CN110413128A - 基于脑电数据的汽车控制方法、装置和存储介质 - Google Patents
基于脑电数据的汽车控制方法、装置和存储介质 Download PDFInfo
- Publication number
- CN110413128A CN110413128A CN201910742649.3A CN201910742649A CN110413128A CN 110413128 A CN110413128 A CN 110413128A CN 201910742649 A CN201910742649 A CN 201910742649A CN 110413128 A CN110413128 A CN 110413128A
- Authority
- CN
- China
- Prior art keywords
- user
- eeg data
- frequency
- eeg
- index
- 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
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/012—Walk-in-place systems for allowing a user to walk in a virtual environment while constraining him to a given position in the physical environment
Abstract
本发明公开了一种基于脑电数据的汽车控制方法。该方法包括:获得用户的脑电数据;根据用户的脑电数据计算用户的注意力指数;根据用户的注意力指数控制汽车的运行速度。本发明还公开了一种基于脑电数据的汽车控制装置及计算机可读存储介质。本发明能够实现提供一种基于用户的脑电数据计算用户的注意力指数,并根据用户的注意力指数控制汽车的运行速度。
Description
技术领域
本发明涉及脑控技术领域,尤其涉及一种基于脑电数据的汽车控制方法、装置和计算机可读存储介质。
背景技术
随着经济的发展,生活水平的提高,儿童游玩设施和场所逐渐增多。一些娱乐设施希望在提供给用户愉快感受的同时,也能够对用户进行一些能力的训练。如注意力,动手能力、思考能力等。专注力,又称为注意力,指一个人专心于某一事物、或活动时的心理状态。在正常情况下,专注力使人们的心理活动朝向某一事物,有选择地接受某些信息,而抑制其它活动和其它信息,并集中全部的心理能量用于所指向的事物。儿童在一些娱乐活动中进行注意力的训练,有助于儿童的成长和锻炼。
但是目前,市面上,还没有一款基于用户的脑电数据,反应用户实时的注意力情况,并根据用户的实时的注意力情况控制儿童游玩汽车速度的设备,用于训练儿童的注意力,无法实现提供给用户一种新的娱乐设施,用于辅助用于增加娱乐的同时,还能够进行注意力的训练。
发明内容
本发明的主要目的在于提供一种基于脑电数据的汽车控制方法、装置和计算机可读存储介质,旨在实现提供一种基于用户的脑电数据计算用户的注意力指数,并根据用户的注意力指数控制汽车的运行速度。
为实现上述目的,本发明提供一种基于脑电数据的汽车控制方法,所述基于脑电数据的汽车控制方法包括以下步骤:
获得用户的脑电数据;
根据用户的脑电数据计算用户的注意力指数;
根据用户的注意力指数控制汽车的运行速度。
可选地,所述用户的脑电数据包括脑电EEG信号值。
可选地,所述根据用户的脑电数据计算用户的注意力指数的步骤包括:
将所述脑电EEG信号值通过预设傅立叶变换算法转换为频域信号;
对所述频域信号进行能量转换,获得能量数值;
对所述脑电EEG信号值、频域信号和能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数。
可选地,所述能量数值为α频能量数值、β频能量数值、δ频能量数值和θ频能量数值。
可选地,所述对所述脑电EEG信号值、频域信号和能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数的步骤包括:
将所述脑电EEG信号值、频域信号和能量数值分别通过预设的神经网络模型进行识别评分,获得分别对应的注意力指数分值;
将所述注意力指数分值进行加权求和,获得用户的注意力指数。
可选地,所述对所述脑电EEG信号值、频域信号和能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数的步骤包括:
根据所述脑电EEG信号值、频域信号和能量数值的类型确定对应的神经网络模型;
对所述脑电EEG信号值、频域信号和能量数值通过所述对应的神经网络模型进行识别评分,确定用户的注意力指数。
可选地,所述根据用户的注意力指数控制汽车的运行速度的步骤包括:
根据用户的注意力指数按照预设规律确定对应的运行速度;
根据所述运行速度控制车辆按照所述运行速度进行行驶。
可选地,所述根据用户的注意力指数按照预设规律确定对应的运行速度的步骤包括:
对所述注意力指数按照预设指数列表进行分类,确定所述注意力指数的数值范围;
根据指数范围所对应的运行速度,获得所述述注意力指数所对应的运行速度。
