CN114424945A - 一种基于随机图形图像闪现的脑波生物特征识别系统与方法 - Google Patents
一种基于随机图形图像闪现的脑波生物特征识别系统与方法 Download PDFInfo
- Publication number
- CN114424945A CN114424945A CN202111493798.4A CN202111493798A CN114424945A CN 114424945 A CN114424945 A CN 114424945A CN 202111493798 A CN202111493798 A CN 202111493798A CN 114424945 A CN114424945 A CN 114424945A
- Authority
- CN
- China
- Prior art keywords
- brain wave
- picture
- pictures
- user
- model
- 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 135
- 238000000034 method Methods 0.000 title claims abstract description 48
- 210000004129 prosencephalon Anatomy 0.000 claims abstract description 9
- 230000000638 stimulation Effects 0.000 claims description 44
- 230000000007 visual effect Effects 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000002452 interceptive effect Effects 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 16
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 210000004761 scalp Anatomy 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 229910021607 Silver chloride Inorganic materials 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000001266 bandaging Methods 0.000 claims 2
- 230000004936 stimulating effect Effects 0.000 claims 1
- 230000017105 transposition Effects 0.000 claims 1
- 230000001965 increasing effect Effects 0.000 abstract description 7
- 230000001149 cognitive effect Effects 0.000 abstract description 6
- 230000008451 emotion Effects 0.000 abstract description 5
- 230000006998 cognitive state Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 210000000887 face Anatomy 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 210000000554 iris Anatomy 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000002418 meninge Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000000103 occipital bone Anatomy 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
Images
Classifications
-
- 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
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/378—Visual stimuli
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/256—Wearable electrodes, e.g. having straps or bands
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/263—Bioelectric electrodes therefor characterised by the electrode materials
- A61B5/265—Bioelectric electrodes therefor characterised by the electrode materials containing silver or silver chloride
-
- 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
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7445—Display arrangements, e.g. multiple display units
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种基于随机图形图像闪现的脑波生物特征识别系统与方法，系统包括为用户呈现视觉刺激与交互界面的输出装置、实时获取用户的脑波信号的采集装置、控制和处理数据的控制装置，以及设定系统参数功能的交互服务接口。本发明以随机图形图像闪现所激发的意识前脑波信号作为生物识别特征，较少受情绪、心理状态等更高等级认知状态的影响，信号特征稳定，无需用户保持较高注意力水平，不会增加用户的认知负荷及由此引发的疲劳感。
