认知分心测评方法和系统技术方案

本发明专利技术公开了一种提供一种认知分心测评方法和系统。其中该方法至少可以包括采集脑电信号、眼动信号、面部表情信息和座椅压力信号；根据脑电信号、眼动信号、面部表情信息和座椅压力信号，分别提取脑电特征、眼动特征、面部表情特征和压力特征；利用分类器对脑电特征、眼动特征、面部表情特征和压力特征进行识别；基于识别结果，来评判认知分心程度；根据认知分心程度，判断高铁调度员是否处于认知分心状态。由此，本发明专利技术至少部分地解决了如何准确评判高铁调度员认知分心程度的技术问题；填补了国内外的空白；测评背景与高铁调度场景紧密结合，测评结果能更真实地反应高铁调度员作业时的认知分心状态。

Cognitive distraction assessment method and system

The invention discloses a method and a system for measuring and evaluating cognitive distraction. The method can include at least the EEG signal acquisition, eye movement signal, facial expression information and seat pressure signal; according to EEG signals, facial expressions and eye movement information and seat pressure signals were extracted from the EEG features, eye movement characteristics, facial expression feature and stress characteristics; to identify the characteristics of EEG and eye movement characteristics facial expression feature, and pressure characteristics using the classifier; based on the identification result, to judge the degree of cognitive distraction; according to the degree of cognitive distraction, judging whether in high-speed rail dispatcher cognitive distracted. Thus, the present invention is at least partially solve the technical problem how to accurately judge the high degree of iron dispatcher cognitive distraction; fill the gaps at home and abroad; the evaluation background combined with high speed scheduling scenarios, the evaluation results can reflect the cognitive state of high iron distraction during the operation of the dispatcher.

