CN112086196A - 多选择性注意力评估与训练的方法及系统 - Google Patents
多选择性注意力评估与训练的方法及系统 Download PDFInfo
- Publication number
- CN112086196A CN112086196A CN202010973236.9A CN202010973236A CN112086196A CN 112086196 A CN112086196 A CN 112086196A CN 202010973236 A CN202010973236 A CN 202010973236A CN 112086196 A CN112086196 A CN 112086196A
- Authority
- CN
- China
- Prior art keywords
- attention
- movement
- target object
- selected target
- testee
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000010332 selective attention Effects 0.000 title claims abstract description 46
- 238000012549 training Methods 0.000 title claims abstract description 27
- 230000003935 attention Effects 0.000 claims abstract description 119
- 238000011156 evaluation Methods 0.000 claims abstract description 89
- 230000004424 eye movement Effects 0.000 claims abstract description 49
- 230000000873 masking effect Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 20
- 238000010998 test method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 108010001267 Protein Subunits Proteins 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 241001465754 Metazoa Species 0.000 description 2
- 241000282376 Panthera tigris Species 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002040 relaxant effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及运动视觉领域，具体涉及一种多选择性注意力评估与训练的方法及系统，旨在解决训练结果无法量化，无法针对不同用户实现精准化训练的问题。本发明的评估方法包括：在显示屏上展现多个外观各不相同的目标物；记录多个目标物中被选定目标物的ID号；对多个目标物的外观区别特征进行遮蔽，使之外观相同；根据移动参数控制多个目标物在屏幕上移动，同时获取被测试者观察被选定目标物时的眼动轨迹和脑电信号图谱，并获取移动结束时刻被测试者对被选定目标物位置的判断值；根据被选定目标物的实际运动轨迹、眼动轨迹、脑电信号图谱以及移动结束时刻被测试者对被选定目标物位置的判断值生成评估结果。本发明实现了用户针对性注意力训练和提高。
Description
技术领域
本发明涉及运动视觉领域，具体涉及一种多选择性注意力评估与训练的方法及系统。
背景技术
注意力是指人的心理活动指向和集中于某种事物的能力，注意力的专注度、集中度将直接影响工作、学习效率。
对于学生，特别是中小学生来说，如何评估并训练其保持注意力专注将直接影响其对知识的获取与理解速率。同时对于专业运动员来说如何保持平稳心情，实现注意力专注也将成为影响最终结果的关键因素之一。所以如何有效评估人的注意力专注度，并实现科学有效的训练成为一个值得关注和研究的问题。但是现有技术中，对注意力训练结果无法量化，也无法针对不同用户实现精准化、针对性、科学性的注意力评估和训练。
发明内容
为了解决现有技术中的上述问题，本发明提出了一种多选择性注意力评估与训练的方法及系统，提高了注意力训练的趣味性、丰富性和针对性。
本发明的第一方面，提出一种多选择性注意力评估方法，所述方法包括：
在显示屏上展现多个目标物，且所述多个目标物的外观各不相同；
记录所述多个目标物中被选定目标物的ID号；
对所述多个目标物的外观区别特征进行遮蔽，使得所述多个目标物的外观相同；
根据移动参数控制所述多个目标物在屏幕上移动，同时获取被测试者观察所述被选定目标物时的眼动轨迹和脑电信号图谱，并获取移动结束时刻所述被测试者对所述被选定目标物位置的判断值；
根据所述被选定目标物的实际运动轨迹、所述眼动轨迹、所述脑电信号图谱以及移动结束时刻所述被测试者对所述被选定目标物位置的判断值，生成评估结果；
其中，
所述移动参数包括：目标物的数量和/或种类和/或移动速度和/或移动的逻辑复杂度和/或移动时长；
所述评估结果包括：所述被测试者的注意力得分和测试过程注意力分析报告。
优选地，“根据所述被选定目标物的实际运动轨迹、所述眼动轨迹、所述脑电信号图谱以及移动结束时刻所述被测试者对所述被选定目标物位置的判断值，生成评估结果”的步骤包括：
选取预设个数的离散时间点；
基于所述预设个数的离散时间点，计算每个时间点上所述实际运动轨迹与所述眼动轨迹的方向偏差；
根据所述方向偏差、移动结束时刻所述被测试者对所述被选定目标物位置的判断值，计算所述被测试者的注意力得分；
根据所述脑电信号图谱判断所述被测试者的注意力集中状态；
根据所述注意力得分和所述注意力集中状态，生成所述测试过程注意力分析报告。
优选地，“计算每个时间点上所述实际运动轨迹与所述眼动轨迹的方向偏差”的步骤包括：
针对该时间点t及其相邻的下一时间点t+1，分别在所述实际运动轨迹与所述眼动轨迹上提取相邻两点的坐标值；
根据所述眼动轨迹上所提取的相邻两点的坐标值，求出方向向量a：
a＝((xt+1-xt),(yt+1-yt))
其中，(xt,yt)和(xt+1,yt+1)为所述眼动轨迹上提取的相邻两点的坐标值；
根据所述实际运动轨迹上所提取的相邻两点的坐标值，求出方向向量B：
B＝((Xt+1-Xt),(Yt+1-Yt))
其中，(Xt,Yt)和(Xt+1,Yt+1)为所述实际运动轨迹上提取的相邻两点的坐标值；
根据求出的方向向量a和B分别求出对应的斜率：
计算时间点t上所述实际运动轨迹与所述眼动轨迹的方向偏差：
Δl＝|la-lB|。
优选地，“根据所述方向偏差、移动结束时刻所述被测试者对所述被选定目标物位置的判断值，计算所述被测试者的注意力得分”的步骤具体包括：