Description
技术领域
本发明属于脑机接口、生物特征识别和身份认证技术领域，具体涉及一种基于随机图形图像闪现的脑波生物特征识别系统与方法。
背景技术
个体身份鉴权与我们的日常生产生活息息相关，尤其对于当前随互联网技术发展而日益繁盛的电子商务、电子政务、网络交易以及虚拟社交网络等新兴领域，已然成为其不可或缺的重要组成部分。生物特征识别以对人体生物学特征测量为基础，已有技术包括指纹、人脸、虹膜、脑波等。
脑波是人脑神经元活动的产物，可在头皮表面通过无创的传感器记录到，幅度通常在10-200μV之间，频率范围位于0.5-40Hz之间，反映了人脑神经元纹路的结构连接与神经元活动的功能特性，并受到脑波传导所经脑膜、颅骨、头皮等人体组织的传导路径特性的影响，而这些神经元纹路和信号传导路径则因人而异，因此与指纹、虹膜等类似，脑波具备个体身份的指征。
与其他技术等相比，脑波既满足唯一性、持久性、可采集性、可识别性、可接受性等生物特征识别的基本要求，同时具备活体检测、规避性等优点，因而在安全性和隐私性方面较指纹、人脸等技术具有明显优势。
现有脑波生物特征识别技术除静息态脑波外，基本都依赖于人脑深层认知阶段的意识加工，对视觉或情绪刺激而言，即需要用户对刺激呈现内容进行辨识并做出响应，对运动想象任务则需要用户执行主动式的有意识想象加工，因此所激发的脑波特征受用户的情绪、心理状态、药物、疲劳程度等的影响较大，缺乏稳定性。静息态脑波需要用户处于放松状态，因而同样易受用户状态的影响而存在稳定性问题。另一方面，视觉或情绪刺激由于要求用户对闪烁的视觉刺激保持较高的注意力水平，易导致使用者疲劳与眼睛不适，而运动想象任务同样需要用户保持较高的注意力水平。
发明内容
为了克服上述现有技术的缺陷，本发明通过对意识前脑波信号特征差异性的研究，提出了一种基于随机图形图像闪现的脑波生物特征识别系统，所述系统包括：
输出装置，用于为用户呈现视觉刺激与交互界面；
采集装置，用于实时获取用户的脑波信号；
控制装置，用于生成所述视觉刺激与交互界面并发送至所述输出装置，接收所述采集装置获取的脑波数据，基于所述脑波数据创建个体生物特征模型、进行个体身份鉴权，同时存储图片素材库、实时采集的所述脑波数据以及所述个体生物特征模型；
交互服务接口，用于设定所述系统参数功能。
进一步地，所述输出装置包括头戴式显示屏，所述头戴式显示屏包括显示屏和用于装配显示屏的绑带式头戴支架；
所述采集装置为脑波信号采集器，脑波信号采集器由脑电信号传感器、信号放大器、模数转换器、微处理器构成，所述传感器为Ag/AgCl脑电信号电极，安装于所述绑带式头戴支架，用于接触用户的头皮，所述传感器与所述信号放大器连接，所述模数转换器用于转换所述信号放大器输出的信号，所述微处理器用于对模数转换器信号进行采样、预处理及缓存，以及对所述脑波信号的数字滤波、信号分段、降采样处理；
所述控制装置为终端控制器，用于为每一种即将在所述显示屏中呈现的视觉刺激生成一个唯一标识的数字事件码，而后当某一事件码对应的视觉刺激在显示屏中呈现时，记录下其呈现准确时刻的时间戳，并将该事件码和该时间戳配对发送给脑波信号采集器的微处理器，同时触发所述微处理器对该事件码从所配对的时间戳位置开始进行信号分段；
所述终端控制器还用于从存储的图片素材库中抽取图片，生成视觉图片刺激序列，并按照预先编排的时序，将刺激图片依序发送给所示显示屏显示，同时记录所示图片呈现准确时间的时间戳，触发所述脑波信号采集器记录该图片对应事件码的脑波信号分段数据，并从所示脑波信号采集器实时读取记录到的脑波数据。
本发明同时提出一种基于随机图形图像闪现的脑波生物特征识别方法，通过如前文所述的系统实现，所述方法包括个体信息录入和个体身份鉴权，所述个体信息录入包括：
所述系统生成若干组随机图形图像序列呈现给用户；
使用户注视所述视觉刺激与交互界面的特定标识；
所述系统实时采集用户脑波信号；
训练与存储个体生物特征模型。
所述个体身份鉴权包括：
所述系统生成一组随机图形图像序列呈现给用户；
使用户注视所述视觉刺激与交互界面的特定标识；
所述系统实时采集用户脑波信号；
所述系统提取所述用户脑波信号特征；
将提取的所述脑波信号特征与已录入的模型进行匹配，检测是否有能够成功匹配的模型；
若成功匹配模型，所述系统给出个体信息，鉴权成功；若找不到可匹配的模型，则鉴权失败。
本发明还提出一种基于随机图形图像闪现的注意前脑波激发方法，所述方法包括：
获取由不同类别图形图像构成的图片素材库，所述图片素材库至少包括几何图形、人脸、物体等类别的图片，用于个体信息录入的图片刺激序列具体呈现和个体身份鉴权的图片刺激序列具体呈现。
具体地，所述个体信息录入的图片刺激序列具体呈现包括：
随机选取一组同一类别下的不同图片进行播放；
在所述图片中心叠加显示特定标识，使用户关注所述标识是否发生变化；
检测脑波信号是否出现较大幅度波动，若所述脑波信号出现较大幅度波动，判断该组数据无效，若所述脑波信号未出现较大幅度波动，判断该组数据有效；
判断是否播放完预定的有效播放组数，若播放完预定的有效组数则结束播放，若未播放完预定的有效组数，重新随机选取一组同一类别下的不同图片进行播放。
所述个体身份鉴权的图片刺激序列具体呈现包括：
随机选取3-10幅已训练过的类别下的不同图片进行播放；
在所述图片中心叠加显示特定标识，使用户关注所述标识是否发生变化；
检测所述脑波信号是否出现较大幅度波动，若所述脑波信号出现较大幅度波动，判断该组数据无效，并重新随机选取3-10幅已训练过的类别下的不同图片进行播放，若所述脑波信号未出现较大幅度波动，判断该组数据有效，结束播放。
本发明还提出一种脑波生物特征模型建立方法，所述方法包括设定图片事件码和建立模型，所述设定图片事件码包括：
设定用于标记真实图片和虚拟图片的图片事件码，并预设间隔时间，所述虚拟图片为用于提取脑波生物特征，虚拟出的一类没有呈现的图片；
显示一组刺激序列中的图片，从所述真实图片显示时刻开始计时；
每经过所述间隔时间标记一张所述虚拟图片；
判断一张所述虚拟图片标记后，所述间隔时间内是否出现了所述真实图片；