【技术实现步骤摘要】
认知分心测评方法和系统
本专利技术实施例涉及高铁
，尤其是涉及一种认知分心测评方法和系统。
技术介绍
高铁调度员的作业任务要求其必须具备较高的抗分心能力，尤其是抗认知分心的能力。目前，国内国外针对高铁调度员认知分心测评方法及系统较为鲜见。已有的认知分心测试方法和设备，其背景与高铁调度员作业背景有较大差异，评测结果并不能代表高铁调度员作业背景下的抗认知分心能力。现有的测试方法、设备尚无法对认知分心程度进行评判。
技术实现思路
本专利技术实施例的主要目的在于提供一种认知分心测评方法，其至少部分地解决了如何准确评判高铁调度员认知分心程度的技术问题。此外，还提供一种认知分心测评系统。为了实现上述目的，根据本专利技术的一个方面，提供了以下技术方案：一种，认知分心测评方法，应用于高铁调度员，该方法至少包括：采集脑电信号、眼动信号、面部表情信息和座椅压力信号；根据所述脑电信号、所述眼动信号、所述面部表情信息和所述座椅压力信号，分别提取脑电特征、眼动特征、面部表情特征和压力特征；利用分类器对所述脑电特征、所述眼动特征、所述面部表情特征和所述压力特征进行识别；基于识别结果，来评判认知分心程度；根据所述认知分心程度，判断所述高铁调度员是否处于认知分心状态。进一步地，所述根据所述脑电信号提取脑电特征的步骤具体包括：采用希尔伯特—黄变换，通过经验模式分解，将所述脑电信号分解成有限个固有模态函数；对所述有限个固有模态函数进行希尔伯特变换，计算出瞬时的频率和振幅；根据所述瞬时的频率和振幅，计算出希尔伯特—黄变换的边际谱；分析所述边际谱，提取所述脑电信号的各个波段分量的幅值，并将其作为所述脑电特征。进一步地，所述根据所述眼动信号提取眼动特征的步骤具体包括：按照注视-眼跳的扫描路径，采集眼动信息；基于所述眼动信息，提取眼睛焦点位置、扫描路径的长度和眨眼频率数据，并将其作为所述眼动特征。进一步地，所述根据所述面部表情信息提取面部表情特征具体包括：通过人脸识别方法，从所述面部表情信息中提取人脸特征；以预定时长的所述人脸特征视频段为数据单元，并对所述数据单元内的每帧画面进行处理，得到视频指标值；对所述数据单元内所有帧画面的视频指标值取均值，并将所述均值作为所述数据单元的指标值；将所述数据单元的指标值转换成人脸及其组成部分的外形、运动、颜色和空间的表示；基于所述人脸及其组成部分的外形、运动、颜色和空间的表示，利用面部表征方法，获得所述面部表情特征。进一步地，所述根据所述座椅压力信号提取压力特征具体包括：基于所述座椅的坐垫，建立坐标系；获取所述坐垫上各个坐标位置的压力，作为所述压力特征。进一步地，所述利用分类器对所述脑电特征进行识别的步骤具体包括：通过支持向量机，基于二分类方法，根据下式识别所述高铁调度员是否分心：其中，所述xi表示所述脑电信号的各个波段分量的幅值，(xi,yi):i＝1,2,...,N,xi∈Rd，所述N取正整数；所述yi表示类别，所述yi∈{1,-1}，类别为“1”表示“认真”，类别为“-1”表示“分心”；所述b表示阈值；所述αi表示权重；所述K(xi,x)表示核函数；所述y表示识别结果。进一步地，所述利用分类器对所述眼动特征进行识别具体包括：根据下式对所述眼动特征进行归一化：其中，xi表示眼动特征；xmax、xmin分别表示眼动特征的最大、最小值；yi表示归一化后的结果；基于归一化结果，根据神经网络模型，识别所述高铁调度员是否分心。进一步地，所述利用分类器对所述面部表情特征进行识别具体包括：构建面部表情样本；归一化将所述面部表情样本作为输入的各弱分类器的权重；训练所述弱分类器，选取出误差最小的弱分类器；将所述误差最小的弱分类器联合起来，得到强分类器；利用所述强分类器，对所述面部表情特征进行识别。进一步地，所述利用分类器对所述压力特征进行识别具体包括：创建压力特征样本；利用神经网络对所述压力特征样本进行预测，得到识别结果。进一步地，所述基于识别结果，来评判认知分心程度，，具体包括：基于所述脑电特征的识别结果，来评判第一认知分心程度；基于所述眼动特征的识别结果，来评判第二认知分心程度；基于所述面部表情特征的识别结果，来评判第三认知分心程度；基于所述压力特征的识别结果，来评判第四认知分心程度。进一步地，所述根据所述认知分心程度，判断所述高铁调度员是否处于认知分心状态，具体包括：对所述第一、二、三和四认知分心程度加权平均进行结果的枚举，从而对所述高铁调度员的认知分心状态进行判断。进一步地，所述认知分心测评方法还可以包括：根据判断结果，确定是否进行报警。根据本专利技术的另一个方面，还提供了一种认知分心测评系统，应用于高铁调度员，该系统至少可以包括：采集模块，用于采集脑电信号、眼动信号、面部表情信息和座椅压力信号；提取模块，用于根据所述脑电信号、所述眼动信号、所述面部表情信息和所述座椅压力信号，分别提取脑电特征、眼动特征、面部表情特征和压力特征；识别模块，用于利用分类器对所述脑电特征、所述眼动特征、所述面部表情特征和所述压力特征进行识别；评判模块，用于基于识别结果，来评判认知分心程度；判断模块，用于根据所述认知分心程度，判断所述高铁调度员是否处于认知分心状态。进一步地，所述提取模块具体包括：分解单元，用于采用希尔伯特—黄变换，通过经验模式分解，将所述脑电信号分解成有限个固有模态函数；第一计算单元，用于对所述有限个固有模态函数进行希尔伯特变换，计算出瞬时的频率和振幅；第二计算单元，用于根据所述瞬时的频率和振幅，计算出希尔伯特—黄变换的边际谱；第一提取单元，用于分析所述边际谱，提取所述脑电信号的各个波段分量的幅值，并将其作为所述脑电特征。进一步地，所述提取模块还具体包括：采集单元，用于按照注视-眼跳的扫描路径，采集眼动信息；第二提取单元，用于基于所述眼动信息，提取眼睛焦点位置、扫描路径的长度和眨眼频率数据，并将其作为所述眼动特征。进一步地，所述提取模块还具体包括：第三提取单元，用于通过人脸识别方法，从所述面部表情信息中提取人脸特征；处理单元，用于以预定时长的所述人脸特征视频段为数据单元，并对所述数据单元内的每帧画面进行处理，得到视频指标值；均值单元，用于对所述数据单元内所有帧画面的视频指标值取均值，并将所述均值作为所述数据单元的指标值；转换单元，用于将所述数据单元的指标值转换成人脸及其组成部分的外形、运动、颜色和空间的表示；第一获取单元，用于基于所述人脸及其组成部分的外形、运动、颜色和空间的表示，利用面部表征方法，获得所述面部表情特征。进一步地，所述提取模块还具体包括：建立单元，用于基于所述座椅的坐垫，建立坐标系；第二获取单元，用于获取所述坐垫上各个坐标位置的压力，作为所述压力特征。进一步地，所述识别模块具体包括：第一识别单元，用于通过支持向量机，基于二分类方法，根据下式识别所述高铁调度员是否分心：其中，所述xi表示所述脑电信号的各个波段分量的幅值，(xi,yi):i＝1,2,...,N,xi∈Rd，所述N取正整数；所述yi表示类别，所述yi∈{1,-1}，类别为“1”表示“认真”，类别为“-1”表示“分心”；所述b表示阈值；所述αi表示权重；所述K(xi,x)表示核函数；所述y表示识别结果。进一步地，所述识别模块还具体包括：第一归一化本文档来自技高网...

