[发明专利]用于检测和分类面部肌肉运动的方法和系统

说明书

技术领域

本发明一般来讲涉及以人为对象的面部肌肉运动的检测和分类，例如面部表情或者其他类型的肌肉活动。本发明适合使用在电子娱乐或者其他平台之中，在其中脑电图(EEG)数据被收集和被分析，以确定对象的面部表情、以便为该平台提供控制信号，并且使用相关的示例性的而非限制性的应用将会更方便地描述本发明。

技术背景

面部表情长期以来是人和人交流的最重要的方面之一。人类已经习惯自觉和不自觉地用面部表情表示情感和态度。进一步而言，我们在理解和解释其他人的面部表情方面已经变得非常熟练。面部表情形成了我们日常生活、日常交流和互动的非常重要的部分。

随着技术的进步，我们更多的交流通过机器被传导。人们现在聚集在虚拟的聊天室和别人讨论事情。文本消息传递正变得更流行，导致新的正交系统被开发以处理这种无人类属性的世界。目前，面部表情还没有被用在人机交流的界面中。与机器的互动被限制于使用繁琐的输入装置，例如键盘和鼠标。这把我们的交流限制于仅是预先考虑好的和自觉的行为。

因此，需要提供简化人机交流的技术。而且期望这种技术稳健、强大和适用于大量平台和环境。也期望这种技术优化自然的人和人互动的技术的使用，使得人机界面对人类使用者来讲尽可能自然。

发明内容

带着这种想法，本发明的一个方面提供了一种检测和分类面部肌肉运动的方法，包括步骤：

从至少一个生物信号检测器接收生物信号；和

把至少一种面部肌肉运动检测算法应用到受预定的面部肌肉运动类型影响的一部分生物信号中，以检测该预定类型的面部肌肉运动。

把至少一种面部肌肉运动检测算法应用到生物信号的步骤可以包括：

将该生物信号部分与定义了预定面部肌肉运动类型的一个或多于一个独特的(distinctive)信号特征的签名进行比较。

在本发明的第一个实施例中，把至少一种面部肌肉运动检测算法应用到生物信号的步骤可以包括：

直接比较来自一个或者多个预定的生物信号检测器的生物信号和该签名。

在本发明的另一个实施例中，把至少一种面部肌肉运动检测算法应用到生物信号的步骤可以包括：

在一个或者多个预定的分量矢量上投影来自多个生物信号检测器的生物信号；和

比较一个或者多个分量矢量上的投影和该签名。

预定的分量矢量通过对先前收集的生物信号应用第一分量分析而确定，该先前收集的生物信号产生在对应于该第一签名的类型的面部肌肉运动期间。被应用于先前收集的生物信号的第一分量分析可以是独立分量分析(ICA)。或者，被应用于先前收集的生物信号的第一分量分析可以是主分量分析(PCA)。在这个实施例中，该方法可以还包括步骤：

应用第二分量分析到被检测的生物信号；和

利用第二分量分析的结果以在生物信号检测期间更新一个或者多个预定的分量矢量。

第二分量分析可以是主分量分析(PCA)。

在本发明的另一个实施例中，把至少一种面部肌肉运动检测算法应用到生物信号的步骤可以包括：

应用期望的变换到生物信号；和

比较期望的变换的结果和该签名。

该期望的变换可以从付里叶变换、小波变换或者其他信号变换方法中的任何一个或多个中选择。

把至少一种面部肌肉运动检测算法应用到生物信号的步骤可以还包括步骤：把来自预定面部肌肉运动类型的生物信号和生物信号中的一个或者多个噪声源分离开。

噪声源可以包括电磁干扰(EMI)、不是来自预定的面部肌肉运动类型的生物信号和其他肌肉伪信号(arcefact)中的任何一个或者多个。

把一个或者多于一个面部肌肉运动检测算法应用到生物信号的步骤可以包括，将来自一对或者多对生物信号检测器的生物信号的和或者差与该签名相比较。

把一个或者多于一个面部肌肉运动检测算法应用到生物信号的步骤还包括，比较来自一对或者多对生物信号检测器的每一对的生物信号和该签名。

比较步骤包括：

求来自一对或者多对生物信号检测器的每一对的生物信号中的一个或者多于一个的导数，以及来自一对或者多对生物信号检测器的生物信号的和或者差。

比较步骤还可以包括：

将来自一对或者多对生物信号检测器的每一对的生物信号中的一个或者多于一个的梯度和幅度中的一个或者两个与来自一对或者多对生物信号检测器的生物信号的和或者差相比较；和

确定梯度和幅度中的一个或者两个分别在什么时候超过了预定的梯度和幅度的阈值。

比较步骤还可以包括：