CN111046854A - 一种脑电波外部识别方法、装置及系统 - Google Patents
一种脑电波外部识别方法、装置及系统 Download PDFInfo
- Publication number
- CN111046854A CN111046854A CN202010026175.5A CN202010026175A CN111046854A CN 111046854 A CN111046854 A CN 111046854A CN 202010026175 A CN202010026175 A CN 202010026175A CN 111046854 A CN111046854 A CN 111046854A
- Authority
- CN
- China
- Prior art keywords
- data
- identification
- brain wave
- electroencephalogram
- feature data
- 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 87
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000003710 cerebral cortex Anatomy 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims description 14
- 230000007177 brain activity Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000002996 emotional effect Effects 0.000 claims description 9
- 230000008451 emotion Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Abstract
本发明提供了一种脑电波外部识别方法、装置及系统。多通道脑电干电极装置从大脑皮层获取脑电信号，再经过数据处理得到该段脑电信号的特征数据，数据库对特征数据进行脑电信息匹配及识别，得到识别结果，并对识别结构进行实体化；解决了现有技术中无法快速准确的对脑电波信息进行识别且识别结果无法直观进行展示的技术问题，达到了快速准确识别脑电波信息并直观展示识别结果的技术效果。
Description
技术领域
发明涉及神经工程学技术领域，具体而言，涉及一种脑电波外部识别方法、装置及系统。
背景技术
BCI(Brain-Computer Interface,脑机接口)是一种基于脑电信号来实现人脑与计算机或其它电子设备进行通讯和控制的系统，它是一个不依靠外周神经和肌肉组织等通常的大脑输出通道的通信系统。换言之，BCI是在人脑与计算机之间建立的直接的交流和控制通道，通过这种通道，人就可以直接通过脑来表达想法或操纵设备,而不需要语言或肢体动作。
它的原理是：因为人类在进行各项生理活动时都在放电。用科学仪器测量大脑的电位活动，那么在荧幕上就会显示出波浪一样的图形，这就是“脑波”。通过对脑电信息的分析解读，可将其进一步转化为相应的动作。但是不同人对于同一动作的脑电波差异很大，针对不同人的识别差异会很大。随着大数据时代的到来，对于大数据的存储处理大多使用数据库。数据库是长期储存在计算机内、有组织的、可共享的数据集合。可以利用脑电波传感器，对不同人做不同动作时产生的脑电波进行检测、并分别记录在数据库中。当人们使用所发明的脑电波处理系统，首先佩戴好脑电波检测传感器，接着进行身份识别，进入对应的数据库，然后将用户的脑电波与对应数据库中的脑电波数据进行比对，从而识别出用户的意思；然而现有的识别装置，大多需要耗费较大的时间及计算量，且现有的识别装置的识别成功率依然有很大的改进空间且识别结果无法直观的进行展示。
发明内容
本发明的主要目的在于提供一种脑电波外部识别装置，旨在解决现有技术中存在的无法快速准确的对脑电波信息进行识别且识别结果无法直观进行展示的技术问题。
为达到上述目的，本发明提出一种脑电波外部识别方法，所述脑电波外部识别方法包括以下步骤：
获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据；
对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类；
当分类结果为具备模型特征的特征数据时，将该特征数据与模型数据库进行脑电信息匹配及识别，得到识别结果后3D快速成型装置自动对所述识别结果进行实体化。
易于理解的是，本发明通过对脑电数据进行挑选，选出其中的特征数据进行匹配即使别，以达到快速准确对脑电波信息进行识别的技术效果，还通过3D快速成型装置自动对识别结果进行实体化，以达到直观展示识别结果的技术效果；解决了现有技术中，无法快速准确的对脑电波信息进行识别且识别结果无法直观进行展示的技术问题，提高了用户体验。
优选地，所述对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类的步骤之后；所述脑电波外部识别方法还包括以下步骤：
当分类结果为具备音频特征的特征数据时，将该特征数据与音频数据库进行脑电数据匹配及识别，得到识别结果后通过音频播放装置播放所述识别结果。
优选地，所述获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据的步骤之后，所述脑电波外部识别方法还包括以下步骤：
对所述脑电数据进行识别，得到对应的大脑活跃程度及情绪状态；
将所述大脑活跃程度及情绪状态以图文的形式展示在显示装置上。
优选地，所述获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据的步骤之后，所述脑电波外部识别方法还包括以下步骤：
当分类结果为具备图文特征的特征数据时，将该特征数据与图文数据库进行脑电信息匹配及识别，得到识别结果后，通过显示装置对该识别结果进行展示。
需要说明的是，本发明通过对特征数据进行分类，并根据分类结果选用对应的数据库进行匹配与识别，进一步提高了识别速度与识别准确性；还增加了显示装置与播放装置，使得识别结果的展示更加直观，进一步解决了现有技术中存在的，无法快速准确的对脑电波信息进行识别且识别结果无法直观进行展示的技术问题。
优选地，所述对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类的步骤之后，所述脑电波外部识别方法还包括以下步骤：
当无法得到特征数据的分类结果时，通过网络向服务器发送该特征数据；
响应于服务器返回的分类结果，当分类结果为具备模型特征的特征数据时，下载对应的特征数据，并根据模型数据库中，特征数据的使用频率及上一次使用时间对模型数据库中的特征数据按照预设规则进行清理。
值得强调的是，本申请通过网络对数据库中的特征数据对模型数据库进行更新，在相同计算量的情况下，进一步提高了本申请的识别速度与识别准确率，达到了快速准确对脑电波信息进行识别的技术效果。
本发明还提出一种脑电波外部识别装置，所述脑电波外部识别装置包括获取模块、处理模块及识别展示模块；
所述获取模块，用于获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据；
所述处理模块，用于对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类；
所述识别展示模块，用于当分类结果为具备模型特征的特征数据时，将该特征数据与模型数据库进行脑电信息匹配及识别，得到识别结果后3D快速成型装置自动对所述识别结果进行实体化。
本发明还提出一种脑电波外部识别装置，包括存储器及处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于当执行所述计算机程序时，实现如上所述的脑电波外部识别方法。
本发明还提出一种脑电波外部识别系统，所述脑电波外部识别系统包括如上所述的脑电波外部识别装置以及3D快速成型装置和多通道脑电干电极装置；
所述3D快速成型装置，用于对所述模型数据库的匹配结果自动进行实体化；
所述多通道脑电干电极装置，用于获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据。
优选地，所述脑电波外部识别系统还包括显示装置及播放装置；
所述显示装置，用于对所述图文数据库的匹配结果进行显示；
所述显示装置，还用于所述大脑活跃程度及情绪状态进行显示；
所述音频播放装置，用于对所述音频数据库的匹配结果进行播放。
优选地，所述脑电波外部识别系统还通过网络与服务器连接；将识别失败的特征数据发送至所述服务器，并通过所述服务器更新所述存储器中存储的计算机程序。
本发明通过对脑电数据进行挑选，选出其中的特征数据进行匹配即使别，以达到快速准确对脑电波信息进行识别的技术效果，还通过3D快速成型装置自动对识别结果进行实体化，以达到直观展示识别结果的技术效果；解决了现有技术中，无法快速准确的对脑电波信息进行识别且识别结果无法直观进行展示的技术问题，提高了用户体验。
附图说明
图1为本发明脑电波外部识别装置第一实施例的流程示意图；
图2为本发明脑电波外部识别装置第二实施例的流程示意图；
图3为本发明脑电波外部识别装置第三实施例的流程示意图；
图4为本发明脑电波外部识别方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
本发明提出一种脑电波外部识别方法，
参照图1，本发明实施例的脑电波外部识别方法包括以下步骤：
S10、获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据；
易于理解的是，由于人体大脑活动时大脑皮层会产生电信号，而该信号并不能被直接进行保存和挑选，原始数据不利于后续的加工，故而需要对其进行处理得到对应的脑电数据。
S20、对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类；
值得说明的是，脑电数据是一个持续的数据，其中包含了大量与用户想要表达的信息无关的信息，而本步骤则对这些信息进行挑选，甄别无关的信息，降低识别的工作量，相应的提高识别速度，提升用户体验。
S30、当分类结果为具备模型特征的特征数据时，将该特征数据与模型数据库进行脑电信息匹配及识别，得到识别结果后3D快速成型装置自动对所述识别结果进行实体化。
需要强调的是，通常情况下，脑电数据无法全部识别，但是由于用户在同一时间内需要表达的含义之间存在关联性，故而可以通过联系识别成功的信息及近似信息对无法识别的数据进行猜测；例如本实施例中的匹配及识别包括匹配已知信息和通过匹配出的已知信息及模型数据库中的近似数据来识别未知数据，首先保证了特征数据的完整识别，其次最大程度上保障了识别的准确率。
