[发明专利]一种基于目标检测和SSVEP的注意力训练系统及方法在审

专利信息
申请号: 202110985594.6 申请日: 2021-08-26
公开(公告)号: CN114146283A 公开(公告)日: 2022-03-08
发明(设计)人: 杨帮华;黄逸灵;王照坤;汪小帆;夏新星;高守玮 申请(专利权)人: 上海大学
主分类号: A61M21/00 分类号: A61M21/00;A61B5/00;A61B5/378;A61B5/386
代理公司: 上海上大专利事务所(普通合伙) 31205 代理人: 何文欣
地址: 200444*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 目标 检测 ssvep 注意力 训练 系统 方法
【权利要求书】:

1.一种基于目标检测和SSVEP的注意力训练系统,包括相机、脑电帽、电脑、机械臂、注意力训练界面、目标检测单元和SSVEP解码单元,其特征在于:所述脑电帽通过无线的方式与电脑连接,电脑包含注意力训练界面、目标检测单元和SSVEP解码单元,相机通过有线方式与电脑连接;

所述相机:用于获取视频流,并传输至电脑端的注意力训练界面以及目标检测单元;

所述脑电帽:用于采集使用者输出的SSVEP脑电信号,并将所述脑电信号传输给所述电脑端;

所述电脑:用于显示注意力训练界面,使用所述目标检测单元,对相机采集的视频流通过SSD目标检测识别算法,进行目标检测并将检测信息发送给注意力训练界面,注意力训练界面根据检测结果实时生成与物品一一对应的闪烁块,以及使用所述SSVEP解码单元,通过预处理和自适应滤波器组典型相关分析FBCCA算法,对所述脑电信号进行解码,获取所述脑电信号的频率,根据所述脑电信号频率和指令对应的刺激信号的对比情况,输出解码结果,并根据解码结果将控制指令发送给机械臂;

所述机械臂:执行控制指令,依据规划的路径抓取相应物品。

2.根据权利要求1所述基于目标检测和SSVEP的注意力训练系统,其特征在于:所述SSD目标检测识别算法进行目标检测的过程包括离线训练和在线识别两个过程,其中,离线训练步骤包括:

a-1.构建目标检测训练集;

a-2.将训练集输入SSD目标检测网络进行训练;

a-3.生成SSD目标检测模型;

在线识别过程包括:

b-1.读取相机采集的视频流;

b-2.载入离线训练好的SSD目标检测模型;

b-3.将图片预处理后,传入网络结构,获得目标信息;

b-4.采用非极大值抑制去除重复率过高的目标框信息;

b-5.输出目标信息。

3.根据权利要求1所述基于目标检测和SSVEP的注意力训练系统,其特征在于:所述SSVEP解码单元,通过预处理和自适应滤波器组典型相关分析FBCCA算法,对所述脑电信号进行解码,具体步骤如下:

c-1.根据设置好的周期读取使用者的脑电数据;

c-2.通过滤波器的多个不同通带将SSVEP脑电信号分解,得到通过滤波器各子带后的子带信号;

c-3.将滤波所得各子带成分与标准正余弦参考信号进行相关性分析;

c-4.计算对应时刻最大相关系数与次最大相关系数,获得利用贝叶斯估计的结果;

c-5.其中最大相关性对应频率即为识别结果。

4.一种基于目标检测和SSVEP的注意力训练方法,采用权利要求1所述的基于目标检测和SSVEP的注意力训练系统进行操作,其特征在于,操作步骤如下:

(1)使用者佩戴好脑电帽,连接相机;

(2)打开注意力训练界面,点击打开摄像头按钮,注意力训练界面根据SSD目标检测算法进行检测;

(3)点击开始训练按钮;

(4)当注意力训练界面出现刺激闪烁时,使用者根据语音提示,注视相应的闪烁块,注意力训练界面绘制刺激闪烁,同时脑电帽采集脑电信号,传输给电脑端的SSVEP解码单元;

(5)SSVEP解码单元通过预处理和自适应FBCCA算法对脑电信号进行解码;

(6)SSVEP解码单元对脑电信号进行解码后,根据解码结果发送控制指令给机械臂;

(7)机械臂抓取相应物品。

5.根据权利要求4所述基于目标检测和SSVEP的注意力训练方法,其特征在于:在所述步骤(2)中,点击打开摄像头按钮后,注意力训练界面根据SSD目标检测算法进行检测的步骤如下:

(2-1)读取相机采集的视频流;

(2-2)载入离线训练好的SSD目标检测模型;

(2-3)将图片预处理后,传入网络结构,获得目标信息;

(2-4)采用非极大值抑制去除重复率过高的目标框信息;

(2-5)注意力训练界面会根据目标检测结果对视频流中每个目标四周实时绘制目标框,同时给目标绘制编号。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海大学,未经上海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110985594.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top