若一张所述虚拟图片标记后所述间隔时间内出现所述真实图片，将该虚拟图片视为无效并删除；
判断该组刺激序列中所述真实图片是否显示完毕，若该组刺激序列中所述真实图片显示完毕，结束图片显示。
进一步地，所述真实图片标记为事件码1，所述虚拟图片标记为事件码0，所述建立模型包括：
脑波数据采集完成后，将得到的k1个所述事件码1的脑波分段信号记为
得到的k0个所述事件码0的脑波分段信号记为
n为记录电极的个数，m为所述分段信号长度；
计算
即对
做zscore归一化，S、N为所得归一化结果，μS为
的均值，σS为
的方差，μN为
的均值，σN为
的方差；
计算
计算
上标T表示转置运算；
计算L＝chol(CXX)，即对矩阵CXX做Cholesky分解；
计算invL＝inv(L)，即对矩阵L求逆；
计算[V,D]＝eig(invLT·CCC·invL)，即对矩阵invLT·CCC·invL求特征值分解，矩阵V的每一列代表分解所得的一个特征向量，向量D的每个元素代表V中每个所述特征向量对应的特征值；
计算U＝invL·V；
查找D中最大的前p个元素所在的位置序号，构成集合IDX；
计算u＝retr(U,IDX)，即从矩阵U挑出集合IDX中标识的所有列向量，并按列组合成新的矩阵；
计算w＝bayesianlda(uT·S,uT·N)，即用Bayes LDA算法对uT·S和uT·N代表的两类样本进行分类，返回分类器权重w；
得到个体脑波生物特征模型{μS,σS,μN,σN,u,w}。
本发明还相应提出一种脑波生物特征模型识别方法，基于如前文所述的脑波生物特征模型建立方法实现，所述脑波生物特征模型识别方法包括如前文所述的设定图片事件码和模型匹配，所述模型匹配包括：
假设通过个人信息录入获得了M个用户的个体识别模型，且分别记为{μS,1,σS,1,μN,1,σN,1,u1,w1}，{μS,2,σS,2,μN,2,σN,2,u2,w2}，…，{μS,M,σS,M,μN,M,σN,M,uM,wM}；
脑波数据采集完成后，将得到的k1个所述事件码1的脑波分段信号记为
得到的k0个所述事件码0的脑波分段信号记为
n为记录电极的个数，m为所述分段信号长度；
计算
即对矩阵
利用均值参数μS和方差参数σS进行zscore归一化，得到归一化结果TS，对矩阵
利用均值参数μN和方差参数σN进行zscore归一化，得到归一化结果TN；
计算
计算
为w与
的广义内积，
为w与
的广义内积，sc为预鉴权的脑波数据在所述模型{μS,σS,μN,σN,u,w}的匹配分值；
针对所有已有的M个模型计算对应的匹配分值sc1，sc2，…，scM；
寻找sc1，sc2，…，scM中的最大值，假设最大值为scq，即在第q个模型处具有最大匹配分值；
判断scq和Thre的大小关系，所述Th为误判率控制系数；
若scq>Thre，判断鉴权成功，并将该个体鉴别为所述第q个模型所对应个体；若scq<Thre，则判断鉴权失败。
本发明至少具有以下几点有益效果：
本发明以随机图形图像闪现所激发的意识前脑波信号作为生物识别特征，反映人脑浅层神经元加工纹路的结构、功能特点，较少受情绪、心理状态等更高等级认知状态的影响，不要求用户对闪烁的视觉刺激保持较高的注意力水平，因此不会导致使用者疲劳与眼睛的不适；
进一步地，本发明可结合现有脑机接口通信技术，在虚拟现实、增强现实、混合现实(VR/AR/MR)等环境中用于身份鉴别与认证，也可单独用于其他需要鉴权的场景，具有优于指纹、人脸等传统生物特征识别技术的安全性与隐私性技术优势。
以此，本发明提供了一种基于随机图形图像闪现的脑波生物特征识别系统与方法，以随机图形图像闪现所激发的意识前脑波信号作为生物识别特征，较少受情绪、心理状态等更高等级认知状态的影响，信号特征稳定，无需用户保持较高注意力水平，不会增加用户的认知负荷及由此引发的疲劳感。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为实施例1提供的一种基于随机图形图像闪现的脑波生物特征识别系统的参考结构示意图；
图2为实施例2提供的个体信息录入的流程示意图；
图3为实施例2提供的个体身份鉴权的流程示意图；
图4为实施例2提供的个体信息录入的图片刺激序列具体呈现的流程示意图；
图5为实施例3提供的个体身份鉴权的图片刺激序列具体呈现的流程示意图；
图6为实施例4提供的设定图片事件码的流程示意图。
附图标记：
1-绑带式头戴支架；10-主体；11-绑带；12-脑电信号传感器。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例1
本发明提供一种基于随机图形图像闪现的脑波生物特征识别系统，所述系统包括：
输出装置，用于为用户呈现视觉刺激与交互界面；
采集装置，用于实时获取用户的脑波信号；
控制装置，用于生成所述视觉刺激与交互界面并发送至所述输出装置，接收所述采集装置获取的脑波数据，基于所述脑波数据创建个体脑波生物特征模型、进行个体身份鉴权，同时存储图片素材库、实时采集的脑波数据以及个体生物特征模型；
交互服务接口，用于设定系统参数功能。
本发明提供的系统通过所述控制装置将个体生物特征模型与鉴权结果发送给交互服务接口的方式，使所述交互服务接口为外部装置或系统提供鉴权服务。
具体地，本实施例中所述输出装置为头戴式显示屏，用于为用户提供视觉刺激与交互信息的呈现，所述头戴式显示屏包括显示屏和用于装配显示屏的绑带式头戴支架1，所述绑带式头戴支架1包括主体10和绑带11。
视觉刺激呈现的时间精度对本发明的识别率极为重要，故本发明采用了响应延迟低于1ms的显示屏，如OLED显示屏或拥有低响应延迟的LCD显示屏，本发明也可采用VR设备如HTC VIVE眼镜，或AR设备如Hololens眼镜作为头戴式显示屏，可获得较好的沉浸式体验。
显示分辨率以能够完整呈现刺激图片为准，刺激图片一般为256×256像素，或根据具体使用场景设定不同的像素尺寸；屏幕刷新率至少为50Hz，即帧周期不大于20ms。优选地，采用刷新率为120Hz以上的高刷新率显示屏，可容纳时间分辨率更高的刺激编排方案，提高本发明系统的响应速度，同时高刷新率有利于提高用户的舒适度。
使用头戴式显示屏时，图片位置位于用户视野正前方，优选地，使用户在显示屏中观察到的图片位置以位于视野正前方50-70cm。
