CN116570835A - 一种基于场景和用户状态的干预刺激模式的确定方法 - Google Patents
一种基于场景和用户状态的干预刺激模式的确定方法 Download PDFInfo
- Publication number
- CN116570835A CN116570835A CN202310852123.7A CN202310852123A CN116570835A CN 116570835 A CN116570835 A CN 116570835A CN 202310852123 A CN202310852123 A CN 202310852123A CN 116570835 A CN116570835 A CN 116570835A
- Authority
- CN
- China
- Prior art keywords
- determining
- user
- value
- fatigue
- scene
- 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
- 230000000638 stimulation Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000008859 change Effects 0.000 claims abstract description 58
- 230000007613 environmental effect Effects 0.000 claims abstract description 32
- 210000004556 brain Anatomy 0.000 claims abstract description 25
- 238000000926 separation method Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/20—Applying electric currents by contact electrodes continuous direct currents
- A61N1/205—Applying electric currents by contact electrodes continuous direct currents for promoting a biological process
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- 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]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Psychology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于场景和用户状态的干预刺激模式的确定方法，所述方法包括：获取环境声音和环境图像，根据环境声音和环境图像确定目标场景，根据目标场景确定用户的精力需求值；获取用户的脑电波和心率，根据脑电波和心率确定疲劳度，根据疲劳度确定需求变化值；根据精力需求值和需求变化值确定目标精力需求值，根据目标精力需求值确定干预刺激模式。本发明通过用户当前所处的场景确定基础的精力需求值，基于用户当前的疲劳度确定需求变化值，通过需求变化值对基础的精力需求值进行调整，从而准确得到用户当前的目标精力需求值。根据目标精力需求值自动为用户选择出最合适的干预刺激模式，从而更好地为用户的精力进行充电。
Description
技术领域
本发明涉及智能设备领域，尤其涉及的是一种基于场景和用户状态的干预刺激模式的确定方法。
背景技术
随着经颅直流电刺激装置的普及，经颅直流电刺激装置的性能也在不断提高。为了满足不同用户或者同一用户在不同状态下的使用需求，经颅直流电刺激装置中通常储存有多种干预刺激模式供用户选择。然而用户本身可能并不了解自身当前适用哪种干预刺激模式，因此其选择出的干预刺激模式可能与其当前需求并不相符，导致经颅直流电刺激装置的作用效果不佳。
因此，现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于场景和用户状态的干预刺激模式的确定方法，旨在解决现有技术中需要用户手动调控经颅直流电刺激装置的干预刺激模式，对于不了解自身需求的用户来说难以选择出符合其当前精力需求的干预刺激模式的问题。
本发明解决问题所采用的技术方案如下：
第一方面，本发明实施例提供一种基于场景和用户状态的干预刺激模式的确定方法，其中，所述方法包括：
获取环境声音数据和环境图像数据，根据所述环境声音数据和所述环境图像数据确定目标场景，根据所述目标场景确定用户的精力需求值；
获取所述用户的脑电波数据和心率数据，根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，根据所述疲劳度确定所述用户的需求变化值；
根据所述精力需求值和所述需求变化值确定所述用户的目标精力需求值，根据所述目标精力需求值确定经颅直流电刺激装置的干预刺激模式。
在一种实施方式中，所述根据所述环境声音数据和所述环境图像数据确定目标场景，包括：
根据所述环境声音数据，确定发声的若干目标物体；