此外,为实现上述目的,本发明还提供一种基于脑电数据的汽车控制装置,所述基于脑电数据的汽车控制装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于脑电数据的汽车控制程序,所述基于脑电数据的汽车控制程序被所述处理器执行时实现如上所述的基于脑电数据的汽车控制方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有基于脑电数据的汽车控制程序,所述基于脑电数据的汽车控制程序被处理器执行时实现上述的基于脑电数据的汽车控制方法的步骤。
本发明提供一种基于脑电数据的汽车控制方法、装置和计算机存储介质。在该方法中,获得用户的脑电数据;根据用户的脑电数据计算用户的注意力指数;根据用户的注意力指数控制汽车的运行速度。通过上述方式,本发明能够根据用户的脑电数据计算出用户的注意力指数,进而将用户的注意力指数转化为对应的运行速度,让车辆按照运行速度进行运行。本发明能够对基于用户的脑电数据的计算出来的注意力情况通过车辆速度的方式有个直观的表现,让用户能够清楚明了很直观通过速度的方式知道自己当时的注意力情况,进而能够根据提高车辆速度的方式对自己的注意力进行训练,同时,通过赛车等汽车控制的方式能增强用户训练过程中的娱乐性,使用户既能进行注意力的训练,又能产生娱乐效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明基于脑电数据的汽车控制方法第一实施例的流程示意图;
图3为本发明基于脑电数据的汽车控制方法第二实施例的流程示意图;
图4为本发明基于脑电数据的汽车控制方法第三实施例的流程示意图;
图5为本发明基于脑电数据的汽车控制方法第四实施例的流程示意图;
图6为本发明基于脑电数据的汽车控制方法第五实施例的流程示意图;
图7为本发明基于脑电数据的汽车控制方法第六实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑、便携计算机等具有数据处理功能的终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、Wi-Fi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于脑电数据的汽车控制程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的基于脑电数据的汽车控制程序,并执行以下操作:
获得用户的脑电数据;
根据用户的脑电数据计算用户的注意力指数;
根据用户的注意力指数控制汽车的运行速度。
进一步地,处理器1001可以调用存储器1005中存储的基于脑电数据的汽车控制程序,还执行以下操作:
所述用户的脑电数据包括脑电EEG信号值。
进一步地,处理器1001可以调用存储器1005中存储的基于脑电数据的汽车控制程序,还执行以下操作:
将所述脑电EEG信号值通过预设傅立叶变换算法转换为频域信号;
对所述频域信号进行能量转换,获得能量数值;
对所述脑电EEG信号值、频域信号和能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数。
进一步地,处理器1001可以调用存储器1005中存储的基于脑电数据的汽车控制程序,还执行以下操作:
所述能量数值为α频能量数值、β频能量数值、δ频能量数值和θ频能量数值。
进一步地,处理器1001可以调用存储器1005中存储的基于脑电数据的汽车控制程序,还执行以下操作:
将所述脑电EEG信号值、频域信号和能量数值分别通过预设的神经网络模型进行识别评分,获得分别对应的注意力指数分值;
将所述注意力指数分值进行加权求和,获得用户的注意力指数。
进一步地,处理器1001可以调用存储器1005中存储的基于脑电数据的汽车控制程序,还执行以下操作:
根据所述脑电EEG信号值、频域信号和能量数值的类型确定对应的神经网络模型;
对所述脑电EEG信号值、频域信号和能量数值通过所述对应的神经网络模型进行识别评分,确定用户的注意力指数。
进一步地,处理器1001可以调用存储器1005中存储的基于脑电数据的汽车控制程序,还执行以下操作:
根据用户的注意力指数按照预设规律确定对应的运行速度;
根据所述运行速度控制车辆按照所述运行速度进行行驶。
进一步地,处理器1001可以调用存储器1005中存储的基于脑电数据的汽车控制程序,还执行以下操作:
对所述注意力指数按照预设指数列表进行分类,确定所述注意力指数的数值范围;
根据指数范围所对应的运行速度,获得所述述注意力指数所对应的运行速度。
本发明基于脑电数据的汽车控制设备的具体实施例与下述基于脑电数据的汽车控制方法各实施例基本相同,在此不作赘述。
参照图2,图2为本发明基于脑电数据的汽车控制方法第一实施例的流程示意图,所述基于脑电数据的汽车控制方法包括:
步骤S100,获得用户的脑电数据;
在本实施例中,获得用户的脑电数据,所述用户的脑电数据包括脑电EEG信号值。脑电EEG信号值是通过精密的电子仪器,从头皮上将脑部的自发性生物电位加以放大记录而获得的图形,是将脑细胞自发性、节律性电活动所产生与临近部位的5-100微伏电位差,通过精密仪器放大100-200万倍并以清晰曲线描记出来的波形,是研究大脑活动的一种重要的信息来源,是许多神经元共同活动的结果。EEG信号的基本特征包括频率、周期、幅值、相位等。脑电图的波形很不规则,根据其频率、振幅和生理特征分为下列4种基本波形:
1.α波频率每秒8~13Hz,振幅20~100μV。正常安静、清醒闭目时出现。睁开眼睛或接受其他刺激时,立即消失而呈现快波,称为α波阻断。
2.β波频率每秒14~30Hz,振幅5~20μV。睁眼视物,或突然听到音响,或思考问题时可出现此波。一般认为β波是大脑皮层兴奋的表现。
3.θ波频率每秒4~7Hz,振幅100~150μV。在困倦、缺O2或深度麻醉时出现。
4.δ波频率每秒0.5~3Hz,振幅20~200μV。成人睡眠时可出现,清醒时无此波;在深度麻醉和缺O2亦可时出现。
不同的特性的波在不同的状态下信号的表现不同。
脑电图的节律随大脑皮层活动状态的不同而变化。当大脑皮层许多神经元的电活动步调趋于一致,就出现频率较低而振幅较高的节律,称为同步化,如α波即是同步化节律;当神经元的电活动不大一致时,就表现为高频率低振幅的节律,称为去同步化,如α波阻断而出现β波时即是去同步化节律。因此,脑电EEG信号值能反应脑部状态。
脑电数据可以通过脑电电极等传感器获得,也可以通过其他监测设备获得。
步骤S200,根据用户的脑电数据计算用户的注意力指数;
根据用户的脑电数据计算用户的注意力指数,具体的,根据用户的脑电数据通过计算处理后,可以通过预设的模型,获得用户的注意力指数。预设的模型,可以为神经网络模型,当然,也可以为其他网络模型。因为脑电数据反映用户的当时的脑部状况,因此,对脑电数据进行处理分析,可以得知用户当时的注意力情况,即注意力指数。
步骤S300,根据用户的注意力指数控制汽车的运行速度。
在获得用户的注意力指数后,可以根据用户的注意力指数控制汽车的运行速度。如用户的注意力指数最高为100分,当注意力指数为最高时,对应汽车运行速度的上限值;注意力指数最低时,对应汽车运行速度的下限值,即车辆停止运行。车辆的运行速度与注意力指数在这个范围内成正比例,正相关的关系,这样,用户的注意力指数就能通过这种方式映射为车辆的运行速度,进而,就能够根据该运行速度控制车辆进行运行。
本发明提供一种基于脑电数据的汽车控制方法、装置和计算机存储介质。在该方法中,获得用户的脑电数据;根据用户的脑电数据计算用户的注意力指数;根据用户的注意力指数控制汽车的运行速度。通过上述方式,本发明能够根据用户的脑电数据计算出用户的注意力指数,进而将用户的注意力指数转化为对应的运行速度,让车辆按照运行速度进行运行。本发明能够对基于用户的脑电数据的计算出来的注意力情况通过车辆速度的方式有个直观的表现,让用户能够清楚明了很直观通过速度的方式知道自己当时的注意力情况,进而能够根据提高车辆速度的方式对自己的注意力进行训练,同时,通过赛车等汽车控制的方式能增强用户训练过程中的娱乐性,使用户既能进行注意力的训练,又能产生娱乐效果。
请参阅图3,图3为本发明基于脑电数据的汽车控制方法第二实施例的流程示意图。
基于上述实施例,本实施例中,步骤S200包括:
步骤S210,将所述脑电EEG信号值通过预设傅立叶变换算法转换为频域信号;
在本实施例中,先将所述脑电EEG信号值通过预设傅立叶变换算法转换为频域信号。脑电EEG信号值为频时信号,需要通过预设傅立叶变换算法转化为频域信号进行处理。傅里叶变换可以把信号从时间域转换到频域,这样我们就可以观察得到脑波频率的分布。脑波的频率分布会由于精神、情绪状态及电极的位置而变化。
步骤S220,对所述频域信号进行能量转换,获得能量数值;
脑电频域信号是从频域方面描述对脑电数据进行描述。基于外部刺激和内在精神状态,脑波的频域幅度变化很大。脑电频域信号按照频域划分,可以分为α频能量数值、β频能量数值、δ频能量数值和θ频能量数值。其中:
1.α频能量数值频率每秒8~13Hz,振幅20~100μV。正常安静、清醒闭目时出现。睁开眼睛或接受其他刺激时,立即消失而呈现快波,称为α波阻断。
2.β频能量数值频率每秒14~30Hz,振幅5~20μV。睁眼视物,或突然听到音响,或思考问题时可出现此波。一般认为β波是大脑皮层兴奋的表现。
3.θ频能量数值频率每秒4~7Hz,振幅100~150μV。在困倦、缺O2或深度麻醉时出现。
4.δ频能量数值频率每秒0.5~3Hz,振幅20~200μV。成人睡眠时可出现,清醒时无此波;在深度麻醉和缺O2亦可时出现。
将所述频域信号进行能量转换,获得能量数值,即将频域信号进行能量转换,可以转换为这4种α频能量数值、β频能量数值、δ频能量数值和θ频能量数值。
步骤S230,对所述脑电EEG信号值、频域信号和能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数。
将所述脑电EEG信号值、频域信号和4种能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数。预设的神经网络模型为根据大量注意力样本通过训练得到的计算注意力指数的模型,通过对样本进行反复的提取特征,卷积,池化,修改再训练的方式,得到一个脑电能量数值与注意力指数的对应关系模型,通过这个模型,可以在获得能量数值时,通过放入这个模型中,获得该能量数值通过神经网络模型训练计算出来的注意力指数。
请参阅图4,图4为本发明基于脑电数据的汽车控制方法第三实施例的流程示意图。
基于上述实施例,本实施例中,步骤S230包括:
步骤S231,将所述脑电EEG信号值、频域信号和能量数值分别通过预设的神经网络模型进行识别评分,获得分别对应的注意力指数分值;
在本实施例中,可以将脑电EEG信号值、频域信号和4种能量数值分别通过预设的神经网络模型进行识别评分,获得这脑电EEG信号值、频域信号和4种能量数值分别对应的注意力指数分值。即脑电EEG信号值对应获得一个注意力指数分值,频域信号对应获得一个注意力指数分值,多个数值获得多个对应的注意力指数分值。
步骤S232,将所述注意力指数分值进行加权求和,获得用户的注意力指数。
将多个注意力指数分值进行加权求和,获得用户的注意力指数。即将这所有的注意力指数分值进行加权求和,获得一个总分值,该总分值即为用户的注意力指数。
请参阅图5,图5为本发明基于脑电数据的汽车控制方法第四实施例的流程示意图。
基于上述实施例,本实施例中,步骤S230包括:
步骤S233,根据所述脑电EEG信号值、频域信号和能量数值的类型确定对应的神经网络模型;
在本实施例中,根据所述脑电EEG信号值、频域信号和能量数值的类型确定对应的神经网络模型。如脑电EEG信号值、频域信号和能量数值中α频能量数值和β频能量数值对应的神经网络模型为一种神经网络模型;脑电EEG信号值、频域信号和能量数值中δ频能量数值和θ频能量数值对应的神经网络模型为另一种神经网络模型。不同的数据组合不同,类型就不同,对应的神经网络模型也就不同。
步骤S234,对所述脑电EEG信号值、频域信号和能量数值通过所述对应的神经网络模型进行识别评分,确定用户的注意力指数。
在确定脑电EEG信号值、频域信号和能量数值对应的神经网络模型后,将所述脑电EEG信号值、频域信号和能量数值通过所述对应的神经网络模型进行识别评分,确定用户的注意力指数。
请参阅图6,图6为本发明基于脑电数据的汽车控制方法第五实施例的流程示意图。
基于上述实施例,本实施例中,步骤S300包括:
步骤S310,根据用户的注意力指数按照预设规律确定对应的运行速度;
在本实施例中,根据用户的注意力指数控制汽车的运行速度,可以先根据用户的注意力指数按照预设规律确定对应的运行速度。如用户的注意力指数最高为100分,当注意力指数为最高时,对应汽车运行速度的上限值;注意力指数最低时,对应汽车运行速度的下限值,即车辆停止运行。车辆的运行速度与注意力指数在这个范围内成正比例,正相关的关系,这样,用户的注意力指数就能通过这种方式映射为车辆的运行速度,进而,就确定了车辆的运行速度。
步骤S320,根据所述运行速度控制车辆按照所述运行速度进行行驶。
在确定车辆的运行速度后,再根据车辆的运行速度,控制车辆按照该运行速度进行驾驶。
请参阅图7,图7为本发明基于脑电数据的汽车控制方法第六实施例的流程示意图。
基于上述实施例,本实施例中,步骤S310包括:
步骤S311,对所述注意力指数按照预设指数列表进行分类,确定所述注意力指数的数值范围;
在本实施例中,根据用户的注意力指数按照预设规律确定对应的运行速度,可以先对所述注意力指数按照预设指数列表进行分类,确定所述注意力指数的数值范围。如注意力指数为95,则按照预设指数列表,可以确定该注意力指数的数值范围为90-100这一数值范围。这样,就可以将注意力指数按照预设指数列表,确定每个注意力指数的数值范围。
步骤S312,根据指数范围所对应的运行速度,获得所述述注意力指数所对应的运行速度。
在确定每个注意力指数的数值范围后,在根据指数范围所对应的运行速度,获得所述述注意力指数所对应的运行速度。如注意力指数为95,所对应的数值范围为90-100这一数值范围,而90-100这一数值范围对应的运行速度为10米/分钟,则可以确定注意力指数95所对应的运行速度为10米/分钟。
此外,本发明实施例还提出一种计算机可读存储介质。
本发明计算机可读存储介质上存储有基于脑电数据的汽车控制程序,所述基于脑电数据的汽车控制程序被处理器执行时实现如上所述的基于脑电数据的汽车控制方法的步骤。
其中,在所述处理器上运行的基于脑电数据的汽车控制程序被执行时所实现的方法可参照本发明基于脑电数据的汽车控制方法各个实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于脑电数据的汽车控制方法,其特征在于,所述基于脑电数据的汽车控制方法包括以下步骤:
获得用户的脑电数据;
根据用户的脑电数据计算用户的注意力指数;
根据用户的注意力指数控制汽车的运行速度。
2.如权利要求1所述的基于脑电数据的汽车控制方法,其特征在于,所述用户的脑电数据包括脑电EEG信号值。
3.如权利要求2所述的基于脑电数据的汽车控制方法,其特征在于,所述根据用户的脑电数据计算用户的注意力指数的步骤包括:
将所述脑电EEG信号值通过预设傅立叶变换算法转换为频域信号;
对所述频域信号进行能量转换,获得能量数值;
对所述脑电EEG信号值、频域信号和能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数。
4.如权利要求3所述的基于脑电数据的汽车控制方法,其特征在于,所述能量数值为α频能量数值、β频能量数值、δ频能量数值和θ频能量数值。
5.如权利要求4所述的基于脑电数据的汽车控制方法,其特征在于,所述对所述脑电EEG信号值、频域信号和能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数的步骤包括:
将所述脑电EEG信号值、频域信号和能量数值分别通过预设的神经网络模型进行识别评分,获得分别对应的注意力指数分值;
将所述注意力指数分值进行加权求和,获得用户的注意力指数。
6.如权利要求3所述的基于脑电数据的汽车控制方法,其特征在于,所述对所述脑电EEG信号值、频域信号和能量数值通过预设的神经网络模型进行识别评分,获得用户的注意力指数的步骤包括:
根据所述脑电EEG信号值、频域信号和能量数值的类型确定对应的神经网络模型;
对所述脑电EEG信号值、频域信号和能量数值通过所述对应的神经网络模型进行识别评分,确定用户的注意力指数。
7.如权利要求1所述的基于脑电数据的汽车控制方法,其特征在于,所述根据用户的注意力指数控制汽车的运行速度的步骤包括:
根据用户的注意力指数按照预设规律确定对应的运行速度;
根据所述运行速度控制车辆按照所述运行速度进行行驶。
8.如权利要求7所述的基于脑电数据的汽车控制方法,其特征在于,所述根据用户的注意力指数按照预设规律确定对应的运行速度的步骤包括:
对所述注意力指数按照预设指数列表进行分类,确定所述注意力指数的数值范围;
根据指数范围所对应的运行速度,获得所述述注意力指数所对应的运行速度。
9.一种基于脑电数据的汽车控制装置,其特征在于,所述基于脑电数据的汽车控制装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于脑电数据的汽车控制程序,所述基于脑电数据的汽车控制程序被所述处理器执行时实现如权利要求1至8中任一项所述基于脑电数据的汽车控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于脑电数据的汽车控制程序,所述基于脑电数据的汽车控制程序被处理器执行时实现如权利要求1至8中任一项所述基于脑电数据的汽车控制方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742649.3A CN110413128A (zh) | 2019-08-12 | 2019-08-12 | 基于脑电数据的汽车控制方法、装置和存储介质 |
PCT/CN2020/106059 WO2021027593A1 (zh) | 2019-08-12 | 2020-07-31 | 基于脑电数据的汽车控制方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742649.3A CN110413128A (zh) | 2019-08-12 | 2019-08-12 | 基于脑电数据的汽车控制方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110413128A true CN110413128A (zh) | 2019-11-05 |
Family
ID=68367141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910742649.3A Pending CN110413128A (zh) | 2019-08-12 | 2019-08-12 | 基于脑电数据的汽车控制方法、装置和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110413128A (zh) |
WO (1) | WO2021027593A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897414A (zh) * | 2020-06-10 | 2020-11-06 | 中国联合网络通信集团有限公司 | 控制物体速度的方法、系统及电子设备 |
WO2021027593A1 (zh) * | 2019-08-12 | 2021-02-18 | 浙江强脑科技有限公司 | 基于脑电数据的汽车控制方法、装置和存储介质 |
CN114796790A (zh) * | 2022-06-23 | 2022-07-29 | 深圳市心流科技有限公司 | 基于脑电的大脑训练方法、装置、智能终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102397703A (zh) * | 2011-11-23 | 2012-04-04 | 杭州尚想科技有限公司 | 一种新型的基于脑电控制的寻径小车系统 |
CN103657107A (zh) * | 2013-11-08 | 2014-03-26 | 北京林业大学 | 一种可由人体脑电波强度控制的玩具赛车 |
US20140094707A1 (en) * | 2003-09-12 | 2014-04-03 | Bodymedia, Inc. | Wearable apparatus for measuring heart-related parameters and deriving human status parameters from sensed physiological and contextual parameters |
CN204337757U (zh) * | 2014-12-01 | 2015-05-20 | 陈伯荣 | 一种小型赛车控制系统 |
CN106504475A (zh) * | 2016-10-15 | 2017-03-15 | 北海益生源农贸有限责任公司 | 基于脑电信号的疲劳驾驶检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015095111A (ja) * | 2013-11-12 | 2015-05-18 | 株式会社デンソー | 運転支援システム |
CN104958911A (zh) * | 2015-06-18 | 2015-10-07 | 杭州回车电子科技有限公司 | 基于脑机接口的路轨赛车系统及控制方法 |
CN105709426B (zh) * | 2016-04-28 | 2018-04-17 | 华南理工大学广州学院 | 一种玩具赛车的控制方法及装置 |
CN110413128A (zh) * | 2019-08-12 | 2019-11-05 | 浙江强脑科技有限公司 | 基于脑电数据的汽车控制方法、装置和存储介质 |
CN110837298B (zh) * | 2019-10-31 | 2022-04-29 | 福建心动生物科技有限公司 | 基于专注和视觉的脑电波遥控训练系统及方法 |
-
2019
- 2019-08-12 CN CN201910742649.3A patent/CN110413128A/zh active Pending
-
2020
- 2020-07-31 WO PCT/CN2020/106059 patent/WO2021027593A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140094707A1 (en) * | 2003-09-12 | 2014-04-03 | Bodymedia, Inc. | Wearable apparatus for measuring heart-related parameters and deriving human status parameters from sensed physiological and contextual parameters |
CN102397703A (zh) * | 2011-11-23 | 2012-04-04 | 杭州尚想科技有限公司 | 一种新型的基于脑电控制的寻径小车系统 |
CN103657107A (zh) * | 2013-11-08 | 2014-03-26 | 北京林业大学 | 一种可由人体脑电波强度控制的玩具赛车 |
CN204337757U (zh) * | 2014-12-01 | 2015-05-20 | 陈伯荣 | 一种小型赛车控制系统 |
CN106504475A (zh) * | 2016-10-15 | 2017-03-15 | 北海益生源农贸有限责任公司 | 基于脑电信号的疲劳驾驶检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021027593A1 (zh) * | 2019-08-12 | 2021-02-18 | 浙江强脑科技有限公司 | 基于脑电数据的汽车控制方法、装置和存储介质 |
CN111897414A (zh) * | 2020-06-10 | 2020-11-06 | 中国联合网络通信集团有限公司 | 控制物体速度的方法、系统及电子设备 |
CN111897414B (zh) * | 2020-06-10 | 2024-01-30 | 中国联合网络通信集团有限公司 | 控制物体速度的方法、系统及电子设备 |
CN114796790A (zh) * | 2022-06-23 | 2022-07-29 | 深圳市心流科技有限公司 | 基于脑电的大脑训练方法、装置、智能终端及存储介质 |
CN114796790B (zh) * | 2022-06-23 | 2022-09-27 | 深圳市心流科技有限公司 | 基于脑电的大脑训练方法、装置、智能终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021027593A1 (zh) | 2021-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alakus et al. | Database for an emotion recognition system based on EEG signals and various computer games–GAMEEMO | |
Vasiljevic et al. | Brain–computer interface games based on consumer-grade EEG Devices: A systematic literature review | |
US20210012675A1 (en) | Teaching method and teaching device for improving attention, and computer readable storage medium | |
KR101680995B1 (ko) | 생물 물리학적 신호의 수집된 시간적 및 공간적 패턴에 기초한 뇌-컴퓨터 인터페이스(bci) 시스템 | |
CA2935813C (en) | Adaptive brain training computer system and method | |
Clore et al. | Affective guidance of intelligent agents: How emotion controls cognition | |
CN110413128A (zh) | 基于脑电数据的汽车控制方法、装置和存储介质 | |
WO2020037332A2 (en) | Systems and methods for personalized learning and attention evaluation through neuro-feedback training | |
Liu et al. | EEG-based dominance level recognition for emotion-enabled interaction | |
Elzeiny et al. | Machine learning approaches to automatic stress detection: A review | |
Czerwinski et al. | Building an AI that feels: AI systems with emotional intelligence could learn faster and be more helpful | |
KR101056793B1 (ko) | 뇌파를 이용한 학습 장치 및 학습 방법 | |
KR20210103372A (ko) | 대화형 뇌-컴퓨터 인터페이스 기반 스마트 홈 제어 방법 및 서버 | |
Ülker et al. | Relations of attention and meditation level with learning in engineering education | |
Heraz et al. | Recognition of emotions conveyed by touch through force-sensitive screens: Observational study of humans and machine learning techniques | |
CN109758767A (zh) | 游戏难度调整方法、终端及计算机可读存储介质 | |
US20210183477A1 (en) | Relieving chronic symptoms through treatments in a virtual environment | |
Brenninkmeijer | Neurofeedback as a dance of agency | |
Jayakody Arachchige et al. | A hybrid EEG and head motion system for smart home control for disabled people | |
CN106293383A (zh) | 用于控制机动车辆的界面装置的方法 | |
CN109821234A (zh) | 游戏控制方法、移动终端及计算机可读存储介质 | |
Faria et al. | Towards ai-based interactive game intervention to monitor concentration levels in children with attention deficit | |
Sourina et al. | EEG-based serious games | |
Mansour et al. | On The road to a comparative car racing EEG-based signals for mental and physical brain activity evaluation | |
CN109859822A (zh) | 情绪调节方法、装置及计算机可读存储介质 |
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: 20191105 |
|
RJ01 | Rejection of invention patent application after publication |