【技术实现步骤摘要】
本专利技术属涉及一种人体行为识别系统及方法,具体地说,涉及一种基于EOG的人体行为识别系统及方法。
技术介绍
人体行为识别(Humanactivityrecognition,HAR)指对被观测个体的动作类型、行为模式等信息进行综合地分析与识别,并将识别结果通过自然语言等方式进行描述。研究表明,人在进行特定活动时所引发的眼动模式在很大程度上能够揭示其行为状态,如:阅读、写作、休息等,而这种眼动模式可以通过对眼球运动情况的跟踪来获取,因此基于眼动信息的人体行为识别算法的设计与实现已经成为新的研究热点。近年来,眼电图(Electro-oculogram,EOG)因价格低廉、容易获取、处理简单、易于携带等优点被证明是用于测量眼球运动最有效的工具之一。因此,使用EOG方法进行HAR系统设计具有重要的研究价值。EOG-HAR系统是指将EOG信号作为被观测对象,通过对其分析与识别,获取被观测对象的动作类型、行为模式等信息。在系统实现过程中,行为状态的检测和分析较为关键,为此研究者们做出大量研究,其中BullingA首次提出一种新的方法检测扫视、眨眼、凝视,并通过对重复的眼动模式序列进行编码,从而提取不同行为状态的特征。后来,ShreyasiDatta将小波变换和AAR模型以及Hjorth参数结合起来用于提取不同行为状态的特征,从而进行识别。上述检测方法虽然取得了一定的成功,但是他们仅仅是从基本EOG单元的识别与根据时序建立简单的码表的层面上进行人体行为的识别,难以保证信号的识别正确率。
技术实现思路
本专利技术的目的在于克服上述技术存在的缺陷,提供一种基于EOG的人体行为 ...
【技术保护点】
一种基于EOG的人体行为识别系统,其特征在于,包括单元EOG信号识别模块、眼动信号‑行为状态关系模块和信息融合模块;所述单元EOG信号识别模块通过对原始多导联EOG信号的分析,实现对阅读、休息、写作3种行为状态的判断,该模块包括多导联EOG信号的采集、预处理及基于信号平均功率、平均频率和信号带宽三个参数的特征提取与识别单元;所述眼动信号‑行为状态关系模块使用N‑gram方法对大量的单元EOG信号数据进行统计,并计算不同行为状态之间的转移概率,得出状态之间的上下文关系;所述信息融合模块指使用置信度参数对单元EOG信号识别模块和眼动信号‑行为状态关系模块的输出结果进行综合分析与判断,并推断出受试者最可能的行为状态。
【技术特征摘要】
1.一种基于EOG的人体行为识别系统,其特征在于,包括单元EOG信号识别模块、眼动信号-行为状态关系模块和信息融合模块;所述单元EOG信号识别模块通过对原始多导联EOG信号的分析,实现对阅读、休息、写作3种行为状态的判断,该模块包括多导联EOG信号的采集、预处理及基于信号平均功率、平均频率和信号带宽三个参数的特征提取与识别单元;所述眼动信号-行为状态关系模块使用N-gram方法对大量的单元EOG信号数据进行统计,并计算不同行为状态之间的转移概率,得出状态之间的上下文关系;所述信息融合模块指使用置信度参数对单元EOG信号识别模块和眼动信号-行为状态关系模块的输出结果进行综合分析与判断,并推断出受试者最可能的行为状态。2.根据权利要求1所述的基于EOG的人体行为识别系统,其特征在于,所述单元EOG信号识别模块中信号采集电极的安装位置为:(a)、使用2个电极采集水平扫视信号,一个电极安放于受试者的左眼眼球水平中心点左方2.5-3.0cm处;一个电极安放于受试者的右眼眼球水平中心点右方2.5-3.0cm处;(b)、使用2个电极采集垂直扫视信号,一个电极安放于受试者左眼眼球正中心上方1.5-2.0cm处,另一个电极安放于受试者左眼眼球正中心下方1.5-2.0cm处;或者一个电极安放于受试者右眼眼球正中心上方1.5-2.0cm处,另一个电极安放于受试者右眼眼球正中心下方1.5-2.0cm处;(c)、使用1个参考电极,参考电极安放于受试者右耳后乳凸处;(d)、使用1个接地电极,接地电极安放于受试者左耳后乳凸处。3.根据权利要求1所述的基于EOG的人体行为识别系统,其特征在于,所述单元EOG信号识别模块中对原始信号的预处理过程:采用的是截止频率为0.01-10Hz的32阶fir带通滤波器。4.根据权利要求1所述的基于EOG的人体行为识别系统,其特征在于,所述单元EOG信号识别模块中使用了信号平均功率、平均频率和信号带宽作为眼动信号特征参数,具体定义如下:A(x)=var(x)(1)M(x)=var(x′)/var(x)---(2)]]>C(x)=M(x′)M(x)---(3)]]>上式中,x为输入的EOG信号,A(x)表示信号平均功率、M(x)表示信号平均频率、C(x)表示信号带宽。5.根据权利要求1所述的基于EOG的人体行为识别系统,其特征在于,所述的眼动信号-行为状态关系模型建立的具体方法为:假设第n个行为状态的出现只与前面的n-1个状态相关,而与其它任何状态都不相关;用S1,S2,...,Sn来表示这n个状态,那么状态Sn出现的概率就写为其中表示状态序列S1,S2,...,Sn-1,在有大量训练数据的前提下,根据最大似然准则,得到:P(Sn|S1n-1)=c(S1n)c(S1n-1)---(4)]]>和分别表示状态序列(S1,S2,...,Sn)和(S1,S2,...,Sn-1)在训练数据库中出现的次数;取n=3来构建这个模型;当n=3时,公式(4)就写成:P(S3|S12)=c(S13)c(S12)---(5).]]>6.根据权利要求1所述的基于EOG的人体行为识别系统,其特征在于,所述的信息融合模块中置信度参数的获取步骤如下:(1)将EOG信号识别模块的识别结果与数据标签进行对比,和数据标签相同的结果是正确的识别结果,...
【专利技术属性】
技术研发人员:吕钊,张超,陆雨,吴小培,周蚌艳,张磊,卫兵,高湘萍,
申请(专利权)人:安徽大学,
类型:发明
国别省市:安徽;34
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。