根据所述环境图像数据确定若干特征物，判断各所述特征物是否为所述目标物体之一，若是，则将所述特征物作为增强特征物；
对所述环境图像数据中非所述特征物对应的区域、所述特征物对应的区域以及所述增强特征物对应的区域分别赋予不同的权重值，得到权重环境图像数据；
将所述权重环境图像数据输入预先经过训练的注意力预测模型，得到所述目标场景。
在一种实施方式中，所述根据所述环境声音数据，确定发声的若干目标物体，包括：
将所述环境声音数据输入声音分离模型，得到若干声音数据；
获取声学特征数据库，其中，所述声学特征数据库包括若干物体分别发出的声音的声学特征数据；
将各所述声音数据与所述声学特征数据库进行匹配得到各所述声音数据分别对应的所述目标物体。
在一种实施方式中，所述根据所述环境图像数据确定若干特征物，包括：
基于灰度值将所述环境图像数据分为若干局部区域，其中，每一所述局部区域内的灰度波动值均小于预设的波动阈值；
获取各所述局部区域分别对应的区域面积，将所述区域面积小于预设的面积阈值的所述局部区域作为所述特征物。
在一种实施方式中，所述根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，包括：
根据所述脑电波数据确定所述用户对应的第一疲劳度；
根据所述心率数据确定所述用户对应的第二疲劳度；
根据所述第一疲劳度和所述第二疲劳度，确定所述用户的所述疲劳度。
在一种实施方式中，所述根据所述疲劳度确定所述用户的需求变化值，包括：
获取预设的疲劳阈值；
若所述疲劳度小于所述疲劳阈值，则所述需求变化值为负数，且所述疲劳度与所述需求变化值成正比关系；
若所述疲劳度大于所述疲劳阈值，则所述需求变化值为正数，且所述疲劳度与所述需求变化值成正比关系。
在一种实施方式中，所述根据所述精力需求值和所述需求变化值确定目标精力需求值，包括：
根据所述精力需求值和所述需求变化值的加和结果确定所述目标精力需求值。
第二方面，本发明实施例还提供一种基于场景和用户状态的干预刺激模式的确定装置，其中，所述装置包括：
场景分析模块，用于获取环境声音数据和环境图像数据，根据所述环境声音数据和所述环境图像数据确定目标场景，根据所述目标场景确定用户的精力需求值；
状态分析模块，用于获取所述用户的脑电波数据和心率数据，根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，根据所述疲劳度确定所述用户的需求变化值；
模式确定模块，用于根据所述精力需求值和所述需求变化值确定所述用户的目标精力需求值，根据所述目标精力需求值确定经颅直流电刺激装置的干预刺激模式。
第三方面，本发明实施例还提供一种终端，其中，所述终端包括有存储器和一个以上处理器；所述存储器存储有一个以上的程序；所述程序包含用于执行如上述任一所述的基于场景和用户状态的干预刺激模式的确定方法的指令；所述处理器用于执行所述程序。
第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有多条指令，其中，所述指令适用于由处理器加载并执行，以实现上述任一所述的基于场景和用户状态的干预刺激模式的确定方法的步骤。
本发明的有益效果：本发明实施例通过用户当前所处的场景确定基础的精力需求值，基于用户当前的疲劳度确定需求变化值，通过需求变化值对基础的精力需求值进行调整，从而准确得到用户当前的目标精力需求值。根据目标精力需求值自动为用户选择出最合适的干预刺激模式，从而更好地为用户的精力进行充电。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明中记载的一些实施例，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是本发明实施例提供的基于场景和用户状态的干预刺激模式的确定方法的流程示意图。
图2是本发明实施例提供的基于场景和用户状态的干预刺激模式的确定装置的模块示意图。
图3是本发明实施例提供的终端的原理框图。
具体实施方式
本发明公开了一种基于场景和用户状态的干预刺激模式的确定方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。 应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
针对现有技术的上述缺陷，本发明提供一种基于场景和用户状态的干预刺激模式的确定方法，如图1所示，所述方法包括：
步骤S100、获取环境声音数据和环境图像数据，根据所述环境声音数据和所述环境图像数据确定目标场景，根据所述目标场景确定用户的精力需求值；
步骤S200、获取所述用户的脑电波数据和心率数据，根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，根据所述疲劳度确定所述用户的需求变化值；
步骤S300、根据所述精力需求值和所述需求变化值确定所述用户的目标精力需求值，根据所述目标精力需求值确定经颅直流电刺激装置的干预刺激模式。
