[发明专利]基于脑电的立体视频舒适度相关的运动特征识别方法

说明书

本发明涉及一种基于脑电的立体视频舒适度相关的运动特征识别方法，包括以下步骤：)主观实验：找出运动场景中目标运动加速度与舒适度的关系，得到可用于EEG实验的两类准确材料，一类为舒适的加速度运动场景，另一类为不舒适的加速度运动场景；EEG实验：对于被试，采集两类运动场景的EEG信号并进行预处理；通道筛选：基于经过预处理的EEG信号，利用基于CSP权重的l1范数方法和SVM进行通道选择；特征提取：对EEG信号进行分解得到一系列不同频带的窄带IMF，对IMF进行筛选，对信号进行重构，重构后通过CSP提取空域特征；分类：利用SVM，进行立体视频的两类运动场景的分类。

技术领域：

本发明涉及基于视觉认知的脑电信号的特征提取及分类算法领域。

背景技术：

随着3D技术的逐渐发展，立体显示逐步进入人们的生活，3D显示带来的强烈感和沉浸感是2D影像无法比拟的，3D时代已经到来。然而，观看立体显示会给观看者带来一些不良反应：头痛，恶心和视觉疲劳等。因此，评估观看者舒适与否在立体显示技术的发展中尤为重要。对立体视觉舒适度评价的方法分为主观评价和客观评价，主观评价依据实验设计，但常受实验设计者和被试的影响；客观实验依据算法和生物信号，脑电(electroencephalography，EEG)信号是大脑内部神经细胞活动在大脑皮层的综合反映，具有非入侵，实时性等优势，故用EEG信号研究视觉认知已经成为了国际上的大趋势。但是EEG信号极其微弱且噪声很多，提取任务相关的有用信息是难点。时域分析法，频域分析法和空域分析法是EEG信号分析常用的方法，时域分析法适合特征明显的EEG信号，故一般情况下EEG信号的分析使用频域和空域方法，其中，小波变换，傅里叶变换，熵，以及空域共空间模式(Common Spatial Pattern，CSP)等方法都是常用方法。为了区分两类匀加速深度运动下EEG信号的可分性，需提出一种EEG信号特征提取与分类的模型，通过模型得到的最终分类准确率来说明两类信号的可分性，得到更合理的实验结果。

发明内容：

本发明的目的是提供一种立体视频舒适度相关的运动特征识别方法。本发明技术方案如下：

一种基于脑电的立体视频舒适度相关的运动特征识别方法，包括以下步骤：

(1)主观实验：找出运动场景中目标运动加速度与舒适度的关系，得到可用于EEG实验的两类准确材料，一类为舒适的加速度运动场景，另一类为不舒适的加速度运动场景；

(2)EEG实验：对于被试，采集对两类运动场景的EEG信号并进行预处理；

(3)通道筛选：基于经过预处理的EEG信号，利用基于CSP权重的l1范数方法和SVM进行通道选择，选择使分类率最大的通道组合进行后续处理；

(4)特征提取：对EEG信号进行分解得到一系列不同频带的窄带IMF，对IMF进行筛选，对信号进行重构，重构后通过CSP提取空域特征；

(5)分类：利用SVM，进行立体视频的两类运动场景的分类。

附图说明：

通过附图，可以使本发明的实施步骤及优点更加凸显，也更容易地理解本发明的流程与操作。

图1为本发明采用的PMEMD-2JSD-CSP模型算法流程；

图2为EEG实验流程；

图3为被试s分解后的IMF3～6边际谱(a)舒适试次(b)不舒适试次；

表1为主观实验中的运动模式；

表2不同被试的最优通道组合及对应的最大分类率；

表3被试s的IMF3～9的有效因子平均值及标准差；

表4分类结果；

具体实施方式：