[发明专利]一种基于脑电波的专注度判断方法及装置

说明书

本发明公开了一种基于脑电波的专注度判断方法及装置，其中，判断方法包括：获取目标脑电波数据集，所述目标脑电波数据集包括多种频段的脑电波，所述脑电波包括α波、β波和γ波；将所述目标脑电波数据集与预设标准脑电波数据集的差值作为输入值，输入至预设专注度分类模型中，确定所述目标脑电波数据集中各个频段脑电波的比例变化趋势，根据所述变化趋势得到专注度类别，所述专注度类别包括放松状态、专注提升状态或高度专注状态。上述方法通过利用分类模型对脑电波信号进行判断，得到更加细化的专注度类别，能够更加准确反映被测人员的专注程度。

技术领域

本发明涉及脑电信号处理技术领域，特别是涉及一种基于脑电波的专注度判断方法及装置。

背景技术

人的大脑正常运转时，大脑神经元会释放神经递质进行信息传递，神经元释放和传输神经递质的过程是一个电化学反应的过程，过程中产生微弱的脑电流称为脑电波，也称脑波。

因此，当人们进行某一项活动时，可根据大脑的脑波信号判断人们在该项活动过程中的精神专注情况，进而对应制定提升专注度的举措。但现有的脑电波判断方法仅能判断大脑当前是否专注，判断结果有局限性，无法准确反映人们当前的专注程度。

发明内容

针对上述技术问题，本发明提供一种基于脑电波的专注度判断方法及装置，能够得到更加细化的专注度结果。

本发明实施例提供一种基于脑电波的专注度判断方法，包括：

获取目标脑电波数据集，所述目标脑电波数据集包括多种频段的脑电波，所述脑电波包括α波、β波和γ波；

将所述目标脑电波数据集与预设标准脑电波数据集的差值作为输入值，输入至预设专注度分类模型中，确定所述目标脑电波数据集中各个频段脑电波的比例变化趋势，根据所述变化趋势得到专注度类别，所述专注度类别包括放松状态、专注提升状态或高度专注状态。

在某一个实施例中，所述预设专注度分类模型根据所述预设标准脑电波数据集获得；所述预设标准脑电波数据集包含标准脑电波数据以及对应的专注度类别标签。

在某一个实施例中，所述预设专注度分类模型包括支称向量学习机模型、导传递类神经网络模型或广义类神经网络模型。

在某一个实施例中，当所述目标脑电波数据集与所述标准脑电波数据集的差值较大时，设置调整系数对所述目标脑电波数据集进行修正。

在某一个实施例中，采集被测用户皮肤表面电压的电信号，对所述电信号数据依次进行滤波、信号放大、数模转换以及时频转换，得到目标脑电波数据集。

本发明实施例还提供一种基于脑电波的专注度判断装置，包括：

数据采集模块，用于获取目标脑电波数据集，所述目标脑电波数据集包括多种频段的脑电波，所述脑电波包括α波、β波和γ波；

专注度判断模块，用于将所述目标脑电波数据集与预设标准脑电波数据集的差值作为输入值，输入至预设专注度分类模型中，确定所述目标脑电波数据集中各个频段脑电波的比例变化趋势，根据所述变化趋势得到专注度类别，所述专注度类别包括放松状态、专注提升状态或高度专注状态。

所述专注度类别包括放松状态、专注提升状态或高度专注状态。在某一个实施例中，

在某一个实施例中，所述数据采集模块具体用于：

采集被测用户皮肤表面电压的电信号，对所述电信号数据依次进行滤波、信号放大、数模转换以及时频转换，得到目标脑电波数据集。

在某一个实施例中，所述装置还包括数据修正模块，用于当所述目标脑电波数据集与所述标准脑电波数据集的差值较大时，设置调整系数对所述目标脑电波数据集进行修正。