[发明专利]一种基于双脑的多层次信息融合的目标检测方法

权利要求书

1.一种基于双脑的多层次信息融合的目标检测方法，其特征在于：该方法具体包括以下步骤：

步骤一、数据获取

两个被试同时接受来自同样的刺激，采集两个被试的脑电数据，作为目标检测数据；

步骤二、数据处理

将步骤一采集得到的目标检测数据同时通过HyperscanNet神经网络模型的超扫描特征模块与原始特征模块的处理；

所述超扫描特征模块对目标检测数据经过滤波和通道选择后，按照时间维度进行切分，并将切分后的数据分别通过对应个数的LSTM模块进行特征提取，得到初步特征；再将初步特征的通道数降为1，得到两个单脑特征，对两个单脑特征融合后，通过跨层连接的方式将两个单脑特征与融合后的特征一起平铺，作为超扫描特征模块输出的最终特征；

所述原始特征模块对目标检测数据进行滤波、通道选择以及降采样后，直接将数据进行标准化与平铺处理后作为特征输出；

步骤三、数据分类

将超扫描特征模块与原始特征模块提取得到特征归并后，作为待分类的特征输入到支持向量机中；支持向量机输出检测结果。

2.如权利要求1所述一种基于双脑的多层次信息融合的目标检测方法，其特征在于：在步骤一的数据采集过程中，通过Neuroscan Synamps2系统记录两个被试以国际10-20系统脑电极分布的64个电极的脑电数据。

3.如权利要求1所述一种基于双脑的多层次信息融合的目标检测方法，其特征在于：在超扫描特征模块中利用一维卷积实现初步特征的空间融合，得到单脑特征。

4.如权利要求1所述一种基于双脑的多层次信息融合的目标检测方法，其特征在于：步骤二中经过原始特征模块降采样后的数据频率为250Hz。

5.如权利要求1所述一种基于双脑的多层次信息融合的目标检测方法，其特征在于：该方法在数据分类前，还包括模型训练步骤，模型训练的具体方法为：

使用全连接层与softmax层进行网络的反向传播对超扫描特征模块进行训练，多次迭代训练后，将超扫描特征模块输出的特征层融合特征与原始特征模块输出的数据层融合数据输入支持向量机；支持向量机用于解决二次规划问题，通过对该二次规划问题进行求解，完成HyperscanNet神经网络模型的训练。