The invention relates to a fatigue detection method for RSVP brain-computer interface, which solves the problem that RSVP BCI can not effectively grasp the user's fatigue state in the process of operation in the prior art. A fatigue detection method for RSVP brain-computer interface includes the following steps: presenting image content in RSVP mode at a certain frequency, recording behavior information when the target image appears, marking the fatigue state of the subjects by scoring scale, extracting EEG signals of the subjects, and preprocessing the EEG signals with power spectral density as the function. The fatigue characteristics are identified and the results of fatigue state recognition are obtained. The fatigue status identification of users in RSVP BCI operation process is realized, and the problem that users can not effectively grasp the fatigue status in RSVP BCI operation process in the existing technology is solved.
【技术实现步骤摘要】
一种面向RSVP脑-机接口的疲劳检测方法
本专利技术涉及疲劳检测
,尤其涉及一种面向RSVP脑-机接口的疲劳检测方法。
技术介绍
速序列视觉呈现(rapidserialvisualpresentation,RSVP)指在相同的空间位置序列性地高速呈现图像的过程。基于RSVP的脑-机接口(Brain-computerinterface,BCI),通过检测图像序列高速呈现过程中小概率目标刺激诱发的大脑响应,从而识别使用者所关注的目标图象。RSVP-BCI技术利用人类视觉系统的图像处理和理解能力,具有比机器视觉更加高效的信息处理能力。并且,相比于人工标记,RSVP-BCI技术具有省时、高效等优势。RSVP-BCI技术已被逐渐应用于人脸识别、医学图像分析等海量图像/信息处理领域。基于RSVP-BCI技术的作业系统需要操作人员时刻保持相对较高的专注度,从而保证稳定的工作绩效。然而,长时程、高注意力的视觉信息处理极易引发脑力疲劳,引起中枢神经系统对视觉信息处理能力的下降,导致作业人员出现注意力不集中、反应迟缓、警觉水平和工作能力下降的状况,极大影响工作绩效,造成信息的误判、漏判,甚至操作失误引发安全隐患。因此,急需建立一种有效的用户疲劳状态监测技术,实时掌握用户在作业过程中的疲劳状态变化。当检测到用户处于疲劳状态时,及时实施外部干预,避免用户过度疲劳,从而降低信息误判风险。面向RSVP-BCI的疲劳检测技术可实现用户疲劳状态的有效监测,保证了作业绩效的稳定性,为长时程作业过程中的疲劳预警提供了技术支持。
技术实现思路
鉴于上述的分析,本专利技术旨在提供一种面向RSV ...
【技术保护点】
1.一种面向RSVP脑‑机接口的疲劳检测方法,其特征在于,包括以下步骤:以一定频率的RSVP方式呈现图像内容,当目标图像出现时,被试作出行为反应,并记录其行为学信息,通过评分量表标记被试疲劳状态;提取被试脑电信号,并对所述脑电信号进行预处理,以功率谱密度作为疲劳特征;对所述疲劳特征进行识别,得到疲劳状态识别结果。
【技术特征摘要】
1.一种面向RSVP脑-机接口的疲劳检测方法,其特征在于,包括以下步骤:以一定频率的RSVP方式呈现图像内容,当目标图像出现时,被试作出行为反应,并记录其行为学信息,通过评分量表标记被试疲劳状态;提取被试脑电信号,并对所述脑电信号进行预处理,以功率谱密度作为疲劳特征;对所述疲劳特征进行识别,得到疲劳状态识别结果。2.根据权利要求1所述的方法,其特征在于,提取被试脑电信号具体包括:使用脑电采集系统,以前额为地,电极Cz为参考,在一定的采样频率采集脑电初始信号;通过带通滤波器和陷波器进行带通滤波和去除工频干扰,提取得到被试脑电信号。3.根据权利要求2所述的方法,其特征在于,对所述脑电信号进行预处理,具体包括:对所述脑电信号带通滤波到一定的频率范围,得到滤波后的脑电信号,将所述滤波后的脑电信号截取为数据片段。4.根据权利要求3所述的方法,其特征在于,将所述滤波后的脑电信号截取为数据片段,具体包括:将所述滤波后的脑电信号截取为多个时长相同并且有一定时长重叠的数据片段。5.根据权利要求3所述的方法,其特征在于,以功率谱密度作为疲劳特征,具体包括:将所述数据片段输入自回归模型,算出自回归模型系数ak,采用基于自回归模型的功率谱密度估计方法,计算得到功率谱密度,将其作为疲劳状态的识别特征。6.根据权利要求5所述的方法,其特征在于,基于自回归模型的功率谱密度估计方法的估算公式为:其中,...
【专利技术属性】
技术研发人员:奕伟波,赵开宇,刘昊,张利剑,
申请(专利权)人:北京机械设备研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。