具体地，所述采集装置为脑波信号采集器，脑波信号采集器由脑电信号传感器12、信号放大器、模数转换器、微处理器构成，模数转换器即为A/D转换器，微处理器即为Microcontroller Unit，简称为MCU。
本实施例中，所述脑电信号传感器12为Ag/AgCl脑电信号电极，安装于绑带式头戴支架1，用于接触用户的头皮，至少包括参考电极、地电极和记录电极等三个传感器电极，所述参考电极连接差分放大器的参考端，地电极连接差分放大器的地端，记录电极连接差分放大器的记录端。
本发明实施例参照了10-20国际EEG电极配置方案，参考电极设置于双耳连线与头顶中线连接点，地电极安放于左耳和/或右耳上方，活动电极安放于枕骨两侧。
需要说明的是，本发明实施例使用了非侵入式的脑电波EEG信号，但在其他实施例中，也可采用其他电极安放方案，以能有效记录到头皮枕区活动信号为准,如侵入式方式记录的神经活动信号，以及在使用本发明所述方法诱发的脑磁图(MEG)，近红外光谱(NIRS)，功能性磁共振(fMRI)等信号。
除上述最少电极配置方案外，本发明还可采用更多的电极通道配置方案，如32或64通道10-20国际EEG电极配置，可以此获得更高的识别率与响应速度。信号放大器可采用市场销售的仪表放大器芯片实现，如Analog Device公司的AD-620芯片。信号放大器输出的信号通过模数转换器转换为数字信号。需要说明的是，本发明应保证至少12bit的模数转换精度，可采用MAXIM公司生产的MAX196 DAS芯片实现。
微处理器用于对模数转换器信号进行采样、预处理及缓存，本实施例在中采用美国TI公司生产的DSP芯片TMS320C32，并搭配SRAM存储芯片实现。更高的采样率可带来更高的样本时间精度，有利于提高系统识别率，因此，为达到至少为毫秒级的精度，优选地，本发明信号采样率不低于1000Hz。
为提高计算精度，除进行信号采样外，本发明实施例中，微处理器还同时负责脑波信号的数字滤波、信号分段、降采样处理。数字滤波频率范围可选0.5-40Hz，并通过3-5阶巴特沃斯带通数字滤波器实现。
所述信号分段指从实时获取并缓存的脑波信号中，从指定时间戳位置截取指定长度的脑波数据，并将其与指定事件码配对。所述信号分段、指定时间戳、指定事件码由本发明所述终端控制器触发。
所述控制装置为终端控制器，用于为每一种即将在显示屏中呈现的视觉刺激生成一个唯一标识的数字事件码，而后当某一事件码对应的视觉刺激在显示屏中呈现时，记录下其呈现准确时刻的时间戳，并将该事件码和该时间戳配对发送给脑波信号采集器的微处理器，同时触发所述微处理器对该事件码从所配对的时间戳位置开始进行信号分段。具体地，所述指定长度指截取的信号分段的时间长度参数，由所述终端控制器进行设置，可在300-1000ms范围内设定。
需要说明的是，脑电信号传感器12设置于绑带11，所述显示屏、所述脑波信号采集器除脑电信号传感器12外的硬件部分、所述终端控制器及所述交互服务接口均设置于所述绑带式头戴支架1的主体10部分。
所述降采样是指降低信号采样频率，以便减小信号传输带宽与传输负荷，提高系统响应的实时性。降采样与信号分段同时进行。举例而言，设原采样率为1000Hz，降采样后采样率为125Hz，在进行信号分段时，将从指定时间戳位置，每隔8个样本点抽取一个样本点作为该分段信号的有效样本点进行存储，例如原始样本点序号依次为1,2,3,4,5,6,7,8,9,10,…,将分别抽取序号为1,9,17,…的样本作为降采样后的有效样本。
为避免信号产生频谱混叠，根据奈奎斯特采样定律，所述数字滤波在所述信号分段之前进行，同时，数字滤波的低通截止频率应低于降采样后采样率的一半。一旦完成某一指定事件码指定长度的分段信号的采集，微处理器即将此信号分段与配对的事件码发送给所述终端控制器进行进一步处理，同时将其从本模块缓存中清除。
信号质量对本发明系统的最终识别性能至关重要，因此，进一步地，为保证电极和头皮的有效接触，可在电极与头皮之间涂抹导电膏，以降低接触阻抗，提高信号质量。除此之外，本发明可采用干电极进行记录，无需涂抹导电膏，从而提高用户的舒适度，例如采用Wearable Sensing公司生产的DSI-24或DSI-7干电极模组进行信号采集。
终端控制器用于从数据存储模块的图片素材库中抽取图片，生成视觉图片刺激序列，并按照预先编排的时序，将刺激图片依序发送给显示屏显示，同时记录图片呈现准确时间的时间戳，触发脑波信号采集器记录该图片对应事件码的脑波信号分段数据，而后，从脑波信号采集器实时读取记录到的脑波数据。鉴于视觉刺激经人眼抵达人脑视皮层进行处理加工的响应时间为极短的毫秒级，所记录的图片呈现时间的准确度对本发明系统的识别性能极为重要。本发明根据显示屏反馈的刷新同步信号获得记录图片的显示时间，如垂直同步信号(vertical blanking signal)，在响应延迟低于1ms的显示屏上，即可获得毫秒级的图片呈现时间记录精度。
本发明需要在进行个体身份鉴权之前，首先建立并录入个体脑波生物特征模型。因此，在个体信息录入阶段，终端控制器将首先生成适用于个体信息录入的图片刺激序列，并记录对应的脑波数据，而后根据本发明所述的脑波生物特征模型建立方法，进行个体生物特征模型的训练和建立，并将所建立模型与个体信息绑定，记录在终端控制器的数据存储模块当中。个体信息可通过本发明所提供的交互服务接口设定。
进行个体身份鉴权时，终端控制器将生成适用于个体身份鉴权的图片刺激序列，并记录对应的脑波数据，而后根据本发明所述的脑波生物特征模型识别方法，从已录入的个体生物特征模型中匹配需鉴权的个体脑波数据，进行个体身份的鉴权，如果找到匹配的模型，则鉴权成功；如果找不到可匹配的模型，则鉴权失败。鉴权结果可通过所述交互服务接口读取。
本发明所述交互服务接口提供开放式访问协议，所述开放式访问协议依照TCP/IP标准协议下的TCP、UDP套接字(socket)形式提供，外部系统或程序通过无线WIFI网络向本发明系统的IP地址发送指定格式的socket实现访问控制，每个socket包含一个命令字段和一个数据字段，分别表示命令类型与参数。本发明提供的基本命令与对应的参数包括但不限于：
“establish”命令，含义为建立生物特征识别模型，参数为用户姓名、性别、年龄、标识码(ID)等个体信息；
“update”命令，含义为更新图片库，参数为图片数据；