具体地，经颅直流电刺激技术是一种无创的，利用恒定、低强度的直流电调节大脑皮层神经细胞活动的技术。经颅直流电刺激装置中通常存储有多种干预刺激模式供用户选择使用，各种干预刺激模式分别代表了不同的电流强度和作用时长的组合。用户在不同场景、不同疲劳状态下的精力需求不同，例如疲劳状态相同的用户在户外游玩场景下和学习场景下的精力需求是不同的；睡眠3小时和睡眠6小时的用户的疲劳程度不同，则她们在相同场景下的精力需求也是不同的。因此需要确定用户当前所处的场景和疲劳度，才能更好地为用户推荐合适的干预刺激模式。本实施例首先根据当前环境中的声音和图像，预测用户当前所处的目标场景，根据目标场景先确定一个基础的精力需求值，例如学习场景下的精力需求值是7，户外游玩场景下的精力需求值是5。然后再通过分析用户当前的脑电波数据和心率数据来确定其当前的疲劳度，疲劳度会影响用户当前的精力需求，因此基于疲劳度确定需求变化值，通过需求变化值来实现对基础的精力需求值的微调，从而计算出与用户当前状态和当前场景均相符的目标精力需求值。根据目标精力需求值可以自动为用户选择出当下最匹配的干预刺激模式，经颅直流电刺激装置基于选择出的干预刺激模式进行工作可以更好地为用户的精力进行充电。
在一种实现方式中，所述根据所述环境声音数据和所述环境图像数据确定目标场景，包括：
根据所述环境声音数据，确定发声的若干目标物体；
根据所述环境图像数据确定若干特征物，判断各所述特征物是否为所述目标物体之一，若是，则将所述特征物作为增强特征物；
对所述环境图像数据中非所述特征物对应的区域、所述特征物对应的区域以及所述增强特征物对应的区域分别赋予不同的权重值，得到权重环境图像数据；
将所述权重环境图像数据输入预先经过训练的注意力预测模型，得到所述目标场景。
具体地，通过分析环境声音数据可以判断出当前环境中可能存在的发声的目标物体，例如电脑套件、电视、音箱、收音机、电话等等。通过分析环境图像数据可以判断出当前环境中存在的特征物，例如椅子、桌子、电脑套件、电视、收音机等等。本实施例预先构建了一个注意力预测模型，注意力预测模型的输入为图像数据，输出为图像数据对应的场景。本实施例采用了海量的标注数据对注意力预测模型进行模型训练，使其充分学习了输入输出之间的复杂映射关系。为了提高注意力预测模型的预测准确性，本实施例将为环境图像数据中不同区域进行权重分配，使注意力预测模型将更多关注力放在图像中的重要区域。环境图像数据主要分为几类区域，第一类是非特征物的区域，即背景区域，这类区域的权重值最低；第二类是仅为特征物的区域，这类区域代表的是当前环境中存在的物体，因此其有可能具有指向性，可以反映当前的场景类别，所以这类区域的权重值高于第一类；第三类是既为特征物又为目标物体的区域，这类区域代表的是当前环境中处于工作状态的物体，因此其指向性更强，所以这类区域的权重值最高。权重分配完毕以后即得到权重环境图像数据，将其输入注意力预测模型，注意力预测模型将会输出对应的目标场景。
在一种实现方式中，所述根据所述环境声音数据，确定发声的若干目标物体，包括：
将所述环境声音数据输入声音分离模型，得到若干声音数据；
获取声学特征数据库，其中，所述声学特征数据库包括若干物体分别发出的声音的声学特征数据；
将各所述声音数据与所述声学特征数据库进行匹配得到各所述声音数据分别对应的所述目标物体。
具体地，本实施例将环境声音数据输入声音分离模型，可以将环境声音数据拆分为多个声音数据，多个声音数据分别对应不同的声源。针对每一声音数据，将其与预先构建的声学特征数据库进行匹配，即可获知该声音数据是来自哪种物体。例如电视机的声学特征可能是同时包含有人声和背景音并且人声的占比更大；电脑套件的声学特征是有键盘的敲击声和鼠标的点击声。
在一种实现方式中，所述声音分离模型为强化学习模型，将所述环境声音数据输入声音分离模型，得到若干声音数据，包括：
将所述环境声音数据输入所述声音分离模型，得到若干初分离声音数据；
获取各所述初分离声音数据分别对应的一致度，其中，每一所述初分离声音数据的所述一致度的计算方法为：将该初分离声音数据分为若干等份，获取各等份分别对应的声学特征向量，根据各所述声学特征向量的相似度确定该初分离声音数据的一致度，相似度越大，一致度越高；
判断各所述初分离声音数据的所述一致度是否达到预设的分割要求，若否，则根据各所述初分离声音数据的所述一致度确定奖励值，根据所述奖励值对所述声音分离模型进行参数更新；
更新后，继续执行将所述环境声音数据输入所述声音分离模型，得到若干初分离声音数据的步骤，直至各所述初分离声音数据的所述一致度达到所述分割要求，将最后得到的各所述初分离声音数据分别作为一个所述声音数据。
具体地，本实施例采用强化学习模型来构建声音分离模型，利用每一声音数据的局部声学特征的相似性来评估模型的分离效果，实现模型参数的自动更新，可以大大减少模型优化过程中对标注数据的依赖，同时还能得到更好的声音分离结果。
在一种实现方式中，所述根据所述环境图像数据确定若干特征物，包括：
基于灰度值将所述环境图像数据分为若干局部区域，其中，每一所述局部区域内的灰度波动值均小于预设的波动阈值；
获取各所述局部区域分别对应的区域面积，将所述区域面积小于预设的面积阈值的所述局部区域作为所述特征物。
具体地，本实施例首先根据灰度值相近的原则将环境图像数据分成多个局部区域，这些局部区域面积较大的为背景区域，面积较小的才是具有指向性的物体，即特征物。
在一种实现方式中，所述根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，包括：
根据所述脑电波数据确定所述用户对应的第一疲劳度；
根据所述心率数据确定所述用户对应的第二疲劳度；
根据所述第一疲劳度和所述第二疲劳度，确定所述用户的所述疲劳度。