【技术保护点】
一种认知分心测评方法，应用于高铁调度员，其特征在于，所述方法至少包括：采集脑电信号、眼动信号、面部表情信息和座椅压力信号；根据所述脑电信号、所述眼动信号、所述面部表情信息和所述座椅压力信号，分别提取脑电特征、眼动特征、面部表情特征和压力特征；利用分类器对所述脑电特征、所述眼动特征、所述面部表情特征和所述压力特征进行识别；基于识别结果，来评判认知分心程度；根据所述认知分心程度，判断所述高铁调度员是否处于认知分心状态。

【技术特征摘要】
1.一种认知分心测评方法，应用于高铁调度员，其特征在于，所述方法至少包括：采集脑电信号、眼动信号、面部表情信息和座椅压力信号；根据所述脑电信号、所述眼动信号、所述面部表情信息和所述座椅压力信号，分别提取脑电特征、眼动特征、面部表情特征和压力特征；利用分类器对所述脑电特征、所述眼动特征、所述面部表情特征和所述压力特征进行识别；基于识别结果，来评判认知分心程度；根据所述认知分心程度，判断所述高铁调度员是否处于认知分心状态。2.根据权利要求1所述的方法，其特征在于，所述根据所述脑电信号提取脑电特征的步骤具体包括：采用希尔伯特—黄变换，通过经验模式分解，将所述脑电信号分解成有限个固有模态函数；对所述有限个固有模态函数进行希尔伯特变换，计算出瞬时的频率和振幅；根据所述瞬时的频率和振幅，计算出希尔伯特—黄变换的边际谱；分析所述边际谱，提取所述脑电信号的各个波段分量的幅值，并将其作为所述脑电特征。3.根据权利要求1所述的方法，其特征在于，所述根据所述眼动信号提取眼动特征的步骤具体包括：按照注视-眼跳的扫描路径，采集眼动信息；基于所述眼动信息，提取眼睛焦点位置、扫描路径的长度和眨眼频率数据，并将其作为所述眼动特征。4.根据权利要求1所述的方法，其特征在于，所述根据所述面部表情信息提取面部表情特征具体包括：通过人脸识别方法，从所述面部表情信息中提取人脸特征；以预定时长的所述人脸特征视频段为数据单元，并对所述数据单元内的每帧画面进行处理，得到视频指标值；对所述数据单元内所有帧画面的视频指标值取均值，并将所述均值作为所述数据单元的指标值；将所述数据单元的指标值转换成人脸及其组成部分的外形、运动、颜色和空间的表示；基于所述人脸及其组成部分的外形、运动、颜色和空间的表示，利用面部表征方法，获得所述面部表情特征。5.根据权利要求1所述的方法，其特征在于，所述根据所述座椅压力信号提取压力特征具体包括：基于所述座椅的坐垫，建立坐标系；获取所述坐垫上各个坐标位置的压力，作为所述压力特征。6.根据权利要求1所述的方法，其特征在于，所述利用分类器对所述脑电特征进行识别的步骤具体包括：通过支持向量机，基于二分类方法，根据下式识别所述高铁调度员是否分心：其中，所述xi表示所述脑电信号的各个波段分量的幅值，(xi,yi):i＝1,2,...,N,xi∈Rd，所述N取正整数；所述yi表示类别，所述yi∈{1,-1}，类别为“1”表示“认真”，类别为“-1”表示“分心”；所述b表示阈值；所述αi表示权重；所述K(xi,x)表示核函数；所述y表示识别结果。7.根据权利要求1所述的方法，其特征在于，所述利用分类器对所述眼动特征进行识别具体包括：根据下式对所述眼动特征进行归一化：其中，xi表示眼动特征；xmax、xmin分别表示眼动特征的最大、最小值；yi表示归一化后的结果；基于归一化结果，根据神经网络模型，识别所述高铁调度员是否分心。8.根据权利要求1所述的方法，其特征在于，所述利用分类器对所述面部表情特征进行识别具体包括：构建面部表情样本；归一化将所述面部表情样本作为输入的各弱分类器的权重；训练所述弱分类器，选取出误差最小的弱分类器；将所述误差最小的弱分类器联合起来，得到强分类器；利用所述强分类器，对所述面部表情特征进行识别。9.根据权利要求1所述的方法，其特征在于，所述利用分类器对所述压力特征进行识别具体包括：创建压力特征样本；利用神经网络对所述压力特征样本进行预测，得到识别结果。10.根据权利要求1所述的方法，其特征在于，所述基于识别结果，来评判认知分心程度，具体包括：基于所述脑电特征的识别结果，来评判第一认知分心程度；基于所述眼动特征的识别结果，来评判第二认知分心程度；基于所述面部表情特征的识别结果，来评判第三认知分心程度；基于所述压力特征的识别结果，来评判第四认知分心程度。11.根据权利要求1所述的方法，其特征在于，所述根据所述认知分心程度，判断所述高铁调度员是否处于认知分心状态，具体包括：对所述第一、二、三和四认知分心程度加权平均进行结果的枚举，从而对所述高铁调度员的认知分心状态进行判断。12.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据判断结果，确定是否进行报警。13.一种认知分心测评系统，应用于高铁调度员，其特征在于，所述系统至少包括：采集模块，用于采集脑电信号、眼动信号、面部表情信息和座椅压力信号；提取模块，用于根据...

【专利技术属性】
技术研发人员：张骏，郭孜政，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51