“authenticate”命令，含义为执行个体鉴权，参数为鉴权唯一序列码(外部程序需要为每次鉴权生成一个唯一的序列码)；
“result”，含义为鉴权结果，参数为鉴权序列码与对应的鉴权结果信息。
所述终端控制器与交互服务接口可基于Android、IOS移动终端开发，除此之外，也可通过Arduino、Raspberry Pi 4B等集成微控制板实现。
实施例2
基于实施例1提出的系统，本发明还提出一种基于随机图形图像闪现的脑波生物特征识别方法，所述方法包括个体信息录入和个体身份鉴权。
所述个体信息录入包括：
S210：系统生成若干组随机图形图像序列呈现给用户，进入步骤S211。
需要说明的是，所述图像呈现给用户的方式需要按照预设的规则。
S211：使用户注视视觉刺激与交互界面的特定标识，进入步骤S212。
本实施例中，视觉刺激与交互界面的特定标识为位于显示屏中心的十字形符号“+”。
S212：系统实时采集用户脑波信号，进入步骤S213。
S213：训练与存储个体生物特征模型。
所述个体身份鉴权包括：
S220：系统生成一组随机图形图像序列呈现给用户，进入步骤S221。
需要说明的是，所述图像呈现给用户的方式需要按照预设的规则。
S221：使用户注视视觉刺激与交互界面的特定标识，进入步骤S222。
S222：系统实时采集用户脑波信号，进入步骤S223。
S223：系统提取用户的脑波信号特征；
S224：将提取的脑波信号特征与已录入的模型进行匹配，检测是否有能够成功匹配的模型；
若成功匹配模型，转至步骤S225；若找不到可匹配的模型，转至步骤S226。
S225：系统给出个体信息，鉴权成功。
S226：鉴权失败。
实施例3
本发明还提出一种基于随机图形图像闪现的注意前脑波激发方法，需要获取由不同类别图形图像构成的图片素材库，所述图片素材库包括但不限于几何图形、人脸、物体等类别的图片。
所述几何图形类图片为常见的圆形、方形、三角形等简单几何图形及其任意组合、叠加构成的复杂图形，人脸类图片可从网络公开的人脸数据库中获取，如CelebFacesAttributes Dataset人脸数据集，或其他途径采集；所述人脸图片需要使用不同人的人脸；所述物体类图片为日常生活中的常见物体，可从行为学测试的标准物体图库Snodgrassand Vanderwart picture set中选取，或由其他途径采集。
为使用户能清晰辨认图片内容，优选地，通过获取足够规模且彼此区分明显的图片集，有利于得到更好的识别性能，各类型下图片数量应不低于50张，各图片尺寸为128像素×128像素以上，若用户不能清晰辨认图片内容，则可进一步提高标准。
具体地，实施例2中提出的个体信息录入的图片刺激序列具体呈现方式为：
S310:随机选取一组同一类别下的不同图片进行播放，进入步骤S311。
本实施例中，随机选取10幅同一类别下的不同图片为一组进行播放，每幅图片呈现40ms，而后随机间隔200-400ms开始播放下一幅，约3s后播放结束。用户可以选择其中一个类别进行训练，也可以对不同类别分别进行训练。
S311：在图片中心叠加显示特定标识，使用户关注标识是否发生变化，进入步骤S312。
播放图片时，图片中心叠加显示特定标识，用于转移用户注意对象，本发明实施例中所述特定标识为一个黄色十字形符号“+”，该符号可能会在播放过程中变色，也可能不变色。
用户需要在播放期间关注十字是否变色，而忽略背景图片的闪烁，由于用户并未关注背景图片，背景图片的闪烁将激发出意识前的视觉诱发电位。
S312：检测脑波信号是否出现较大幅度波动。
若脑波信号出现较大幅度波动，转至步骤S313；若脑波信号未出现较大幅度波动，转至步骤S314。
需要说明的是，若系统检测到较大幅度波动，则判断可能存在干扰或伪迹。本实施例中，若脑波分段信号峰峰值大于70μV，系统判定出现较大幅度波动，所述干扰或伪迹可能由眨眼、晃动等原因引起。
S313：判断该组数据无效，进入步骤S315。
S314：判断该组数据有效，进入步骤S315。
S315：判断是否播放完预定的有效播放组数。
若播放完预定的有效组数，进入步骤S316。
本实施例中，预定的有效播放组数为30组。
S316：结束播放。
实施例3中提出的个体身份鉴权的图片刺激序列具体呈现方式为：
S320：随机选取3-10幅已训练过的类别下的不同图片进行播放，进入步骤S321。
本实施例中，每幅图片呈现40ms，而后随机间隔200-400ms开始播放下一幅，约1-3s后播放结束。
S321:在图片中心叠加显示特定标识，使用户关注特定标识是否发生变化,进入步骤S322。
播放时图片中心叠加显示特定标识，用于转移用户注意对象，本发明实施例中所述特定标识为一个黄色十字形符号“+”，该符号可能会在播放过程中变色，也可能不变色。
用户需要在播放期间关注十字是否变色，而忽略背景图片的闪烁。
S322：检测所述脑波信号是否出现较大幅度波动。
若所述脑波信号出现较大幅度波动，转至步骤S323，若所述脑波信号未出现较大幅度波动，转至步骤S324。
若系统检测到较大幅度波动，则判断可能存在干扰或伪迹。
S323：判断该组数据无效，转回步骤S320。
S324：判断该组数据有效，进入步骤S325。
S325：结束播放。
需要说明的是，无干扰或伪迹情况下，本发明仅需1-3s的数据即可完成鉴权，由于数据量对本发明系统的识别性能影响较大，在干扰较大情况下，可通过适当增加播放的图片数量的方式，如每组使用15～20幅图片，或增加播放组数的方式，来提高识别性能的稳定性，但增加播放的图片数量、增加播放组数均会相应延长鉴权时间。
实施例4
本发明还提出一种脑波生物特征模型建立方法，用于通过实施例1-3中所述的个体信息录入阶段的脑波数据建立脑波生物特征模型，本发明根据图片类别建立不同的个体生物特征模型，若用户针对不同类别图片进行了个体信息录入的训练，则将针对每种训练过的类别建立一种该用户个体的生物特征模型。
具体地，所述脑波生物特征模型建立方法包括设定图片事件码和建立模型。
所述设定图片事件码包括：
S410：设定用于标记真实图片和虚拟图片的图片事件码,并预设间隔时间，进入步骤S411。
本实施例中，使用了0和1两种事件码，将真实图片标记为事件码1，虚拟图片标记为事件码0。
所述真实图片为从图片集中随机选择并显示的每幅图像，均标记为事件码1；所述虚拟图片为本发明为提取脑波生物特征，虚拟出的一类没有呈现的图片，均标记为事件码0，用于标记对比脑波数据。
