[发明专利]脑力负荷检测方法及装置

说明书

本发明实施例提供一种脑力负荷检测方法及装置，该方法包括：获取待测对象的生理信号；将所述生理信号输入至预设的时间卷积网络模型，根据所述时间卷积网络模型的输出结果，获取待测对象的脑力负荷类型；其中，所述生理信号包括脑电信号，所述时间卷积网络模型根据带有脑力负荷类型标签的生理信号样本训练后得到。由于将生理信号输入至预设的时间卷积网络模型，预设的时间卷积网络模型根据带有脑力负荷类型的生理信号样本训练后得到，能够输出脑力负荷类型的识别结果，从而检测过程快速而准确，具有更小的计算消耗，同时利用时间卷积网络模型可自动进行冗余信息的剔除。

技术领域

本发明涉及脑力负荷识别领域，尤其涉及一种脑力负荷检测方法及装置。

背景技术

脑力负荷检测近十年来逐渐成为学术界、产业界的研究热点。适度的脑力负荷可以提升工作效率，过高的脑力负荷则会影响人体健康并引发重大安全事故。因此，脑力负荷的检测对精神心理健康至关重要。

传统脑力负荷检测要求待测对象填写量表进行，这种方法过于主观，且依赖于被试者的诚信。基于生理信号测量的脑力负荷识别方法具有重要意义，目前的生理信号融合脑力负荷检测方法主要包括以下步骤：人工定义不同生理信号的特征；使用特征工程的方法实现不同特征向量的信息融合；构建分类器进行脑力负荷识别。

目前的基于生理信号的脑力负荷检测方法，其效果完全依赖于人工定义特征的有效性，而且人工定义特征无法考虑不同生理信号间的冗余信息，从而上述方法准确性较差。

发明内容

为了解决上述问题，本发明实施例提供一种脑力负荷检测方法及装置。

第一方面，本发明实施例提供一种脑力负荷检测方法，包括：获取待测对象的生理信号；将所述生理信号输入至预设的时间卷积网络模型，根据所述时间卷积网络模型的输出结果，获取待测对象的脑力负荷类型；其中，所述生理信号包括脑电信号，所述时间卷积网络模型根据带有脑力负荷类型标签的生理信号样本训练后得到。

第二方面，本发明实施例提供一种脑力负荷检测装置，包括：获取模块，用于获取待测对象的生理信号；处理模块，用于将所述生理信号输入至预设的时间卷积网络模型，根据所述时间卷积网络模型的输出结果，获取待测对象的脑力负荷类型；其中，所述生理信号包括脑电信号，所述时间卷积网络模型根据带有脑力负荷类型标签的生理信号样本训练后得到。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本发明第一方面脑力负荷检测方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明第一方面脑力负荷检测方法的步骤。

本发明实施例提供的脑力负荷检测方法及装置，由于将生理信号输入至预设的时间卷积网络模型，预设的时间卷积网络模型根据带有脑力负荷类型的生理信号样本训练后得到，能够输出脑力负荷类型的识别结果，从而检测过程快速而准确，具有更小的计算消耗，同时利用时间卷积网络模型可自动进行冗余信息的剔除。

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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明实施例提供的脑力负荷检测方法流程图；

图2为本发明实施例提供的脑力负荷检测装置结构图；

图3为本发明实施例提供的一种电子设备的实体结构示意图。

具体实施方式