具体地，用户在不同疲劳状态下其脑电波数据的波段变化特征是不同的，因此可以通过分析用户的脑电波数据预测出其当前的疲劳程度，即得到第一疲劳度。此外，用户在不同疲劳状态下其心率数据的变化特征也是不同的，因此也可以通过分析用户的心率数据预测出其当前的疲劳程度，即得到第二疲劳度。最后结合第一疲劳度和第二疲劳度预测出目标用户当前的疲劳度，例如采用第一疲劳度和第二疲劳度的加权和确定用户的疲劳度。由于本实施例中的疲劳度是采用多源数据预测出的，因此其可靠性和准确性更高，更符合用户当前的状态。
在一种实现方式中，所述根据所述疲劳度确定所述用户的需求变化值，包括：
获取预设的疲劳阈值；
若所述疲劳度小于所述疲劳阈值，则所述需求变化值为负数，且所述疲劳度与所述需求变化值成正比关系；
若所述疲劳度大于所述疲劳阈值，则所述需求变化值为正数，且所述疲劳度与所述需求变化值成正比关系。
具体地，本实施例预先设定了一个疲劳阈值，当疲劳度小于该疲劳阈值时，表示用户当前精力还比较充足，不需要补充太多精力，则判断当前的需求变化值为负数，并且疲劳度与需求变化值成正比关系，例如疲劳阈值为5，疲劳度为3时，需求变化值为-5；疲劳度为2时，需求变化值为-6。当疲劳度大于该疲劳阈值时，表示用户当前精力不足，需要补充更多精力，则判断当前的需求变化值为正数，并且疲劳度与需求变化值成正比关系，例如疲劳阈值为5，疲劳度为6时，需求变化值为8；疲劳度为7时，需求变化值为9。本实施例通过将用户当前的疲劳度转化为需求变化量，在后续可以更准确地得到用户的精力需求情况。在一种实现方式中，若所述疲劳度等于所述疲劳阈值，则所述需求变化值为零。
在一种实现方式中，所述根据所述精力需求值和所述需求变化值确定目标精力需求值，包括：
根据所述精力需求值和所述需求变化值的加和结果确定所述目标精力需求值。
具体地，将精力需求值和需求变化值相加得到的目标精力需求值可以准确反映用户在当前场景、当前状态下的精力需求情况，因此基于目标精力需求值可以为用户提供更适配的干预刺激模式，通过经颅直流电刺激装置运行该干预刺激模式即可为用户精力进行充电，使用户能够精力充沛地完成当前场景下的任务。
举例说明，经颅直流电刺激装置中存储有预先构建的模式数据库，该模式数据库中包含有多种干预刺激模式，且各干预刺激模式分别具有各自对应的精力需求值标签。将目标精力需求值与模式数据库中各干预刺激模式的精力需求值标签进行比对，根据比对结果将库中相似度最高的干预刺激模式推荐给用户使用。
基于上述实施例，本发明还提供了一种基于场景和用户状态的干预刺激模式的确定装置，如图2所示，所述装置包括：
场景分析模块01，用于获取环境声音数据和环境图像数据，根据所述环境声音数据和所述环境图像数据确定目标场景，根据所述目标场景确定用户的精力需求值；
状态分析模块02，用于获取所述用户的脑电波数据和心率数据，根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，根据所述疲劳度确定所述用户的需求变化值；
模式确定模块03，用于根据所述精力需求值和所述需求变化值确定所述用户的目标精力需求值，根据所述目标精力需求值确定经颅直流电刺激装置的干预刺激模式。
基于上述实施例，本发明还提供了一种终端，其原理框图可以如图3所示。该终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏。其中，该终端的处理器用于提供计算和控制能力。该终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于场景和用户状态的干预刺激模式的确定方法。该终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端的限定，具体的终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一种实现方式中，所述终端的存储器中存储有一个以上的程序，且经配置以由一个以上处理器执行所述一个以上程序包含用于进行基于场景和用户状态的干预刺激模式的确定方法的指令。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
综上所述，本发明公开了一种基于场景和用户状态的干预刺激模式的确定方法，所述方法包括：获取环境声音数据和环境图像数据，根据所述环境声音数据和所述环境图像数据确定目标场景，根据所述目标场景确定用户的精力需求值；获取所述用户的脑电波数据和心率数据，根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，根据所述疲劳度确定所述用户的需求变化值；根据所述精力需求值和所述需求变化值确定所述用户的目标精力需求值，根据所述目标精力需求值确定经颅直流电刺激装置的干预刺激模式。本发明通过用户当前所处的场景确定基础的精力需求值，基于用户当前的疲劳度确定需求变化值，通过需求变化值对基础的精力需求值进行调整，从而准确得到用户当前的目标精力需求值。根据目标精力需求值自动为用户选择出最合适的干预刺激模式，从而更好地为用户的精力进行充电。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于场景和用户状态的干预刺激模式的确定方法，其特征在于，所述方法包括：