S411：显示一组刺激序列中的图片，从真实图片显示时刻开始计时，进入步骤S412。
S412：每经过间隔时间标记一张虚拟图片，进入步骤S413。
本实施例中，预设的所述间隔时间时间设定为80ms。
S413：判断一张虚拟图片标记后，间隔时间内是否出现了真实图片。
若一张虚拟图片标记后80ms内出现真实图片，转至步骤S414；若一张虚拟图片标记后80ms内未出现真实图片，转至步骤S415。
S414：将该虚拟图片视为无效并删除，进入步骤S415。
S415：判断该组刺激序列中真实图片是否显示完毕。
若该组刺激序列中真实图片显示完毕，进入步骤S416；若该组刺激序列中真实图片未显示完毕，转至步骤S412。
S416：结束图片显示。
需要说明的是，不论是事件码1的真实图片，还是事件码0的虚拟图片，均需从本发明所述脑波信号采集器中获取对应的分段信号数据。
所述建立模型包括：
将得到不同事件码的两类脑波分段信号分别记为
和
脑波数据采集完成后，共计得到300个事件码1和约900个事件码0的两类脑波分段信号，分别记为
和
其中，n为记录电极的个数，m为分段信号长度，本实施例中分段信号长度为点数，k1为事件码1的样本的个数，k0为事件码0的样本的个数，所述样本为分段信号，即k1＝300，k0＝900。
计算
其中，
表示对
做zscore归一化，A为所得归一化结果，μ为
的均值，σ为
的方差。
计算
计算
其中，上标T表示转置运算
计算L＝chol(CXX)。
函数chol(A)表示对矩阵A做Cholesky分解。
计算invL＝inv(L)。
其中，函数inv(A)表示对矩阵A求逆。
计算[V,D]＝eig(invLT·CCC·invL)。
其中，eig(A)表示对矩阵A求特征值分解，矩阵V的每一列代表分解所得的一个特征向量，向量D的每个元素代表V中每个特征向量对应的特征值。
计算U＝invL·V。
查找D中最大的前p个元素所在的位置序号，构成集合IDX。
本实施例中，p值取3。
计算u＝retr(U,IDX)。
其中，函数retr(A,Z)表示从矩阵A挑出集合Z中标识的所有列向量，并按列组合成新的矩阵。
计算w＝bayesianlda(uT·S,uT·N)。
其中，函数bayesianlda(A,B)表示用已公开的Bayes LDA算法对A和B代表的两类样本进行分类，返回分类器权重w。
{μS,σS,μN,σN,u,w}即为所得的个体脑波生物特征模型。
由此可见，本方法仅存储由个人脑波数据计算所得的模型参数，不存储涉及个人隐私的脑波数据本身，同时也无法从该模型回推个人脑波的数据，因此该方法不存在泄露用户脑波数据隐私的问题。
实施例5
本发明还提出一种脑波生物特征模型识别方法，用于实施例1-3中所述的个体身份的鉴权，由实施例4可得，{μS,σS,μN,σN,u,w}即为所得的个体脑波生物特征模型，假设通过个人信息录入获得了M个用户的个体识别模型，且分别记为{μS,1,σS,1,μN,1,σN,1,u1,w1}，{μS,2,σS,2,μN,2,σN,2,u2,w2}，…，{μS,M,σS,M,μN,M,σN,M,uM,wM}。
具体地，所述脑波生物特征模型建立方法包括设定图片事件码和模型匹配，所述设定图片事件码的步骤与实施例4中相同。
所述模型匹配包括：
将得到不同事件码的两类脑波分段信号分别记为
和
脑波数据采集完成后，共计得到300个事件码1和约900个事件码0的两类脑波分段信号，分别记为
和
其中，n为记录电极的个数，m为分段信号长度，本实施例中分段信号长度为点数，k1为事件码1的样本的个数，k0为事件码0的样本的个数，所述样本为分段信号。
计算
其中，
表示对矩阵
利用均值参数μ和方差参数σ进行zscore归一化，得到归一化结果A。
计算
计算
其中<x,y>表示矩阵x与矩阵y的广义内积，即x与y对应位置元素分别相乘，再将所得乘积相加；sc即为预鉴权的脑波数据在模型{μS,σs,μN,σN,u,w}的匹配分值。
根据上述方法，针对所有已有的M个模型计算对应的匹配分值sc1，sc2，…，scM。
寻找sc1，sc2，…，scM中的最大值，假设最大值为scq，即在第q个模型处具有最大匹配分值。
判断scq和Thre的大小关系。
若scq>Thre，判断鉴权成功，并将该个体鉴别为第q个模型所对应个体；若scq<Thre，则判断鉴权失败。
需要说明的是，Thre为误判率控制系数。Thre值越大，鉴权的误判率越低，但灵敏度相应降低，本实施例中Thre取1.5。
所述误判率即为将授权用户误判为授权用户的概率，所述灵敏度指对已授权用户做出了正确授权。
若为控制误判率提高Thre的取值，导致灵敏度过低时，可通过增加鉴别刺激序列长度的方式来提高灵敏度。
综上所述，本发明提供了一种基于随机图形图像闪现的脑波生物特征识别系统与方法，以随机图形图像闪现所激发的意识前脑波信号作为生物识别特征，较少受情绪、心理状态等更高等级认知状态的影响，信号特征稳定，无需用户保持较高注意力水平，不会增加用户的认知负荷及由此引发的疲劳感。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于随机图形图像闪现的脑波生物特征识别系统，其特征在于，所述系统包括：
输出装置，用于为用户呈现视觉刺激与交互界面；
采集装置，用于实时获取用户的脑波信号；
控制装置，用于生成所述视觉刺激与交互界面并发送至所述输出装置，接收所述采集装置获取的脑波数据，基于所述脑波数据创建个体生物特征模型、进行个体身份鉴权，同时存储图片素材库、实时采集的所述脑波数据以及所述个体生物特征模型；
交互服务接口，用于设定所述系统参数功能。
2.根据权利要求1所述的一种基于随机图形图像闪现的脑波生物特征识别系统，其特征在于，所述输出装置包括头戴式显示屏，所述头戴式显示屏包括显示屏和用于装配显示屏的绑带式头戴支架，所述绑带式头戴支架包括主体和绑带；
所述采集装置为脑波信号采集器，脑波信号采集器由脑电信号传感器、信号放大器、模数转换器、微处理器构成，所述传感器为Ag/AgCl脑电信号电极，安装于所述绑带式头戴支架，用于接触用户的头皮，所述传感器与所述信号放大器连接，所述模数转换器用于转换所述信号放大器输出的信号，所述微处理器用于对模数转换器信号进行采样、预处理及缓存，以及对所述脑波信号的数字滤波、信号分段、降采样处理；