将每个离散时间点上的方向偏差与对应权重的乘积相加，再加上移动结束时刻所述被测试者对所述被选定目标物位置的判断值与对应权重的乘积，得到所述被测试者的注意力得分；
其中，移动结束时刻所述被测试者对所述被选定目标物位置的判断值为1或0，1表示判断正确，0表示判断错误。
优选地，“根据所述脑电信号图谱判断所述被测试者的注意力集中状态”的步骤包括：
采集所述被测试者在放松状态与注意力集中状态的脑电信号并提取频率特征作为所述被测试者的脑电常模；
将所述被测试者在测试过程中的脑电信号β波、α波和θ特征与所述脑电常模进行相关度运算，判断所述被测试者是否处于注意力集中状态。
优选地，在“根据移动参数控制所述多个目标物在屏幕上移动”的步骤之前，所述方法还包括：
选择所述移动参数。
优选地，在“根据移动参数控制所述多个目标物在屏幕上移动”的步骤之前，所述方法还包括：
选择评估模式，所述评估模式包括单人评估模式和多人评估模式。
优选地，当所选择的评估模式为所述多人评估模式时，所述方法还包括：
对同时参与评估的多个被测试者的注意力进行比较，生成所述比较结果。
优选地，所述方法还包括：
对所述评估结果进行存储和显示。
优选地，所述被选定目标物为一个或多个。
本发明的第二方面，提出一种多选择性注意力评估系统，所述系统包括：界面显示模块、本地控制模块、视觉追踪模块和注意力评估模块；
所述界面显示模块包括显示屏；
所述界面显示模块配置为：在所述显示屏上展现多个目标物，且所述多个目标物的外观各不相同；
所述本地控制模块配置为：记录所述多个目标物中被选定目标物的ID号；对所述多个目标物的外观区别特征进行遮蔽，使得所述多个目标物的外观相同；根据移动参数控制所述多个目标物在屏幕上移动；
所述视觉追踪模块配置为：获取被测试者观察所述被选定目标物时的眼动轨迹和脑电信号图谱，并获取移动结束时刻所述被测试者对所述被选定目标物位置的判断值；
所述注意力评估模块配置为：根据所述被选定目标物的实际运动轨迹、所述眼动轨迹、所述脑电信号图谱以及移动结束时刻所述被测试者对所述被选定目标物位置的判断值，生成评估结果；
其中，
所述移动参数包括：目标物的数量和/或种类和/或移动速度和/或移动的逻辑复杂度和/或移动时长；
所述评估结果包括：所述被测试者的注意力得分和测试过程注意力分析报告。
优选地，所述注意力评估模块包括：离散点选取单元、方向偏差计算单元、注意力得分计算单元、注意力集中状态判断单元和注意力分析报告生成单元；
离散点选取单元配置为选取预设个数的离散时间点；
方向偏差计算单元配置为基于所述预设个数的离散时间点，计算每个时间点上所述实际运动轨迹与所述眼动轨迹的方向偏差；
注意力得分计算单元配置为根据所述方向偏差、移动结束时刻所述被测试者对所述被选定目标物位置的判断值，计算所述被测试者的注意力得分；
注意力集中状态判断单元配置为根据所述脑电信号图谱判断所述被测试者的注意力集中状态；
注意力分析报告生成单元配置为根据所述注意力得分和所述注意力集中状态，生成所述测试过程注意力分析报告。
优选地，方向偏差计算单元包括：相邻两点坐标值提取子单元、向量计算子单元和方向偏差计算子单元；
所述相邻两点坐标值提取子单元配置为：针对每一个离散时间点t及其相邻的下一个离散时间点t+1，分别在所述实际运动轨迹与所述眼动轨迹上提取相邻两点的坐标值；
所述向量计算子单元配置为：
根据所述眼动轨迹上所提取的相邻两点的坐标值，求出方向向量a：
a＝((xt+1-xt),(yt+1-yt))
其中，(xt,yt)和(xt+1,yt+1)为所述眼动轨迹上提取的相邻两点的坐标值；
根据所述实际运动轨迹上所提取的相邻两点的坐标值，求出方向向量B：
B＝((Xt+1-Xt),(Yt+1-Yt))
其中，(Xt,Yt)和(Xt+1,Yt+1)为所述实际运动轨迹上提取的相邻两点的坐标值；
所述方向偏差计算子单元配置为：
根据求出的方向向量a和B分别求出对应的斜率：
计算时间点t上所述实际运动轨迹与所述眼动轨迹的方向偏差：
Δl＝|la-lB|。
优选地，所述注意力得分计算单元具体配置为：
将每个离散时间点上的方向偏差与对应权重的乘积相加，再加上移动结束时刻所述被测试者对所述被选定目标物位置的判断值与对应权重的乘积，得到所述被测试者的注意力得分；
其中，移动结束时刻所述被测试者对所述被选定目标物位置的判断值为1或0，1表示判断正确，0表示判断错误。
优选地，所述注意力集中状态判断单元具体配置为：采集所述被测试者在放松状态与注意力集中状态的脑电信号并提取频率特征作为所述被测试者的脑电常模；将所述被测试者在测试过程中的脑电信号β波、α波和θ特征与所述脑电常模进行相关度运算，判断所述被测试者是否处于注意力集中状态。
优选地，所述系统还包括：参数选择模块；
所述参数选择模块配置为：选择所述移动参数并发送到所述本地控制模块；
所述本地控制模块还配置为：接收所述参数选择模块的输入信息。
优选地，所述系统还包括：主控模块和存储模块；
所述主控模块配置为：获取所述评估结果，并将所述评估结果发送到所述存储模块和所述界面显示模块；
所述存储模块配置为对所述评估结果进行存储；
所述界面显示模块还配置为将所述评估结果显示到所述显示屏上。
优选地，所述系统还包括：功能展示模块；
所述功能展示模块配置为：对所述系统的使用规则和流程进行说明和/或演示。
优选地，所述被选定目标物为一个或多个。
本发明的第三方面，提出一种多选择性注意力评估系统，所述系统包括一个或多个如上面所述的多选择性注意力评估系统，且所述系统还包括：模式选择模块和云端控制模块；
所述模式选择模块配置为选择评估模式，所述评估模式包括单人评估模式和多人评估模式；
所述云端控制模块配置为：接收所述模式选择模块发送的评估模式信息；并获取每个被测试者的所述评估结果进行存储。
优选地，在所述多人评估模式下，所述云端控制模块还配置为：
对同时参与评估的多个被测试者的注意力得分进行比较，生成所述比较结果。
本发明的第四方面，提出一种多选择性注意力训练方法，利用上面所述的多选择性注意力评估方法进行一次或多次训练。
本发明的第五方面，提出一种多选择性注意力训练系统，所述系统包括：上面所述的多选择性注意力评估系统。
与最接近的现有技术相比，本发明具有如下有益效果：
本发明提出的多选择性注意力评估方法，建立了完整的注意力评估和训练体系。通过设计可视化注意力训练方法和系统，让用户根据自己选择进行测试、评估和训练，基于眼动仪、脑电测量仪等辅助外设工具有效获取用户在测试、训练过程中的视觉移动轨迹和脑电信号等信息，通过科学方式对采集的多渠道信息进行处理，对用户在测试过程中的注意力变化情况进行较为准确的量化，并给出评估结果，让用户实现针对性、科学性注意力训练。本发明还实现多人异地对抗性训练，增加了训练的趣味性和丰富性。
附图说明
图1是本发明的多选择性注意力评估方法实施例一的主要步骤示意图；
图2(a)-图2(c)是本发明实施例中显示屏上目标物的示意图；
图3是本发明的多选择性注意力评估方法实施例二的主要步骤示意图；
图4是本发明的多选择性注意力评估系统实施例一的主要构成示意图；
图5是本发明的多选择性注意力评估系统实施例二的主要构成示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“第一”、“第二”仅仅是为了便于描述，而不是指示或暗示所述装置、元件或参数的相对重要性，因此不能理解为对本发明的限制。
图1是本发明的多选择性注意力评估方法实施例一的主要步骤示意图。图2(a)-图2(c)是本实施例中显示屏上目标物的示意图。如图1所示，本实施例的评估方法包括步骤A10-A50：
在步骤A10中，在显示屏上展现多个目标物，且多个目标物的外观各不相同。如图2(a)所示，显示屏上展现了三个外观不同的目标物。
在步骤A20中，记录多个目标物中被选定目标物的ID号。
这里的“被选定目标物”可以通过被测试者点击屏幕中的目标物来主动选定，也可以由程序随机选定并以高亮等形式提示被测试者。假定在如图2(a)中，被选定目标物为老虎(图中未示出选择过程)。
在步骤A30中，对多个目标物的外观区别特征进行遮蔽，使得多个目标物的外观相同。如图2(b)所示，将区别特征遮蔽后，三个目标物的外观看起来完全一样。
在步骤A40中，根据移动参数控制多个目标物在屏幕上移动，同时获取被测试者观察被选定目标物时的眼动轨迹和脑电信号图谱，并获取移动结束时刻被测试者对被选定目标物位置的判断值。
如图2(b)中的箭头所示，可以控制三个目标物在显示屏上移动。如图2(c)所示，在移动结束后，被测试者判断被选定目标物“老虎”所在位置。本例中，会在相应位置上重新显示出目标物的实际外观，如果正确的话，还会画出一个对号。
其中，移动参数包括：目标物的数量和/或种类和/或移动速度和/或移动的逻辑复杂度和/或移动时长。通过选择不同的移动参数，可以实现不同的难度等级。
在步骤A50中，根据被选定目标物的实际运动轨迹、眼动轨迹、脑电信号图谱以及移动结束时刻被测试者对被选定目标物位置的判断值，生成评估结果。
其中，评估结果包括：被测试者的注意力得分和测试过程注意力分析报告。
具体地，步骤A50可以进一步包括步骤A51-A55：
在步骤A51中，选取预设个数的离散时间点。
具体地，可以根据预设的时间间隔来选取，也可以随机选取。
在步骤A52中，基于预设个数的离散时间点，计算每个时间点上实际运动轨迹与眼动轨迹的方向偏差。
具体地，计算时间点t上实际运动轨迹与眼动轨迹的方向偏差可以采用如下方法：
(a)针对该时间点t及其相邻的下一时间点t+1，分别在实际运动轨迹与眼动轨迹上提取相邻两点的坐标值；
(b)根据眼动轨迹上所提取的相邻两点的坐标值，求出方向向量a，如公式(1)所示：
a＝((xt+1-xt),(yt+1-yt)) (1)
其中，(xt,yt)和(xt+1,yt+1)为基于时间点t和t+1在眼动轨迹上提取的相邻两点的坐标值；
(c)根据实际运动轨迹上所提取的相邻两点的坐标值，求出方向向量B，如公式(2)所示：
B＝((Xt+1-Xt),(Yt+1-Yt)) (2)
其中，(Xt,Yt)和(Xt+1,Yt+1)为为基于时间点t和t+1在实际运动轨迹上提取的相邻两点的坐标值；
(d)根据求出的方向向量a和B分别求出对应的斜率，如公式(3)和(4)所示：
(e)计算时间点t上实际运动轨迹与眼动轨迹的方向偏差，如公式(5)所示：
Δl＝|la-lB| (5)
在步骤A53中，根据方向偏差、移动结束时刻被测试者对被选定目标物位置的判断值，计算被测试者的注意力得分。该步骤可以具体包括：
将每个离散时间点上的方向偏差与对应权重的乘积相加，再加上移动结束时刻被测试者对被选定目标物位置的判断值与对应权重的乘积，得到被测试者的注意力得分。其中，移动结束时刻被测试者对被选定目标物位置的判断值为1或0，1表示判断正确，0表示判断错误。
在步骤A54中，根据脑电信号图谱判断被测试者的注意力集中状态。该步骤可以具体包括：
采用皮尔逊相关系数计算方法，通过提取被测试者实时脑电信号图谱中的δ波、θ波、α波和β波的频谱特征，并与被测试者在放松和专注过程中的脑电信号特征进行相关系数计算。可以采取如下计算方法：
首先在测试前对被测试者进行放松状态与注意力集中状态的诱导，采集放松与专注过程中的脑电信号并提取频率特征作为该被测试者的脑电常模。脑电原始信号先进行1-30Hz的带通滤波处理，脑电的频率特征可以采用公式(6)进行计算：
其中，x(τ)代表输入信号，h(τ-t)代表窗函数，τ表示窗函数宽度。重复诱导3～5次，计算脑电信号的β波(14～30Hz)、α波(8～13Hz)和θ(4～8Hz)特征能量的均值，该均值可作为被测试者的放松与专注状态的常模。
再将被测试者在测试过程中的脑电信号β波、α波和θ特征与常模进行相关度运算，相关系数可根据公式(7)计算，判断被测试者是否处于注意力集中状态。
其中，ρ为相关系数，X为被试的脑电频率特征常模，Y为当前目标时段的频率特征。对比专注状态的常模，当目标时段的频率特征的相关系数大于等于0.7则为专注状态，若低于0.7则为注意力不够集中状态。对比放松状态下的常模，当目标时段的频率特征的相关系数大于等于0.7则为放松状态。
在步骤A55中，根据注意力得分和注意力集中状态，生成测试过程注意力分析报告。
移动参数可以是预设值，也可以根据具体情况进行选择。在一种可选的实施例中，在步骤A40之前，还包括：
在步骤A35中，选择移动参数。
在一种可选的实施例中，被选定目标物可以是多个，比如被测试者在图2(a)中同时选定了两种动物，在经过特征遮蔽、位置移动之后，再判断出这两种动物分别位于什么位置。
在另一种可选的实施例中，还可以将显示屏中的全部目标物均作为被选定目标物，在经过特征遮蔽、位置移动之后，由系统提示被测试者判断其中一个目标物的位置，或者分别判断每个目标物的位置，这种情况无疑增大了被测试者的判断难度。
图3是本发明的多选择性注意力评估方法实施例二的主要步骤示意图。如图3所示，本实施例的评估方法包括步骤B10-B60：
在步骤B10中，在显示屏上展现多个目标物，且多个目标物的外观各不相同。
在步骤B20中，选择评估模式，评估模式包括单人评估模式和多人评估模式。
在步骤B30中，记录多个目标物中被选定目标物的ID号。
在步骤B40中，对多个目标物的外观区别特征进行遮蔽，使得多个目标物的外观相同。
在步骤B50中，根据移动参数控制多个目标物在屏幕上移动，同时获取被测试者观察被选定目标物时的眼动轨迹和脑电信号图谱，并获取移动结束时刻被测试者对被选定目标物位置的判断值。
在步骤B60中，根据被选定目标物的实际运动轨迹、眼动轨迹、脑电信号图谱以及移动结束时刻被测试者对被选定目标物位置的判断值，生成评估结果。
在步骤B70中，当所选择的评估模式为多人评估模式时，对同时参与评估的多个被测试者的注意力进行比较，生成比较结果。
其中，移动参数包括：目标物的数量和/或种类和/或移动速度和/或移动的逻辑复杂度和/或移动时长；评估结果包括：被测试者的注意力得分和测试过程注意力分析报告。
在一种可选的实施例中，评估方法还包括：
在步骤B80中，对评估结果进行存储和显示。
另外，在多人评估模式时，生成的比较结果也可以进行存储和显示。
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述，但是本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，其可以同时(并行)执行或以颠倒的次序执行，这些简单的变化都在本发明的保护范围之内。
基于与方法实施例相同的技术构思，本发明还提供了多选择性注意力评估系统，下面进行具体说明。
图4是本发明的多选择性注意力评估系统实施例一的主要构成示意图。如图4所示，本实施例的评估系统10包括：界面显示模块110、本地控制模块120、视觉追踪模块130和注意力评估模块140。
其中，界面显示模块110包括显示屏；界面显示模块110配置为：在显示屏上展现多个目标物，且多个目标物的外观各不相同；本地控制模块120配置为：记录多个目标物中被选定目标物的ID号，对多个目标物的外观区别特征进行遮蔽，使得多个目标物的外观相同，并根据移动参数控制多个目标物在屏幕上移动；视觉追踪模块130配置为：获取被测试者观察被选定目标物时的眼动轨迹和脑电信号图谱，并获取移动结束时刻被测试者对被选定目标物位置的判断值；注意力评估模块140配置为：根据被选定目标物的实际运动轨迹、眼动轨迹、脑电信号图谱以及移动结束时刻被测试者对被选定目标物位置的判断值，生成评估结果。
其中，移动参数包括：目标物的数量和/或种类和/或移动速度和/或移动的逻辑复杂度和/或移动时长；评估结果包括：被测试者的注意力得分和测试过程注意力分析报告。
具体地，本实施例中注意力评估模块140可以包括：离散点选取单元、方向偏差计算单元、注意力得分计算单元、注意力集中状态判断单元和注意力分析报告生成单元。
其中，离散点选取单元配置为根据预设的时间间隔选取预设个数的离散时间点或随机选取预设个数的离散时间点；方向偏差计算单元配置为基于预设个数的离散时间点，计算每个时间点上实际运动轨迹与眼动轨迹的方向偏差；注意力得分计算单元配置为根据方向偏差、移动结束时刻被测试者对被选定目标物位置的判断值，计算被测试者的注意力得分；注意力集中状态判断单元配置为根据脑电信号图谱判断被测试者的注意力集中状态；注意力分析报告生成单元配置为根据注意力得分和注意力集中状态，生成测试过程注意力分析报告。
具体地，本实施例中方向偏差计算单元包括：相邻两点坐标值提取子单元、向量计算子单元和方向偏差计算子单元。
其中，相邻两点坐标值提取子单元配置为：针对每一个离散时间点t及其相邻的下一个离散时间点t+1，分别在实际运动轨迹与眼动轨迹上提取相邻两点的坐标值；向量计算子单元配置为：根据眼动轨迹上所提取的相邻两点的坐标值，求出方向向量a，如前面的公式(1)所示，再根据实际运动轨迹上所提取的相邻两点的坐标值，求出方向向量B，如前面公式(2)所示；方向偏差计算子单元配置为：如前面公式(3)和(4)所示根据求出的方向向量a和B分别求出对应的斜率，再如前面公式(5)所示计算时间点t上实际运动轨迹与眼动轨迹的方向偏差。
本实施例中，注意力得分计算单元可以具体配置为：将每个离散时间点上的方向偏差与对应权重的乘积相加，再加上移动结束时刻被测试者对被选定目标物位置的判断值与对应权重的乘积，得到被测试者的注意力得分。其中，移动结束时刻被测试者对被选定目标物位置的判断值为1或0，1表示判断正确，0表示判断错误。
本实施例中，注意力集中状态判断单元可以具体配置为：采用皮尔逊相关系数计算方法，通过提取被测试者实时脑电信号图谱中的δ波、θ波、α波和β波的频谱特征，并与被测试者在放松和专注过程中的脑电信号特征进行相关系数计算；可以采取如下方法：
首先在测试前对被测试者进行放松状态与注意力集中状态的诱导，采集放松与专注过程中的脑电信号并提取频率特征作为该被测试者的脑电常模。脑电原始信号先进行1-30Hz的带通滤波处理，脑电的频率特征可以采用公式(6)进行计算。
再将被测试者在测试过程中的脑电信号β波、α波和θ特征与常模进行相关度运算，相关系数可根据公式(7)计算，判断被测试者是否处于注意力集中状态。
在一种可选的实施例中，多选择性注意力评估系统还可以包括：参数选择模块。其中，参数选择模块配置为：选择移动参数并发送到本地控制模块；本地控制模块还可以进一步配置为：接收参数选择模块的输入信息。
在另一种可选的实施例中，多选择性注意力评估系统还可以包括：主控模块和存储模块。其中，主控模块配置为：获取评估结果，并将评估结果发送到存储模块和界面显示模块；存储模块配置为对评估结果进行存储；界面显示模块还配置为将评估结果显示到显示屏上。
在又一种可选的实施例中，多选择性注意力评估系统还可以包括：功能展示模块。功能展示模块配置为：对系统的使用规则和流程进行说明和/或演示。
图5是本发明的多选择性注意力评估系统实施例二的主要构成示意图。如图5所示，本实施例的评估系统20包括：一个或多个如图4(实施例一)所示的多选择性注意力评估系统(下面称为子系统)，且本实施例的评估系统还包括：模式选择模块250和云端控制模块260。
其中，模式选择模块250配置为选择评估模式，评估模式包括单人评估模式和多人评估模式；云端控制模块260配置为：接收模式选择模块发送的评估模式信息，并获取每个被测试者的评估结果进行存储。在单人评估模式下，每个子系统都可以单独用于对一个被测试者进行注意力评估；在多人评估模式下，也是每个被测试者使用一个子系统，但是为了便于比较，可以令每个被测试者使用的子系统都采用相同的移动参数。
本实施例中，在多人评估模式下，云端控制模块260还配置为：对同时参与评估的多个被测试者的注意力得分进行比较，生成比较结果。比较结果可以发送到每个子系统中进行显示。
进一步地，本发明提供了多选择性注意力训练方法的实施例，在本实施例中可以利用上面所述的多选择性注意力评估方法进行一次或多次训练。
进一步地，本发明还提供了多选择性注意力训练系统的实施例，本实施例的训练系统包括：上面所述的多选择性注意力评估系统。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的方法步骤、模块、单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (23)
1.一种多选择性注意力评估方法，其特征在于，所述方法包括：
在显示屏上展现多个目标物，且所述多个目标物的外观各不相同；
记录所述多个目标物中被选定目标物的ID号；
对所述多个目标物的外观区别特征进行遮蔽，使得所述多个目标物的外观相同；
根据移动参数控制所述多个目标物在屏幕上移动，同时获取被测试者观察所述被选定目标物时的眼动轨迹和脑电信号图谱，并获取移动结束时刻所述被测试者对所述被选定目标物位置的判断值；
根据所述被选定目标物的实际运动轨迹、所述眼动轨迹、所述脑电信号图谱以及移动结束时刻所述被测试者对所述被选定目标物位置的判断值，生成评估结果；
其中，
所述移动参数包括：目标物的数量和/或种类和/或移动速度和/或移动的逻辑复杂度和/或移动时长；
所述评估结果包括：所述被测试者的注意力得分和测试过程注意力分析报告。
2.根据权利要求1所述的多选择性注意力评估方法，其特征在于，“根据所述被选定目标物的实际运动轨迹、所述眼动轨迹、所述脑电信号图谱以及移动结束时刻所述被测试者对所述被选定目标物位置的判断值，生成评估结果”的步骤包括：
选取预设个数的离散时间点；
基于所述预设个数的离散时间点，计算每个时间点上所述实际运动轨迹与所述眼动轨迹的方向偏差；
根据所述方向偏差、移动结束时刻所述被测试者对所述被选定目标物位置的判断值，计算所述被测试者的注意力得分；
根据所述脑电信号图谱判断所述被测试者的注意力集中状态；
根据所述注意力得分和所述注意力集中状态，生成所述测试过程注意力分析报告。
3.根据权利要求2所述的多选择性注意力评估方法，其特征在于，“计算每个时间点上所述实际运动轨迹与所述眼动轨迹的方向偏差”的步骤包括：
针对该时间点t及其相邻的下一时间点t+1，分别在所述实际运动轨迹与所述眼动轨迹上提取相邻两点的坐标值；
根据所述眼动轨迹上所提取的相邻两点的坐标值，求出方向向量a：
a＝((xt+1-xt),(yt+1-yt))
其中，(xt,yt)和(xt+1,yt+1)为所述眼动轨迹上提取的相邻两点的坐标值；
根据所述实际运动轨迹上所提取的相邻两点的坐标值，求出方向向量B：
B＝((Xt+1-Xt),(Yt+1-Yt))
其中，(Xt,Yt)和(Xt+1,Yt+1)为所述实际运动轨迹上提取的相邻两点的坐标值；
根据求出的方向向量a和B分别求出对应的斜率：
计算时间点t上所述实际运动轨迹与所述眼动轨迹的方向偏差：
Δl＝|la-lB|。
4.根据权利要求3所述的多选择性注意力评估方法，其特征在于，“根据所述方向偏差、移动结束时刻所述被测试者对所述被选定目标物位置的判断值，计算所述被测试者的注意力得分”的步骤具体包括：
将每个离散时间点上的方向偏差与对应权重的乘积相加，再加上移动结束时刻所述被测试者对所述被选定目标物位置的判断值与对应权重的乘积，得到所述被测试者的注意力得分；
其中，移动结束时刻所述被测试者对所述被选定目标物位置的判断值为1或0，1表示判断正确，0表示判断错误。
5.根据权利要求2所述的多选择性注意力评估方法，其特征在于，“根据所述脑电信号图谱判断所述被测试者的注意力集中状态”的步骤包括：
采集所述被测试者在放松状态与注意力集中状态的脑电信号并提取频率特征作为所述被测试者的脑电常模；
将所述被测试者在测试过程中的脑电信号β波、α波和θ特征与所述脑电常模进行相关度运算，判断所述被测试者是否处于注意力集中状态。
6.根据权利要求1所述的多选择性注意力评估方法，其特征在于，在“根据移动参数控制所述多个目标物在屏幕上移动”的步骤之前，所述方法还包括：
选择所述移动参数。
7.根据权利要求6所述的多选择性注意力评估方法，其特征在于，在“根据移动参数控制所述多个目标物在屏幕上移动”的步骤之前，所述方法还包括：
选择评估模式，所述评估模式包括单人评估模式和多人评估模式。
8.根据权利要求7所述的多选择性注意力评估方法，其特征在于，当所选择的评估模式为所述多人评估模式时，所述方法还包括：
对同时参与评估的多个被测试者的注意力进行比较，生成所述比较结果。
9.根据权利要求1-8中任一项所述的多选择性注意力评估方法，其特征在于，所述方法还包括：
对所述评估结果进行存储和显示。
10.根据权利要求1-8中任一项所述的多选择性注意力评估方法，其特征在于，所述被选定目标物为一个或多个。
11.一种多选择性注意力评估系统，其特征在于，所述系统包括：界面显示模块、本地控制模块、视觉追踪模块和注意力评估模块；
所述界面显示模块包括显示屏；
所述界面显示模块配置为：在所述显示屏上展现多个目标物，且所述多个目标物的外观各不相同；
所述本地控制模块配置为：记录所述多个目标物中被选定目标物的ID号；对所述多个目标物的外观区别特征进行遮蔽，使得所述多个目标物的外观相同；根据移动参数控制所述多个目标物在屏幕上移动；
所述视觉追踪模块配置为：获取被测试者观察所述被选定目标物时的眼动轨迹和脑电信号图谱，并获取移动结束时刻所述被测试者对所述被选定目标物位置的判断值；
所述注意力评估模块配置为：根据所述被选定目标物的实际运动轨迹、所述眼动轨迹、所述脑电信号图谱以及移动结束时刻所述被测试者对所述被选定目标物位置的判断值，生成评估结果；
其中，
所述移动参数包括：目标物的数量和/或种类和/或移动速度和/或移动的逻辑复杂度和/或移动时长；
所述评估结果包括：所述被测试者的注意力得分和测试过程注意力分析报告。
12.根据权利要求11所述的多选择性注意力评估系统，其特征在于，所述注意力评估模块包括：离散点选取单元、方向偏差计算单元、注意力得分计算单元、注意力集中状态判断单元和注意力分析报告生成单元；
离散点选取单元配置为选取预设个数的离散时间点；
方向偏差计算单元配置为基于所述预设个数的离散时间点，计算每个时间点上所述实际运动轨迹与所述眼动轨迹的方向偏差；
注意力得分计算单元配置为根据所述方向偏差、移动结束时刻所述被测试者对所述被选定目标物位置的判断值，计算所述被测试者的注意力得分；
注意力集中状态判断单元配置为根据所述脑电信号图谱判断所述被测试者的注意力集中状态；
注意力分析报告生成单元配置为根据所述注意力得分和所述注意力集中状态，生成所述测试过程注意力分析报告。
13.根据权利要求12所述的多选择性注意力评估系统，其特征在于，方向偏差计算单元包括：相邻两点坐标值提取子单元、向量计算子单元和方向偏差计算子单元；
所述相邻两点坐标值提取子单元配置为：针对每一个离散时间点t及其相邻的下一个离散时间点t+1，分别在所述实际运动轨迹与所述眼动轨迹上提取相邻两点的坐标值；
所述向量计算子单元配置为：
根据所述眼动轨迹上所提取的相邻两点的坐标值，求出方向向量a：
a＝((xt+1-xt),(yt+1-yt))
其中，(xt,yt)和(xt+1,yt+1)为所述眼动轨迹上提取的相邻两点的坐标值；
根据所述实际运动轨迹上所提取的相邻两点的坐标值，求出方向向量B：
B＝((Xt+1-Xt),(Yt+1-Yt))
其中，(Xt,Yt)和(Xt+1,Yt+1)为所述实际运动轨迹上提取的相邻两点的坐标值；
所述方向偏差计算子单元配置为：
根据求出的方向向量a和B分别求出对应的斜率：
计算时间点t上所述实际运动轨迹与所述眼动轨迹的方向偏差：
Δl＝|la-lB|。
14.根据权利要求13所述的多选择性注意力评估系统，其特征在于，所述注意力得分计算单元具体配置为：
将每个离散时间点上的方向偏差与对应权重的乘积相加，再加上移动结束时刻所述被测试者对所述被选定目标物位置的判断值与对应权重的乘积，得到所述被测试者的注意力得分；
其中，移动结束时刻所述被测试者对所述被选定目标物位置的判断值为1或0，1表示判断正确，0表示判断错误。
15.根据权利要求12所述的多选择性注意力评估系统，其特征在于，所述注意力集中状态判断单元具体配置为：采集所述被测试者在放松状态与注意力集中状态的脑电信号并提取频率特征作为所述被测试者的脑电常模；将所述被测试者在测试过程中的脑电信号β波、α波和θ特征与所述脑电常模进行相关度运算，判断所述被测试者是否处于注意力集中状态。
16.根据权利要求11所述的多选择性注意力评估系统，其特征在于，所述系统还包括：参数选择模块；
所述参数选择模块配置为：选择所述移动参数并发送到所述本地控制模块；
所述本地控制模块还配置为：接收所述参数选择模块的输入信息。
17.根据权利要求16所述的多选择性注意力评估系统，其特征在于，所述系统还包括：主控模块和存储模块；
所述主控模块配置为：获取所述评估结果，并将所述评估结果发送到所述存储模块和所述界面显示模块；
所述存储模块配置为对所述评估结果进行存储；
所述界面显示模块还配置为将所述评估结果显示到所述显示屏上。
18.根据权利要求17所述的多选择性注意力评估系统，其特征在于，所述系统还包括：功能展示模块；
所述功能展示模块配置为：对所述系统的使用规则和流程进行说明和/或演示。
19.根据权利要求11-18所述的多选择性注意力评估系统，其特征在于，所述被选定目标物为一个或多个。
20.一种多选择性注意力评估系统，其特征在于，所述系统包括一个或多个如权利要求11-19中任一项所述的多选择性注意力评估系统，且所述系统还包括：模式选择模块和云端控制模块；
所述模式选择模块配置为选择评估模式，所述评估模式包括单人评估模式和多人评估模式；
所述云端控制模块配置为：接收所述模式选择模块发送的评估模式信息；并获取每个被测试者的所述评估结果进行存储。
21.根据权利要求20所述的多选择性注意力评估系统，其特征在于，在所述多人评估模式下，所述云端控制模块还配置为：
对同时参与评估的多个被测试者的注意力得分进行比较，生成所述比较结果。
22.一种多选择性注意力训练方法，其特征在于，利用权利要求1-10中任一项所述的多选择性注意力评估方法进行一次或多次训练。
23.一种多选择性注意力训练系统，其特征在于，所述系统包括：权利要求11-20中任一项所述的多选择性注意力评估系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010973236.9A CN112086196B (zh) | 2020-09-16 | 2020-09-16 | 多选择性注意力评估与训练的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010973236.9A CN112086196B (zh) | 2020-09-16 | 2020-09-16 | 多选择性注意力评估与训练的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112086196A true CN112086196A (zh) | 2020-12-15 |
| CN112086196B CN112086196B (zh) | 2023-11-28 |
Family
ID=73737130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010973236.9A Active CN112086196B (zh) | 2020-09-16 | 2020-09-16 | 多选择性注意力评估与训练的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112086196B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113440151A (zh) * | 2021-08-03 | 2021-09-28 | 合肥科飞康视科技有限公司 | 一种专注力检测系统、检测方法及系统的使用方法 |
| CN115581457A (zh) * | 2022-12-13 | 2023-01-10 | 深圳市心流科技有限公司 | 注意力评估方法、装置、设备及存储介质 |
| CN117576771A (zh) * | 2024-01-17 | 2024-02-20 | 之江实验室 | 一种视觉注意力评估方法、装置、介质及设备 |
| CN117854714A (zh) * | 2024-03-07 | 2024-04-09 | 之江实验室 | 一种基于眼动追踪的信息推荐方法以及装置 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010057710A (ja) * | 2008-09-04 | 2010-03-18 | Toyota Central R&D Labs Inc | 集中度算出装置及びプログラム |
| US20100208205A1 (en) * | 2009-01-15 | 2010-08-19 | Po-He Tseng | Eye-tracking method and system for screening human diseases |
| WO2011055505A1 (ja) * | 2009-11-09 | 2011-05-12 | パナソニック株式会社 | 注意状態判定装置、方法およびプログラム |
| US20130293844A1 (en) * | 2012-05-01 | 2013-11-07 | RightEye, LLC | Systems and methods for evaluating human eye tracking |
| CN104146680A (zh) * | 2014-09-01 | 2014-11-19 | 北京工业大学 | 一种眼球运动的测量方法和系统 |
| JP2015125541A (ja) * | 2013-12-26 | 2015-07-06 | スリーエム イノベイティブ プロパティズ カンパニー | 視線予測システム、視線予測方法、および視線予測プログラム |
| 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 |
| CN107515677A (zh) * | 2017-08-31 | 2017-12-26 | 杭州极智医疗科技有限公司 | 注意力检测方法、装置和存储介质 |
| CN107929007A (zh) * | 2017-11-23 | 2018-04-20 | 北京萤视科技有限公司 | 一种利用眼动追踪和智能评估技术的注意力和视觉能力训练系统及方法 |
| CN108732764A (zh) * | 2018-06-06 | 2018-11-02 | 北京七鑫易维信息技术有限公司 | 一种智能眼镜、眼球轨迹的追踪方法、装置及存储介质 |
| JP2019111291A (ja) * | 2017-12-26 | 2019-07-11 | 日本電信電話株式会社 | 注意レベル推定装置、注意レベル推定モデル学習装置、注意レベル推定方法、注意レベル推定モデル学習方法、およびプログラム |
| WO2019201215A1 (zh) * | 2018-04-17 | 2019-10-24 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
| CN110801237A (zh) * | 2019-11-10 | 2020-02-18 | 中科搏锐（北京）科技有限公司 | 一种基于眼动和脑电特征的认知能力评估系统及其方法 |
| US20200057487A1 (en) * | 2016-11-21 | 2020-02-20 | TeleLingo D/B/A dreyev | Methods and systems for using artificial intelligence to evaluate, correct, and monitor user attentiveness |
| US20200121237A1 (en) * | 2017-01-17 | 2020-04-23 | Mindseye Diagnostics Ltd. | A method and system for monitoring attention of a subject |
| US20200155053A1 (en) * | 2018-11-15 | 2020-05-21 | Amit Bernstein | System and Method for Monitoring and Training Attention Allocation |
| CN111292834A (zh) * | 2020-02-11 | 2020-06-16 | 杭州同绘科技有限公司 | 一种基于虚拟现实的注意力训练系统 |
| CN111401721A (zh) * | 2020-03-11 | 2020-07-10 | 中国科学院自动化研究所 | 目标预判性思维评测与训练的方法及系统 |
| CN111597961A (zh) * | 2020-05-13 | 2020-08-28 | 中国科学院自动化研究所 | 面向智能驾驶的移动目标轨迹预测方法、系统、装置 |
-
2020
- 2020-09-16 CN CN202010973236.9A patent/CN112086196B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010057710A (ja) * | 2008-09-04 | 2010-03-18 | Toyota Central R&D Labs Inc | 集中度算出装置及びプログラム |
| US20100208205A1 (en) * | 2009-01-15 | 2010-08-19 | Po-He Tseng | Eye-tracking method and system for screening human diseases |
| WO2011055505A1 (ja) * | 2009-11-09 | 2011-05-12 | パナソニック株式会社 | 注意状態判定装置、方法およびプログラム |
| US20130293844A1 (en) * | 2012-05-01 | 2013-11-07 | RightEye, LLC | Systems and methods for evaluating human eye tracking |
| JP2015125541A (ja) * | 2013-12-26 | 2015-07-06 | スリーエム イノベイティブ プロパティズ カンパニー | 視線予測システム、視線予測方法、および視線予測プログラム |
| CN104146680A (zh) * | 2014-09-01 | 2014-11-19 | 北京工业大学 | 一种眼球运动的测量方法和系统 |
| US20200057487A1 (en) * | 2016-11-21 | 2020-02-20 | TeleLingo D/B/A dreyev | Methods and systems for using artificial intelligence to evaluate, correct, and monitor user attentiveness |
| US20200121237A1 (en) * | 2017-01-17 | 2020-04-23 | Mindseye Diagnostics Ltd. | A method and system for monitoring attention of a subject |
| 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 |
| CN107515677A (zh) * | 2017-08-31 | 2017-12-26 | 杭州极智医疗科技有限公司 | 注意力检测方法、装置和存储介质 |
| CN107929007A (zh) * | 2017-11-23 | 2018-04-20 | 北京萤视科技有限公司 | 一种利用眼动追踪和智能评估技术的注意力和视觉能力训练系统及方法 |
| JP2019111291A (ja) * | 2017-12-26 | 2019-07-11 | 日本電信電話株式会社 | 注意レベル推定装置、注意レベル推定モデル学習装置、注意レベル推定方法、注意レベル推定モデル学習方法、およびプログラム |
| WO2019201215A1 (zh) * | 2018-04-17 | 2019-10-24 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
| CN108732764A (zh) * | 2018-06-06 | 2018-11-02 | 北京七鑫易维信息技术有限公司 | 一种智能眼镜、眼球轨迹的追踪方法、装置及存储介质 |
| US20200155053A1 (en) * | 2018-11-15 | 2020-05-21 | Amit Bernstein | System and Method for Monitoring and Training Attention Allocation |
| CN110801237A (zh) * | 2019-11-10 | 2020-02-18 | 中科搏锐（北京）科技有限公司 | 一种基于眼动和脑电特征的认知能力评估系统及其方法 |
| CN111292834A (zh) * | 2020-02-11 | 2020-06-16 | 杭州同绘科技有限公司 | 一种基于虚拟现实的注意力训练系统 |
| CN111401721A (zh) * | 2020-03-11 | 2020-07-10 | 中国科学院自动化研究所 | 目标预判性思维评测与训练的方法及系统 |
| CN111597961A (zh) * | 2020-05-13 | 2020-08-28 | 中国科学院自动化研究所 | 面向智能驾驶的移动目标轨迹预测方法、系统、装置 |
Non-Patent Citations (1)
| Title |
|---|
| 姜婷婷;吴茜;徐亚苹;王瑶璇;: "眼动追踪技术在国外信息行为研究中的应用", 情报学报, no. 02 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113440151A (zh) * | 2021-08-03 | 2021-09-28 | 合肥科飞康视科技有限公司 | 一种专注力检测系统、检测方法及系统的使用方法 |
| CN113440151B (zh) * | 2021-08-03 | 2024-04-12 | 合肥科飞康视科技有限公司 | 一种专注力检测系统、检测方法及系统的使用方法 |
| CN115581457A (zh) * | 2022-12-13 | 2023-01-10 | 深圳市心流科技有限公司 | 注意力评估方法、装置、设备及存储介质 |
| CN117576771A (zh) * | 2024-01-17 | 2024-02-20 | 之江实验室 | 一种视觉注意力评估方法、装置、介质及设备 |
| CN117576771B (zh) * | 2024-01-17 | 2024-05-03 | 之江实验室 | 一种视觉注意力评估方法、装置、介质及设备 |
| CN117854714A (zh) * | 2024-03-07 | 2024-04-09 | 之江实验室 | 一种基于眼动追踪的信息推荐方法以及装置 |
| CN117854714B (zh) * | 2024-03-07 | 2024-05-24 | 之江实验室 | 一种基于眼动追踪的信息推荐方法以及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112086196B (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112086196A (zh) | 多选择性注意力评估与训练的方法及系统 | |
| US20230277053A1 (en) | Systems and methods for evaluating human eye tracking | |
| Buchanan et al. | Specificity in practice benefits learning in novice models and variability in demonstration benefits observational practice | |
| CN106843500A (zh) | 基于眼动追踪技术的认知水平康复训练系统 | |
| WO2020056519A1 (en) | System and method to improve interaction between users through monitoring of emotional state of the users and reinforcement of goal states | |
| KR20100015550A (ko) | 단일형 시각 및 신경 처리 시험 센터 | |
| CN105069294A (zh) | 一种用于认知能力值测试的计算和分析方法 | |
| CN111260984B (zh) | 多人协作的认知能力训练方法、装置及存储介质 | |
| CN109621331A (zh) | 辅助健身方法、装置及存储介质、服务器 | |
| Pluijms et al. | Translating key methodological issues into technological advancements when running in-situ experiments in sports: An example from sailing | |
| CN113558634A (zh) | 一种数据监测方法、装置、电子设备和存储介质 | |
| Chen et al. | Visual modelling and evaluation of surgical skill | |
| CN111401721B (zh) | 目标预判性思维评测与训练的方法及系统 | |
| Kohda et al. | Technology-supported single training for one-on-one in basketball matches | |
| Ikehara et al. | User identification based on the analysis of the forces applied by a user to a computer mouse | |
| Naito et al. | Learning support for tactics identification skills in team sports by gaze awareness | |
| Keating et al. | Toward real-time brain sensing for learning assessment: Building a rich dataset | |
| Mukhamedov et al. | Nonparametric identification of wrestlers' eye movements using a differential neural network | |
| Coman | Psychological aspects of the competition training in performance sport–Correlational study | |
| Matsuura et al. | Double-sided design for reinforcing private training of basketball with an advanced imagery opponent | |
| Moser et al. | Work-in-Progress–Motion Tracking Data as a Proxy for Cognitive Load in Immersive Learning | |
| WO2024101152A1 (en) | Information processing apparatus, information processing method, and program | |
| Pelzl | A Longitudinal Case Study on the Effects of an Ecological Training Intervention in an Elite Football Player | |
| US20180315335A1 (en) | Engine for driving a system for assessing and developing the mental acuity and behavior of a person | |
| Staszewski | Cognitive engineering based on expert skill: Notes on success and surprises |
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 |