获取环境声音数据和环境图像数据，根据所述环境声音数据和所述环境图像数据确定目标场景，根据所述目标场景确定用户的精力需求值；
获取所述用户的脑电波数据和心率数据，根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，根据所述疲劳度确定所述用户的需求变化值；
根据所述精力需求值和所述需求变化值确定所述用户的目标精力需求值，根据所述目标精力需求值确定经颅直流电刺激装置的干预刺激模式。
2.根据权利要求1所述的基于场景和用户状态的干预刺激模式的确定方法，其特征在于，所述根据所述环境声音数据和所述环境图像数据确定目标场景，包括：
根据所述环境声音数据，确定发声的若干目标物体；
根据所述环境图像数据确定若干特征物，判断各所述特征物是否为所述目标物体之一，若是，则将所述特征物作为增强特征物；
对所述环境图像数据中非所述特征物对应的区域、所述特征物对应的区域以及所述增强特征物对应的区域分别赋予不同的权重值，得到权重环境图像数据；
将所述权重环境图像数据输入预先经过训练的注意力预测模型，得到所述目标场景。
3.根据权利要求2所述的基于场景和用户状态的干预刺激模式的确定方法，其特征在于，所述根据所述环境声音数据，确定发声的若干目标物体，包括：
将所述环境声音数据输入声音分离模型，得到若干声音数据；
获取声学特征数据库，其中，所述声学特征数据库包括若干物体分别发出的声音的声学特征数据；
将各所述声音数据与所述声学特征数据库进行匹配得到各所述声音数据分别对应的所述目标物体。
4.根据权利要求2所述的基于场景和用户状态的干预刺激模式的确定方法，其特征在于，所述根据所述环境图像数据确定若干特征物，包括：
基于灰度值将所述环境图像数据分为若干局部区域，其中，每一所述局部区域内的灰度波动值均小于预设的波动阈值；
获取各所述局部区域分别对应的区域面积，将所述区域面积小于预设的面积阈值的所述局部区域作为所述特征物。
5.根据权利要求1所述的基于场景和用户状态的干预刺激模式的确定方法，其特征在于，所述根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，包括：
根据所述脑电波数据确定所述用户对应的第一疲劳度；
根据所述心率数据确定所述用户对应的第二疲劳度；
根据所述第一疲劳度和所述第二疲劳度，确定所述用户的所述疲劳度。
6.根据权利要求1所述的基于场景和用户状态的干预刺激模式的确定方法，其特征在于，所述根据所述疲劳度确定所述用户的需求变化值，包括：
获取预设的疲劳阈值；
若所述疲劳度小于所述疲劳阈值，则所述需求变化值为负数，且所述疲劳度与所述需求变化值成正比关系；
若所述疲劳度大于所述疲劳阈值，则所述需求变化值为正数，且所述疲劳度与所述需求变化值成正比关系。
7.根据权利要求6所述的基于场景和用户状态的干预刺激模式的确定方法，其特征在于，所述根据所述精力需求值和所述需求变化值确定目标精力需求值，包括：
根据所述精力需求值和所述需求变化值的加和结果确定所述目标精力需求值。
8.一种基于场景和用户状态的干预刺激模式的确定装置，其特征在于，所述装置包括：
场景分析模块，用于获取环境声音数据和环境图像数据，根据所述环境声音数据和所述环境图像数据确定目标场景，根据所述目标场景确定用户的精力需求值；
状态分析模块，用于获取所述用户的脑电波数据和心率数据，根据所述脑电波数据和所述心率数据确定所述用户的疲劳度，根据所述疲劳度确定所述用户的需求变化值；
模式确定模块，用于根据所述精力需求值和所述需求变化值确定所述用户的目标精力需求值，根据所述目标精力需求值确定经颅直流电刺激装置的干预刺激模式。
9.一种终端，其特征在于，所述终端包括有存储器和一个以上处理器；所述存储器存储有一个以上的程序；所述程序包含用于执行如权利要求1-7中任一所述的基于场景和用户状态的干预刺激模式的确定方法的指令；所述处理器用于执行所述程序。
10.一种计算机可读存储介质，其上存储有多条指令，其特征在于，所述指令适用于由处理器加载并执行，以实现上述权利要求1-7任一所述的基于场景和用户状态的干预刺激模式的确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310852123.7A CN116570835B (zh) | 2023-07-12 | 2023-07-12 | 一种基于场景和用户状态的干预刺激模式的确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310852123.7A CN116570835B (zh) | 2023-07-12 | 2023-07-12 | 一种基于场景和用户状态的干预刺激模式的确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116570835A true CN116570835A (zh) | 2023-08-11 |
| CN116570835B CN116570835B (zh) | 2023-10-10 |
Family
ID=87538204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310852123.7A Active CN116570835B (zh) | 2023-07-12 | 2023-07-12 | 一种基于场景和用户状态的干预刺激模式的确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116570835B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095808A (zh) * | 2023-10-18 | 2023-11-21 | 杭州般意科技有限公司 | 基于终端操作的模式推荐方法、装置、终端及存储介质 |
| CN117085246A (zh) * | 2023-10-17 | 2023-11-21 | 杭州般意科技有限公司 | 一种基于当前生理状态的干预模式选择方法及装置 |
| CN117100291A (zh) * | 2023-10-18 | 2023-11-24 | 杭州般意科技有限公司 | 一种经颅直流电刺激设备的干预刺激模式的评价方法 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105051647A (zh) * | 2013-03-15 | 2015-11-11 | 英特尔公司 | 基于生物物理信号的搜集时间和空间模式的大脑计算机接口（bci）系统 |
| CN106407733A (zh) * | 2016-12-12 | 2017-02-15 | 兰州大学 | 基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法 |
| WO2018075132A1 (en) * | 2016-10-20 | 2018-04-26 | Hrl Laboratories, Llc | A closed-loop model-based controller for accelerating memory and skill acquisition |
| CN108543193A (zh) * | 2018-03-14 | 2018-09-18 | 天使智心（北京）科技有限公司 | 一种用户状态干预方法及装置 |
| US20180344968A1 (en) * | 2017-06-05 | 2018-12-06 | International Business Machines Corporation | Context-sensitive soundscape generation |
| CN110310668A (zh) * | 2019-05-21 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 静音检测方法、系统、设备及计算机可读存储介质 |
| CN110677591A (zh) * | 2019-10-28 | 2020-01-10 | Oppo广东移动通信有限公司 | 样本集构建方法、图像成像方法、装置、介质及电子设备 |
| US10565894B1 (en) * | 2019-05-29 | 2020-02-18 | Vignet Incorporated | Systems and methods for personalized digital goal setting and intervention |
| CN112181152A (zh) * | 2020-11-13 | 2021-01-05 | 幻蝎科技(武汉)有限公司 | 基于mr眼镜的广告推送管理方法、设备及应用 |
| WO2021138775A1 (zh) * | 2020-01-06 | 2021-07-15 | 北京未动科技有限公司 | 一种dms设备性能评估系统、方法、存储介质及电子设备 |
| CN114712706A (zh) * | 2022-04-07 | 2022-07-08 | 江苏集萃脑机融合智能技术研究所有限公司 | 基于脑电的疲劳干预系统及装置 |
| CN114821968A (zh) * | 2022-05-09 | 2022-07-29 | 西南交通大学 | 动车司机疲劳驾驶干预方法、装置、设备及可读存储介质 |
| CN114847950A (zh) * | 2022-04-29 | 2022-08-05 | 深圳市云长数字医疗有限公司 | 基于虚拟现实的注意力评估与训练系统、方法及存储介质 |
| CN115590516A (zh) * | 2022-09-29 | 2023-01-13 | 平安银行股份有限公司（Cn） | 一种情绪提醒方法、具有情绪提醒功能的手环及相关装置 |
| CN115644825A (zh) * | 2022-12-26 | 2023-01-31 | 深圳市心流科技有限公司 | 一种基于外部环境的睡眠刺激调节方法及相关设备 |
| CN115770356A (zh) * | 2023-02-14 | 2023-03-10 | 浙江强脑科技有限公司 | 基于多类电刺激的辅助睡眠装置、方法、终端及存储介质 |
| CN115937830A (zh) * | 2022-11-25 | 2023-04-07 | 北京航空航天大学杭州创新研究院 | 一种面向特种车辆的驾驶员疲劳检测方法 |
| CN115933873A (zh) * | 2022-11-22 | 2023-04-07 | 北京京东方显示技术有限公司 | 基于认知负荷控制三维场景构建的方法及系统 |