所述控制装置为终端控制器，用于为每一种即将在所述显示屏中呈现的视觉刺激生成一个唯一标识的数字事件码，而后当某一事件码对应的视觉刺激在显示屏中呈现时，记录下其呈现准确时刻的时间戳，并将该事件码和该时间戳配对发送给脑波信号采集器的微处理器，同时触发所述微处理器对该事件码从所配对的时间戳位置开始进行信号分段；
所述终端控制器还用于从存储的图片素材库中抽取图片，生成视觉图片刺激序列，并按照预先编排的时序，将刺激图片依序发送给所示显示屏显示，同时记录所示图片呈现准确时间的时间戳，触发所述脑波信号采集器记录该图片对应事件码的脑波信号分段数据，并从所示脑波信号采集器实时读取记录到的脑波数据；
所述脑电信号传感器设置于所述绑带，所述显示屏、所述脑波信号采集器除所述脑电信号传感器外的硬件部分、所述终端控制器及所述交互服务接口，均设置于所述绑带式头戴支架的所述主体。
3.一种基于随机图形图像闪现的脑波生物特征识别方法，其特征在于，通过权利要求1-2任一项所述的系统实现，所述方法包括个体信息录入，所述个体信息录入包括：
所述系统生成若干组随机图形图像序列呈现给用户；
使用户注视所述视觉刺激与交互界面的特定标识；
所述系统实时采集用户脑波信号；
训练与存储个体生物特征模型。
4.根据权利要求3所述的基于随机图形图像闪现的脑波生物特征识别方法，其特征在于，所述方法还包括个体身份鉴权，所述个体身份鉴权包括：
所述系统生成一组随机图形图像序列呈现给用户；
使用户注视所述视觉刺激与交互界面的特定标识；
所述系统实时采集用户脑波信号；
所述系统提取所述用户脑波信号特征；
将提取的所述脑波信号特征与已录入的模型进行匹配，检测是否有能够成功匹配的模型；
若成功匹配模型，所述系统给出个体信息，鉴权成功；若找不到可匹配的模型，则鉴权失败。
5.一种基于随机图形图像闪现的注意前脑波激发方法，其特征在于，所述方法包括：
获取由不同类别图形图像构成的图片素材库，所述图片素材库至少包括几何图形、人脸、物体等类别的图片，用于个体信息录入的图片刺激序列具体呈现和个体身份鉴权的图片刺激序列具体呈现。
6.根据权利要求5所述的一种基于随机图形图像闪现的注意前脑波激发方法，其特征在于，所述个体信息录入的图片刺激序列具体呈现包括：
随机选取一组同一类别下的不同图片进行播放；
在所述图片中心叠加显示特定标识，使用户关注所述标识是否发生变化；
检测脑波信号是否出现较大幅度波动，若所述脑波信号出现较大幅度波动，判断该组数据无效，若所述脑波信号未出现较大幅度波动，判断该组数据有效；
判断是否播放完预定的有效播放组数，若播放完预定的有效组数则结束播放，若未播放完预定的有效组数，重新随机选取一组同一类别下的不同图片进行播放。
7.根据权利要求6所述的一种基于随机图形图像闪现的注意前脑波激发方法，其特征在于，所述个体身份鉴权的图片刺激序列具体呈现包括：
随机选取3-10幅已训练过的类别下的不同图片进行播放；
在所述图片中心叠加显示特定标识，使用户关注所述标识是否发生变化；
检测所述脑波信号是否出现较大幅度波动，若所述脑波信号出现较大幅度波动，判断该组数据无效，并重新随机选取3-10幅已训练过的类别下的不同图片进行播放，若所述脑波信号未出现较大幅度波动，判断该组数据有效，结束播放。
8.一种脑波生物特征模型建立方法，其特征在于，所述方法包括设定图片事件码，所述设定图片事件码包括：
设定用于标记真实图片和虚拟图片的图片事件码，并预设间隔时间，所述虚拟图片为用于提取脑波生物特征，虚拟出的一类没有呈现的图片；
显示一组刺激序列中的图片，从所述真实图片显示时刻开始计时；
每经过所述间隔时间标记一张所述虚拟图片；
判断一张所述虚拟图片标记后，所述间隔时间内是否出现了所述真实图片；
若一张所述虚拟图片标记后所述间隔时间内出现所述真实图片，将该虚拟图片视为无效并删除；
判断该组刺激序列中所述真实图片是否显示完毕，若该组刺激序列中所述真实图片显示完毕，结束图片显示。
9.根据权利要求8所述的一种脑波生物特征模型建立方法，其特征在于，所述方法还包括建立模型，所述真实图片标记为事件码1，所述虚拟图片标记为事件码0，所述建立模型包括：
脑波数据采集完成后，将得到的k1个所述事件码1的脑波分段信号记为
得到的k0个所述事件码0的脑波分段信号记为
n为记录电极的个数，m为所述分段信号长度；
计算
即对
做zscore归一化，S、N为所得归一化结果，μS为
的均值，σS为
的方差，μN为
的均值，σN为
的方差；
计算
计算
上标T表示转置运算；
计算L＝chol(CXX)，即对矩阵CXX做Cholesky分解；
计算invL＝inv(L)，即对矩阵L求逆；
计算[V，D]＝eig(invLT·CCC·invL)，即对矩阵invLT·CCC·invL求特征值分解，矩阵V的每一列代表分解所得的一个特征向量，向量D的每个元素代表V中每个所述特征向量对应的特征值；
计算U＝invL·V；
查找D中最大的前p个元素所在的位置序号，构成集合IDX；
计算u＝retr(U，IDX)，即从矩阵U挑出集合IDX中标识的所有列向量，并按列组合成新的矩阵；
计算w＝bayesianlda(uT·S，uT·N)，即用Bayes LDA算法对uT·S和uT·N代表的两类样本进行分类，返回分类器权重w；
得到个体脑波生物特征模型{μS，σS，μN，σN，u，w}。
10.一种脑波生物特征模型识别方法，其特征在于，所述方法基于如权利要求9所述的脑波生物特征模型建立方法实现，所述脑波生物特征模型识别方法包括所述设定图片事件码和模型匹配，所述模型匹配包括：
假设通过个人信息录入获得了M个用户的个体识别模型，且分别记为{μS，1，σS，1，μN，1，σN，1，u1，w1}，{μS，2，σS，2，μN，2，σN，2，u2，w2}，…，{μS，M，σS，M，μN，M，σN，M，uM，wM}；
脑波数据采集完成后，将得到的k1个所述事件码1的脑波分段信号记为
得到的k0个所述事件码0的脑波分段信号记为
n为记录电极的个数，m为所述分段信号长度；
计算
即对矩阵
利用均值参数μS和方差参数σS进行zscore归一化，得到归一化结果TS，对矩阵
利用均值参数μN和方差参数σN进行zscore归一化，得到归一化结果TN；
计算
计算
为w与
的广义内积.
为w与
的广义内积，sc为预鉴权的脑波数据在所述模型{μS，σS，μN，σN，u，w}的匹配分值；
针对所有已有的M个模型计算对应的匹配分值sc1，sc2，…，scM；
寻找sc1，sc2，…，scM中的最大值，假设最大值为Scq，即在第q个模型处具有最大匹配分值；
判断scq和Thre的大小关系，所述Thre为误判率控制系数；
若scq＞Thre，判断鉴权成功，并将该个体鉴别为所述第q个模型所对应个体；若scq＜Thre，则判断鉴权失败。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111493798.4A CN114424945B (zh) | 2021-12-08 | 2021-12-08 | 一种基于随机图形图像闪现的脑波生物特征识别系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111493798.4A CN114424945B (zh) | 2021-12-08 | 2021-12-08 | 一种基于随机图形图像闪现的脑波生物特征识别系统与方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114424945A true CN114424945A (zh) | 2022-05-03 |
| CN114424945B CN114424945B (zh) | 2024-05-31 |
Family
ID=81311615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111493798.4A Active CN114424945B (zh) | 2021-12-08 | 2021-12-08 | 一种基于随机图形图像闪现的脑波生物特征识别系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114424945B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115035608A (zh) * | 2022-05-26 | 2022-09-09 | 支付宝(杭州)信息技术有限公司 | 活体检测方法、装置、设备及系统 |
| CN115192852A (zh) * | 2022-07-13 | 2022-10-18 | 军事科学院军事医学研究院环境医学与作业医学研究所 | 一种基于声光学刺激的脑波调节装置 |
| WO2024114480A1 (zh) * | 2022-11-30 | 2024-06-06 | 中国科学院深圳先进技术研究院 | 一种视觉刺激方法、脑机训练方法和脑机训练系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101491441A (zh) * | 2009-02-26 | 2009-07-29 | 江西蓝天学院 | 基于脑电信号的身份识别方法 |
| CN103690165A (zh) * | 2013-12-12 | 2014-04-02 | 天津大学 | 一种跨诱发模式情绪脑电识别建模方法 |
| CN105303631A (zh) * | 2015-09-22 | 2016-02-03 | 江西科技学院 | 一种利用脑电信号进行小型办公室打卡考勤的方法 |
| CN105592798A (zh) * | 2013-03-15 | 2016-05-18 | 塞罗拉公司 | 用于多模态生理刺激和脑健康的评估的系统及签名 |
| CN107437011A (zh) * | 2016-05-26 | 2017-12-05 | 华为技术有限公司 | 基于脑电信号的身份识别的方法和装置 |
| CN108985029A (zh) * | 2018-06-05 | 2018-12-11 | 中国科学院半导体研究所 | 基于视觉刺激的脑电身份识别方法 |
| CN111329474A (zh) * | 2020-03-04 | 2020-06-26 | 西安电子科技大学 | 基于深度学习的脑电身份识别方法、系统及信息更新方法 |
| CN112130663A (zh) * | 2020-08-31 | 2020-12-25 | 上海大学 | 一种基于eeg-nirs的目标识别训练系统及方法 |
-
2021
- 2021-12-08 CN CN202111493798.4A patent/CN114424945B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101491441A (zh) * | 2009-02-26 | 2009-07-29 | 江西蓝天学院 | 基于脑电信号的身份识别方法 |
| CN105592798A (zh) * | 2013-03-15 | 2016-05-18 | 塞罗拉公司 | 用于多模态生理刺激和脑健康的评估的系统及签名 |
| CN103690165A (zh) * | 2013-12-12 | 2014-04-02 | 天津大学 | 一种跨诱发模式情绪脑电识别建模方法 |
| CN105303631A (zh) * | 2015-09-22 | 2016-02-03 | 江西科技学院 | 一种利用脑电信号进行小型办公室打卡考勤的方法 |
| CN107437011A (zh) * | 2016-05-26 | 2017-12-05 | 华为技术有限公司 | 基于脑电信号的身份识别的方法和装置 |
| CN108985029A (zh) * | 2018-06-05 | 2018-12-11 | 中国科学院半导体研究所 | 基于视觉刺激的脑电身份识别方法 |
| CN111329474A (zh) * | 2020-03-04 | 2020-06-26 | 西安电子科技大学 | 基于深度学习的脑电身份识别方法、系统及信息更新方法 |
| CN112130663A (zh) * | 2020-08-31 | 2020-12-25 | 上海大学 | 一种基于eeg-nirs的目标识别训练系统及方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115035608A (zh) * | 2022-05-26 | 2022-09-09 | 支付宝(杭州)信息技术有限公司 | 活体检测方法、装置、设备及系统 |
| CN115192852A (zh) * | 2022-07-13 | 2022-10-18 | 军事科学院军事医学研究院环境医学与作业医学研究所 | 一种基于声光学刺激的脑波调节装置 |
| WO2024114480A1 (zh) * | 2022-11-30 | 2024-06-06 | 中国科学院深圳先进技术研究院 | 一种视觉刺激方法、脑机训练方法和脑机训练系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114424945B (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114424945B (zh) | 一种基于随机图形图像闪现的脑波生物特征识别系统与方法 | |
| Becker et al. | Emotion recognition based on high-resolution EEG recordings and reconstructed brain sources | |
| Chanel et al. | Emotion assessment: Arousal evaluation using EEG’s and peripheral physiological signals | |
| Bentin et al. | Processing the trees and the forest during initial stages of face perception: Electrophysiological evidence | |
| Desjardins et al. | Deconstructing the early visual electrocortical responses to face and house stimuli | |
| US4736751A (en) | Brain wave source network location scanning method and system | |
| Marzi et al. | Interplay between familiarity and orientation in face processing: An ERP study | |
| US20070060830A1 (en) | Method and system for detecting and classifying facial muscle movements | |
| EP2698112B1 (en) | Real-time stress determination of an individual | |
| CN109784023B (zh) | 基于深度学习的稳态视觉诱发脑电身份识别方法及系统 | |
| CN111265212A (zh) | 一种运动想象脑电信号分类方法及闭环训练测试交互系统 | |
| CN111329474A (zh) | 基于深度学习的脑电身份识别方法、系统及信息更新方法 | |
| Kaufmann et al. | Distortions in the brain? ERP effects of caricaturing familiar and unfamiliar faces | |
| CN109645994A (zh) | 一种基于脑-机接口系统辅助评估视觉定位的方法 | |
| CN109247917A (zh) | 一种空间听觉诱发p300脑电信号识别方法及装置 | |
| Burkhardt et al. | Adaptation modulates the electrophysiological substrates of perceived facial distortion: Support for opponent coding | |
| Pun et al. | Brain-computer interaction research at the Computer Vision and Multimedia Laboratory, University of Geneva | |
| WO2024114480A1 (zh) | 一种视觉刺激方法、脑机训练方法和脑机训练系统 | |
| CN112732082A (zh) | 基于附加汉字默读运动想象方式的脑-机接口方法 | |
| KR20220028967A (ko) | 뉴로피드백 기반의 치료 장치 및 치료 방법 | |
| CN111671421A (zh) | 一种基于脑电图的儿童需求感知方法 | |
| CN110866237A (zh) | 脑电的阈下姓名身份认证方法 | |
| Cecotti et al. | Suboptimal sensor subset evaluation in a p300 brain-computer interface | |
| Muhammad et al. | Design and Development of Low-cost Wearable Electroencephalograms (EEG) Headset. | |
| CN110148468B (zh) | 动态人脸图像重建的方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |