[发明专利]一种基于脑电信号的手势动作意图检测的通用模型

说明书

本发明涉及一种基于脑电信号的手部动作意图检测的通用模型。具体的来说，通过处理采集的脑电信号，通过卷积神经网络的方法搭建一个通用模型，实现对受试者有无意图做手部动作的检测。本发明提出的模型是一种通用模型，不同于之前工作中的个人模型，该模型不将参与者的脑电信号用于训练而直接参与测试，训练的数据来自于其他的参与者，实验者通过对脑电信号的分析获得模型的准确率。本发明属于计算机领域、车辆设计领域、人机交互科学、心理科学、认知神经科学和自动控制领域的综合应用。

技术领域

本发明涉及一种基于脑电信号的手势动作意图检测的通用模型。具体的来说，通过处理采集的脑电信号，通过卷积神经网络的方法搭建一个通用模型，实现对受试者有无意图做手势动作的检测。本发明提出的模型是一种通用模型，不同于之前工作中的个人模型，该模型不将参与者的脑电信号用于训练而直接参与测试，训练的数据来自于其他的参与者，实验者通过对脑电信号的分析获得模型的准确率。本发明属于计算机领域、车辆设计领域、人机交互科学、心理科学、认知神经科学和自动控制领域的综合应用。

背景技术

日常生活中，我们的手势动作在很多情况下是无意识情况下做出来的。比如，驾驶者驾驶车辆时由于疲劳或者紧张导致的急刹车以及打方向盘等情况，或者指挥员由于个人习惯等原因无意中做出的某些手势，会与某些命令手势相近，给命令执行者带来困惑。不仅如此，除了手势动作的真假意图识别，对于身体其他部位的动作意图的识别也是很有必要的。近年来，随着计算机处理能力和性能的提高，深度学习领域得到了极大的发展，在图像处理、自然语言处理和脑机接口等方面都有着极大的应用。

目前许多方法已经研究了如何使用外部传感器来检测可能出现的紧急情况并采用一些措施来避免紧急情况的发生。但是，对于如何区分手势动作的意图还是一个新的研究方向，不仅如此，对于传统的通过外部传感器来预测紧急事件发生并不是从人的角度去解析明亮，而是对环境信息的感知。通常情况下，人自己本身也不能感知自己做的动作是否是停止手势动作意图或者非意图，而脑-机接口(BCI)可以在人脑和计算机或其他外界设备之间建立一种直接的信息交流和控制通道，是一种不依赖与常规大脑输出通路(外围神经和肌肉组织)的全新的信息交流系统。应用脑-机接口，通过人在做手势动作时的脑电信号来区分手势动作的意图，目前研究人员还没有提出相关的基于BCI的手势动作意图检测系统，而且已有的研究模型都是基于一种个人模型，即一个人一个模型，这种方法在实际应用中相当费时，就目前情况看，该个人模型远达不到实际应用的要求。

我们认为个人模型在应用层面是不适合的，基于脑电信号的识别手势动作意图检测系统是要能够适应不同的参与者。搭建一个适用于不同参与者的通用模型和手势动作的意图检测，是本发明的主要目的。

发明内容

根据本发明要求，提供一种基于脑电信号的手势动作意图检测的通用模型方法，包括脑电信号的采集与预处理，卷积神经网络的构建模型。脑电采集模块用于接收脑电信号，然后实验者对脑电信号进行处理，输入搭建的卷积神经网络中，识别受试者的手势动作意图，并检测该通用模型的效果。

本发明涉及一种驾驶员手势动作意图检测的通用模型方法，所述方法包括：步骤1，搭建实验场景，确定实验对象，分别采集参与者脑电信号；步骤2，首先将脑电信号进行处理，将得到的离线脑电信号进行训练(训练所用脑电信号不参与测试)，得到模型；步骤3，将其余的参与者的脑电信号输入已得到的模型进行测试，判断该参与者的使用该模型的准确度。

所述，步骤1包括：步骤11，确定实验场地，搭建实验场景，确地实验参与者，并告知参与者实验注意事项，以及做好应对实验过程中突然事件发生的准备；步骤12，通过置于用户大脑头皮上的脑电电极采集用户的脑电信号，并通过脑电放大器获得并输出待处理的脑电信号；

所述，步骤2包括：步骤21，对采集到的部分参与者的脑电信号进行处理，得到停止手势意图样本和非停止手势意图样本，标记停止手势意图的信号片段；步骤22，搭建卷积神经网络，调参，调试通用模型，得到模型的训练准确度。