 | 2017-05-31 | 东北大学秦皇岛分校 | 一种基于软集合的疲劳驾驶检测方法 |
CN106909784A (zh) * | 2017-02-24 | 2017-06-30 | 天津大学 | 基于二维时频图像深度卷积神经网络的癫痫脑电识别方法 |
CN107220591A (zh) * | 2017-04-28 | 2017-09-29 | 哈尔滨工业大学深圳研究生院 | 多模态智能情绪感知系统 |
CN107280694A (zh) * | 2017-07-18 | 2017-10-24 | 燕山大学 | 一种基于多源信息融合的疲劳检测方法 |
-
2017
- 2017-12-29 CN CN201711484827.4A patent/CN109993180A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101331490A (zh) * | 2005-09-12 | 2008-12-24 | 埃默迪弗系统股份有限公司 | 心理状态的检测和使用心理状态的互动 |
CN103942568A (zh) * | 2014-04-22 | 2014-07-23 | 浙江大学 | 一种基于无监督特征选择的分类方法 |
CN103989485A (zh) * | 2014-05-07 | 2014-08-20 | 朱晓斐 | 基于脑电波的人体疲劳度评价方法 |
CN105167785A (zh) * | 2015-07-31 | 2015-12-23 | 深圳市前海安测信息技术有限公司 | 基于数字化头盔的疲劳监测及预警系统和方法 |
CN105286890A (zh) * | 2015-09-22 | 2016-02-03 | 江西科技学院 | 一种基于脑电信号的驾驶员瞌睡状态监测方法 |
CN105877766A (zh) * | 2016-06-21 | 2016-08-24 | 东北大学 | 一种基于多生理信号融合的精神状态检测系统及方法 |
CN106512206A (zh) * | 2016-11-04 | 2017-03-22 | 清华大学 | 植入式闭环脑深部刺激系统 |
CN106781283A (zh) * | 2016-12-29 | 2017-05-31 | 东北大学秦皇岛分校 | 一种基于软集合的疲劳驾驶检测方法 |
CN106649843A (zh) * | 2016-12-30 | 2017-05-10 | 上海博泰悦臻电子设备制造有限公司 | 基于车载终端的媒体文件推荐方法、系统、及车载终端 |
CN106909784A (zh) * | 2017-02-24 | 2017-06-30 | 天津大学 | 基于二维时频图像深度卷积神经网络的癫痫脑电识别方法 |
CN107220591A (zh) * | 2017-04-28 | 2017-09-29 | 哈尔滨工业大学深圳研究生院 | 多模态智能情绪感知系统 |
CN107280694A (zh) * | 2017-07-18 | 2017-10-24 | 燕山大学 | 一种基于多源信息融合的疲劳检测方法 |
Non-Patent Citations (6)
Title |
---|
XIAO FAN 等: "Dynamic Human Fatigue Detection Using Feature-Level Fusion", 《ICISP 2008》 * |
XUE-QIN HUO 等: "Driving Fatigue Detection with Fusion of EEG and Forehead EOG", 《2016 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)》 * |
呙腾 等: "基于生物电信号的驾驶疲劳检测方法", 《汽车电器》 * |
沈永增 等: "多源信息融合在驾驶疲劳检测中的应用", 《计算机应用与软件》 * |
董守斌 等编著: "《网络信息检索》", 30 April 2010, 西安:西安电子科技大学出版社 * |
郑毅 等译: "《安全系统中的多模态生物特征识别与智能图像处理》", 30 September 2016, 北京:国防工业出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628448A (zh) * | 2021-06-28 | 2021-11-09 | 东风汽车集团股份有限公司 | 车辆及其缓解疲劳驾驶的装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Deep convolutional neural networks on multichannel time series for human activity recognition. | |
Jain et al. | Gender classification in smartphones using gait information | |
CN107918905A (zh) | 异常交易识别方法、装置及服务器 | |
CN108563686B (zh) | 基于混合神经网络的社交网络谣言识别方法及系统 | |
CN103678417B (zh) | 人机交互数据处理方法和装置 | |
CN108875932A (zh) | 图像识别方法、装置和系统及存储介质 | |
CN110728458B (zh) | 一种目标对象的风险监测方法、装置及电子设备 | |
CN111310784B (zh) | 资源数据的处理方法及装置 | |
CN106326654A (zh) | 基于大数据云分析的健康预测系统、智能终端和服务器 | |
CN108937867A (zh) | 一种睡眠状态的监测方法及装置 | |
CN105354407A (zh) | 一种智能穿戴设备用户使用数据的处理方法和系统 | |
CN108549276A (zh) | 一种智能交互控制制水设备的方法及系统 | |
CN111063437A (zh) | 一种个性化慢病分析系统 | |
US20230325950A1 (en) | Updating a document based on transaction analysis | |
CN113724847A (zh) | 基于人工智能的医疗资源分配方法、装置、终端设备及介质 | |
CN109993180A (zh) | 人体生物电数据处理方法和装置、存储介质和处理器 | |
CN108090040A (zh) | 一种文本信息分类方法及系统 | |
Amine et al. | Computer science and its applications | |
CN105573999B (zh) | 识别智能设备用户的方法和装置 | |
CN114968028A (zh) | 基于用户行为分析动态改变菜单布局的方法、设备及介质 | |
CN112765449B (zh) | 一种应用程序展示方法、装置及存储介质 | |
CN107066602A (zh) | 一种新闻信息推送方法及系统 | |
CN106407732A (zh) | 识别目标对象状态的方法、装置及系统和智能服饰 | |
CN106484873A (zh) | 一种大数据分类处理方法 | |
CN110210518A (zh) | 提取降维特征的方法和装置 |
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: 20190709 |
|
RJ01 | Rejection of invention patent application after publication |