-
2023
- 2023-07-12 CN CN202310852123.7A patent/CN116570835B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105051647A (zh) * | 2013-03-15 | 2015-11-11 | 英特尔公司 | 基于生物物理信号的搜集时间和空间模式的大脑计算机接口（bci）系统 |
| WO2018075132A1 (en) * | 2016-10-20 | 2018-04-26 | Hrl Laboratories, Llc | A closed-loop model-based controller for accelerating memory and skill acquisition |
| CN106407733A (zh) * | 2016-12-12 | 2017-02-15 | 兰州大学 | 基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法 |
| US20180344968A1 (en) * | 2017-06-05 | 2018-12-06 | International Business Machines Corporation | Context-sensitive soundscape generation |
| CN108543193A (zh) * | 2018-03-14 | 2018-09-18 | 天使智心（北京）科技有限公司 | 一种用户状态干预方法及装置 |
| CN110310668A (zh) * | 2019-05-21 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 静音检测方法、系统、设备及计算机可读存储介质 |
| US10565894B1 (en) * | 2019-05-29 | 2020-02-18 | Vignet Incorporated | Systems and methods for personalized digital goal setting and intervention |
| CN110677591A (zh) * | 2019-10-28 | 2020-01-10 | Oppo广东移动通信有限公司 | 样本集构建方法、图像成像方法、装置、介质及电子设备 |
| WO2021138775A1 (zh) * | 2020-01-06 | 2021-07-15 | 北京未动科技有限公司 | 一种dms设备性能评估系统、方法、存储介质及电子设备 |
| CN112181152A (zh) * | 2020-11-13 | 2021-01-05 | 幻蝎科技(武汉)有限公司 | 基于mr眼镜的广告推送管理方法、设备及应用 |
| CN114712706A (zh) * | 2022-04-07 | 2022-07-08 | 江苏集萃脑机融合智能技术研究所有限公司 | 基于脑电的疲劳干预系统及装置 |
| CN114847950A (zh) * | 2022-04-29 | 2022-08-05 | 深圳市云长数字医疗有限公司 | 基于虚拟现实的注意力评估与训练系统、方法及存储介质 |
| CN114821968A (zh) * | 2022-05-09 | 2022-07-29 | 西南交通大学 | 动车司机疲劳驾驶干预方法、装置、设备及可读存储介质 |
| CN115590516A (zh) * | 2022-09-29 | 2023-01-13 | 平安银行股份有限公司（Cn） | 一种情绪提醒方法、具有情绪提醒功能的手环及相关装置 |
| CN115933873A (zh) * | 2022-11-22 | 2023-04-07 | 北京京东方显示技术有限公司 | 基于认知负荷控制三维场景构建的方法及系统 |
| CN115937830A (zh) * | 2022-11-25 | 2023-04-07 | 北京航空航天大学杭州创新研究院 | 一种面向特种车辆的驾驶员疲劳检测方法 |
| CN115644825A (zh) * | 2022-12-26 | 2023-01-31 | 深圳市心流科技有限公司 | 一种基于外部环境的睡眠刺激调节方法及相关设备 |
| CN115770356A (zh) * | 2023-02-14 | 2023-03-10 | 浙江强脑科技有限公司 | 基于多类电刺激的辅助睡眠装置、方法、终端及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| SHUANG-LI LIU: "Skull Phase Compensation Combined Full Waveform Inversion for Transcranial Thermoacoustic Imaging With a Real Human Skull Validated", IEEE * |
| 李从清;孙立新;龙东;任晓光;: "语音分离技术的研究现状与展望", 声学技术, no. 05 * |
| 范诗琪;严新平;张金奋;张笛;: "水上交通事故中人为因素研究综述", 交通信息与安全, no. 02 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117085246A (zh) * | 2023-10-17 | 2023-11-21 | 杭州般意科技有限公司 | 一种基于当前生理状态的干预模式选择方法及装置 |
| CN117095808A (zh) * | 2023-10-18 | 2023-11-21 | 杭州般意科技有限公司 | 基于终端操作的模式推荐方法、装置、终端及存储介质 |
| CN117100291A (zh) * | 2023-10-18 | 2023-11-24 | 杭州般意科技有限公司 | 一种经颅直流电刺激设备的干预刺激模式的评价方法 |
| CN117100291B (zh) * | 2023-10-18 | 2024-01-30 | 深圳般意科技有限公司 | 一种经颅直流电刺激设备的干预刺激模式的评价方法 |
| CN117095808B (zh) * | 2023-10-18 | 2024-02-20 | 杭州般意科技有限公司 | 基于终端操作的模式推荐方法、装置、终端及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116570835B (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116570835B (zh) | 一种基于场景和用户状态的干预刺激模式的确定方法 | |
| CN110766142A (zh) | 模型生成方法和装置 | |
| CN112287986B (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
| CN109308246A (zh) | 系统参数的优化方法、装置及设备、可读介质 | |
| CN111240557B (zh) | 页面显示方法、装置以及设备 | |
| CN112950497A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN113962965A (zh) | 图像质量评价方法、装置、设备以及存储介质 | |
| CN111598213A (zh) | 网络训练方法、数据识别方法、装置、设备和介质 | |
| CN115268718A (zh) | 用于专注力训练的图像显示方法、装置、终端及存储介质 | |
| CN115829297A (zh) | 装配式建筑的工作包生成方法、装置、终端及存储介质 | |
| CN116777642A (zh) | 基于集成学习模型的车险风险参数预测方法及装置 | |
| CN116931738A (zh) | 一种基于脑电波动态调节电流强度的干预刺激方法 | |
| CN117085251A (zh) | 基于场景确定干预刺激模式的经颅直流电刺激装置 | |
| Giannitsarou | Supply-side reforms and learning dynamics | |
| CN114201626A (zh) | 多媒体推荐方法、装置、电子设备及存储介质 | |
| CN117829892A (zh) | 三维模型供需分析方法、装置、计算机设备和存储介质 | |
| Kell et al. | The quantification and presentation of risk | |
| CN117454668A (zh) | 零部件失效概率的预测方法、装置、设备和介质 | |
| CN117499429A (zh) | 一种物联网系统内部的视频数据智能调度方法及系统 | |
| CN115590479B (zh) | 一种基于活动场景的穿戴式检测装置的调节方法 | |
| CN116957007A (zh) | 神经网络训练时的特征量化方法、装置、介质及程序产品 | |
| CN114266324B (zh) | 模型可视化建模方法、装置、计算机设备及存储介质 | |
| CN115169692A (zh) | 一种时间序列预测方法及相关装置 | |
| CN115249058A (zh) | 神经网络模型的量化方法、装置、终端及存储介质 | |
| CN112418480A (zh) | 气象图像预测方法、装置、计算机设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231227 Address after: 518000 Nanshan Software Park A2801, Liancheng Community, Nantou Street, Nanshan District, Shenzhen, Guangdong Province Patentee after: Shenzhen Banyi Technology Co.,Ltd. Address before: Room 103-1, Block D, No. 79, Jinyi Road, Economic and Technological Development Zone, Xiaoshan District, Hangzhou, Zhejiang 311215 Patentee before: Hangzhou Boyi Technology Co.,Ltd. |