本实施例通过对脑电数据进行挑选，得到特征数据，进而通过仅对特征数据进行匹配降低了计算量，提高了计算速度；还依据同一时间产生的数据直接的关联性，对无法匹配的数据进行合理的识别，且由于都是在模型数据库中，则从该数据库相似的特征数据可以作为参考，提高了脑电数据识别的识别速度与识别准确性，保证了特征数据的完整识别，还通过识别结果实体化的方式，使得用户能够直观了解到识别结果。
参照图2，本发明在步骤S20之后还包括以下步骤：
S21、当分类结果为具备音频特征的特征数据时，将该特征数据与音频数据库进行脑电数据匹配及识别，得到识别结果后通过音频播放装置播放所述识别结果。
易于理解的是，由于识别结果可能是音频，故而本实施例针对识别结果为音频的情况，增加音频播放设备，用于对识别结果进行播放，使得用户及用户周围的人可以准确获取到识别的音频结果。
具体地，本发明在步骤S10之后还包括以下步骤：
S11、对所述脑电数据进行识别，得到对应的大脑活跃程度及情绪状态；
需要说明的是，大脑活跃程度及情绪状态识别较为简单，可以用于辅助了解用户想要表达的信息中包含的情感，而脑电数据包含有该数据，但其不属于特征数据，故而需要单独进行提取。
S12、将所述大脑活跃程度及情绪状态以图文的形式展示在显示装置上。
易于理解的是，该步骤可用于对大脑活跃程度及情绪状态并将其进行可视化，直观展示用户音频中包含的情感，解决播放的音频不能准确表达用户情绪的问题。
参照图3，本发明在步骤S20之后还包括以下步骤：
S22、当分类结果为具备图文特征的特征数据时，将该特征数据与图文数据库进行脑电信息匹配及识别，得到识别结果后，通过显示装置对该识别结果进行展示。
值得强调的是，由于识别结果可能是图文，故而本实施例针对识别结果为图文的情况，对识别结果进行显示，使得用户及用户周围的人可以准确获取到识别的图文结果。
本实施例通过增加更多的展示设备及对应的数据库，更加直观的对识别结果进行全面的展示，降低了用户门槛，提高了用户体验，进一步解决了识别结果无法直观进行展示的技术问题。
参照图4，本发明在步骤S20之后还包括以下步骤：
S23、当无法得到特征数据的分类结果时，通过网络向服务器发送该特征数据；
需要说明的是，由于数据存储容量及计算能力的限制，本实施例采用联网的方式通过，服务器存储更多的数据，并提供更多的计算量，进一步提高了识别的准确性。
S24、响应于服务器返回的分类结果，当分类结果为具备模型特征的特征数据时，下载对应的特征数据，并根据模型数据库中特征数据的使用频率及上一次使用时间对模型数据库中的特征数据按照预设规则进行清理。
需要强调的是，在本实施例中，当本地存储的数据无法得到结果时，可以通过网络向服务器获取结果，同时通过网络下载该结果对应的特征数据并删除本地存储中存储时间超过阈值且使用频率最低的数据，以降低本地识别的计算量，保障本地识别的时间维持在较低的水平。
本实施例通过联网的方式解决了数据存储量及计算量不足的问题，并通过制定更新规则，使得用户在使用本产品时，不断提升本产品针对该用户使用场景的准确性及识别速度，提高了用户体验，达到了快速准确的对脑电波信息进行识别的技术效果。
本发明实施例提供的一种脑电波外部识别装置，具体包括获取模块、处理模块及识别展示模块；其中，
所述获取模块，用于获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据；
所述处理模块，用于对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类；
所述识别展示模块，用于当分类结果为具备模型特征的特征数据时，将该特征数据与模型数据库进行脑电信息匹配及识别，得到识别结果后3D快速成型装置自动对所述识别结果进行实体化。
易于理解的是，获取模块与头皮接触，采集人脑电波，获取脑电数据，而处理模块对脑电数据进行挑选，得到特征数据，而其中的特征数据至少包括模型数据库中有对应结果的人脑电波数据，及与常见的人脑电波相比存在明显特征的人脑电波数据；在匹配及识别的过程中，对特征数据中已有结果的数据进行匹配得到匹配结果，再对存在明显特征但没有匹配结果的特征数据结合同一时间段内的其它特征数据的匹配结果及模型数据库中相似度较高的匹配结果进行分析识别，即可得到识别结果，对识别结果进行实体化后，即可解决现有技术中存在的无法快速准确的对脑电波信息进行识别且识别结果无法直观进行展示的技术问题。
在本发明另一实施例中，一种脑电波外部识别装置包括存储器及处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如上所述的脑电波外部识别方法。该装置可以为单片机等装置。
在本发明另一实施例中，一种脑电波外部识别系统，包括如上所述的脑电波外部识别装置以及3D快速成型装置和多通道脑电干电极装置；其中，
所述3D快速成型装置，用于对所述模型数据库的匹配结果自动进行实体化；
所述多通道脑电干电极装置，用于获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据。
需要说明的是，多通道脑电感觉装置已经比较成熟了，其对大脑皮层处的脑电信号的获取及预处理已经得到了广泛的引用，而3D快速成型装置在本申请中，通过合理的设计使得其可以在接收到脑电波外部识别装置发来的数据后，自动开始针对这些数据进行建模，降低了用户的使用难度。
具体地，所述脑电波外部识别系统还包括显示装置及播放装置；其中，
所述显示装置，用于对所述图文数据库的匹配结果进行显示；
所述显示装置，还用于所述大脑活跃程度及情绪状态进行显示；
所述音频播放装置，用于对所述音频数据库的匹配结果进行播放。
值得强调的是，本实施例通过声音与图像结合的方式，准确的表达了用户希望表达的含义，使得用户能够更加直观的感受到脑电数据的识别结果，还可以通过分析大脑的活跃程度及情绪状态来辅助了解播放的音频中包含的感情，进一步提高了用户对识别结果接收的准确性。
具体地，所述脑电波外部识别系统还通过网络与服务器连接；将识别失败的特征数据发送至所述服务器，并通过所述服务器更新所述存储器中存储的计算机程序。
需要强调的是，在本实施例中，还可以通过修改服务器中存储的数据的方式，不断更新本地所存储的计算机程序，为后续的迭代与更新提供了更多的方案，且通过对识别失败案例的分析，不断改进本方案，使得发明技术方案可以随着用户的使用不断完善。
虽然本公开披露如上，但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种脑电波外部识别方法，其特征在于，所述脑电波外部识别方法包括以下步骤：
获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据；
对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类；
当分类结果为具备模型特征的特征数据时，将该特征数据与模型数据库进行脑电信息匹配及识别，得到识别结果后通过3D快速成型装置自动对所述识别结果进行实体化。
2.根据权利要求1所述的脑电波外部识别方法，其特征在于，所述对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类的步骤之后；所述脑电波外部识别方法还包括以下步骤：
当分类结果为具备音频特征的特征数据时，将该特征数据与音频数据库进行脑电数据匹配及识别，得到识别结果后通过音频播放装置播放所述识别结果。
3.根据权利要求2所述的脑电波外部识别方法，其特征在于，所述获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据的步骤之后，所述脑电波外部识别方法还包括以下步骤：
对所述脑电数据进行识别，得到对应的大脑活跃程度及情绪状态；
将所述大脑活跃程度及情绪状态以图文的形式展示在显示装置上。
4.根据权利要求1所述的脑电波外部识别方法，其特征在于，所述获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据的步骤之后，所述脑电波外部识别方法还包括以下步骤：
当分类结果为具备图文特征的特征数据时，将该特征数据与图文数据库进行脑电信息匹配及识别，得到识别结果后，通过显示装置对该识别结果进行展示。
5.根据权利要求1所述的脑电波外部识别方法，其特征在于，所述对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类的步骤之后，所述脑电波外部识别方法还包括以下步骤：
当无法得到特征数据的分类结果时，通过网络向服务器发送该特征数据；
响应于服务器返回的分类结果，当分类结果为具备模型特征的特征数据时，下载对应的特征数据，并根据模型数据库中特征数据的使用频率及上一次使用时间对模型数据库中的特征数据按照预设规则进行清理。
6.一种脑电波外部识别装置，其特征在于，所述脑电波外部识别装置包括获取模块、处理模块及识别展示模块；其中，
所述获取模块，用于获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据；
所述处理模块，用于对所述脑电数据进行挑选，得到特征数据，并对所述特征数据进行分类；
所述识别展示模块，用于当分类结果为具备模型特征的特征数据时，将该特征数据与模型数据库进行脑电信息匹配及识别，得到识别结果后通过3D快速成型装置自动对所述识别结果进行实体化。
7.一种脑电波外部识别装置，其特征在于，包括存储器及处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于当执行所述计算机程序时，实现如权利要求1至5中任一项所述的脑电波外部识别方法。
8.一种脑电波外部识别系统，其特征在于，所述脑电波外部识别系统包括如权利要求7所述的脑电波外部识别装置以及3D快速成型装置和多通道脑电干电极装置；其中，
所述3D快速成型装置，用于对所述模型数据库的匹配结果自动进行实体化；所述多通道脑电干电极装置，用于获取大脑皮层处的脑电信号并将其进行预处理后得到脑电数据。
9.如权利要求8所述的脑电波外部识别系统，其特征在于，所述脑电波外部识别系统还包括显示装置及播放装置；其中，
所述显示装置，用于对所述图文数据库的匹配结果进行显示；
所述显示装置，还用于所述大脑活跃程度及情绪状态进行显示；
所述音频播放装置，用于对所述音频数据库的匹配结果进行播放。
10.如权利要求8所述的脑电波外部识别系统，其特征在于，所述脑电波外部识别系统还通过网络与服务器连接；将识别失败的特征数据发送至所述服务器，并通过所述服务器更新所述存储器中存储的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010026175.5A CN111046854B (zh) | 2020-01-10 | 2020-01-10 | 一种脑电波外部识别方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010026175.5A CN111046854B (zh) | 2020-01-10 | 2020-01-10 | 一种脑电波外部识别方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111046854A true CN111046854A (zh) | 2020-04-21 |
| CN111046854B CN111046854B (zh) | 2024-01-26 |
Family
ID=70244285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010026175.5A Active CN111046854B (zh) | 2020-01-10 | 2020-01-10 | 一种脑电波外部识别方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111046854B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842471A (zh) * | 2023-09-04 | 2023-10-03 | 南通联拓信息科技有限公司 | 基于图像识别技术的异常脑电波识别以及归类方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130097300A (ko) * | 2012-02-24 | 2013-09-03 | 김웅식 | 계층적 뇌파인식 방법 및 시스템 |
| CN103646587A (zh) * | 2013-12-05 | 2014-03-19 | 北京京东方光电科技有限公司 | 一种智能眼镜及其控制方法 |
| KR20150093393A (ko) * | 2014-02-07 | 2015-08-18 | 건양대학교산학협력단 | 계층적 뇌파인식 방법 및 시스템 |
| 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 |
| CN107704881A (zh) * | 2017-10-12 | 2018-02-16 | 公安部南昌警犬基地 | 一种基于动物脑电识别的数据可视化处理方法及装置 |
| CN108776788A (zh) * | 2018-06-05 | 2018-11-09 | 电子科技大学 | 一种基于脑电波的识别方法 |
| CN109124624A (zh) * | 2018-06-15 | 2019-01-04 | 深圳市环球易购电子商务有限公司 | 脑电波模板获取方法及相关产品 |
| CN109419505A (zh) * | 2017-08-27 | 2019-03-05 | 南京乐朋电子科技有限公司 | 一种脑电波处理系统 |
| CN110246519A (zh) * | 2019-07-25 | 2019-09-17 | 深圳智慧林网络科技有限公司 | 情绪识别方法、设备及计算机可读存储介质 |
| CN110464366A (zh) * | 2019-07-01 | 2019-11-19 | 华南师范大学 | 一种情绪识别方法、系统及存储介质 |
| CN110556129A (zh) * | 2019-09-09 | 2019-12-10 | 北京大学深圳研究生院 | 双模态情感识别模型训练方法及双模态情感识别方法 |
-
2020
- 2020-01-10 CN CN202010026175.5A patent/CN111046854B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130097300A (ko) * | 2012-02-24 | 2013-09-03 | 김웅식 | 계층적 뇌파인식 방법 및 시스템 |
| CN103646587A (zh) * | 2013-12-05 | 2014-03-19 | 北京京东方光电科技有限公司 | 一种智能眼镜及其控制方法 |
| KR20150093393A (ko) * | 2014-02-07 | 2015-08-18 | 건양대학교산학협력단 | 계층적 뇌파인식 방법 및 시스템 |
| 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 |
| CN109419505A (zh) * | 2017-08-27 | 2019-03-05 | 南京乐朋电子科技有限公司 | 一种脑电波处理系统 |
| CN107704881A (zh) * | 2017-10-12 | 2018-02-16 | 公安部南昌警犬基地 | 一种基于动物脑电识别的数据可视化处理方法及装置 |
| CN108776788A (zh) * | 2018-06-05 | 2018-11-09 | 电子科技大学 | 一种基于脑电波的识别方法 |
| CN109124624A (zh) * | 2018-06-15 | 2019-01-04 | 深圳市环球易购电子商务有限公司 | 脑电波模板获取方法及相关产品 |
| CN110464366A (zh) * | 2019-07-01 | 2019-11-19 | 华南师范大学 | 一种情绪识别方法、系统及存储介质 |
| CN110246519A (zh) * | 2019-07-25 | 2019-09-17 | 深圳智慧林网络科技有限公司 | 情绪识别方法、设备及计算机可读存储介质 |
| CN110556129A (zh) * | 2019-09-09 | 2019-12-10 | 北京大学深圳研究生院 | 双模态情感识别模型训练方法及双模态情感识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 程善光;赵伟鹏;: "基于CSSD和SVM脑电分类技术的研究", 中国西部科技, no. 02 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842471A (zh) * | 2023-09-04 | 2023-10-03 | 南通联拓信息科技有限公司 | 基于图像识别技术的异常脑电波识别以及归类方法 |
| CN116842471B (zh) * | 2023-09-04 | 2023-12-01 | 南通联拓信息科技有限公司 | 基于图像识别技术的异常脑电波识别以及归类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111046854B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11380316B2 (en) | Speech interaction method and apparatus | |
| Wang et al. | Channel selection method for EEG emotion recognition using normalized mutual information | |
| CN111209885A (zh) | 一种手势信息处理方法、装置、电子设备及存储介质 | |
| CN105105771B (zh) | 潜能值测验的认知指标分析方法 | |
| CN112488002B (zh) | 基于n170的情绪识别方法及识别系统 | |
| Kortelainen et al. | EEG-based recognition of video-induced emotions: selecting subject-independent feature set | |
| CN110367976B (zh) | 脑电波信号检测方法、相关设备和存储介质 | |
| CN114391846A (zh) | 一种基于过滤式特征选择的情绪识别方法及系统 | |
| CN109770896A (zh) | 梦境图像重现方法、装置及存储介质、服务器 | |
| CN114756121A (zh) | 基于脑机接口的虚拟现实可交互式情绪检测与调控系统 | |
| CN114431879A (zh) | 一种基于脑电图的眨眼咬牙判断方法及系统 | |
| CN111276159A (zh) | 一种婴儿发音分析方法及服务器 | |
| CN113749656B (zh) | 基于多维生理信号的情感识别方法和装置 | |
| CN111046854B (zh) | 一种脑电波外部识别方法、装置及系统 | |
| US20210259616A1 (en) | Knowledge, interest and experience discovery by psychophysiologic response to external stimulation | |
| Jaswal et al. | Empirical analysis of multiple modalities for emotion recognition using convolutional neural network | |
| CN115206489A (zh) | 一种基于神经反馈系统的冥想训练方法、装置及电子设备 | |
| KR20230148166A (ko) | 사용자의 감정 상태를 수정하는 장치 및 방법 | |
| CN113220122A (zh) | 脑波音频处理方法、设备及系统 | |
| CN109325402B (zh) | 一种信号处理方法、系统及计算机存储介质 | |
| WO2024009944A1 (ja) | 情報処理方法、記録媒体、及び情報処理装置 | |
| CN116913525B (zh) | 特征组归一化方法、装置、电子设备和存储介质 | |
| CN113842152B (zh) | 脑电信号分类网络训练方法、分类方法、设备及存储介质 | |
| CN117653140A (zh) | 基于脑电响应与深度学习模型的声事件检测方法及检测平台 | |
| Vasco et al. | Mental Face Image Retrieval Based on a Closed-Loop Brain-Computer Interface |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |