The present invention relates to a general model for hand action intention detection based on EEG signals. Specifically, by processing the collected EEG signals and building a general model through the convolution neural network method, the detection of hand movements with or without intention can be realized. The model proposed by the invention is a general model, different from the personal model in previous work. The model does not use participants'EEG signals for training, but directly participates in testing. The training data comes from other participants. The accuracy of the model is obtained by analyzing the EEG signals of the experimenters. The invention belongs to the comprehensive application of computer field, vehicle design field, human-computer interaction science, psychological science, cognitive neuroscience and automatic control field.
【技术实现步骤摘要】
一种基于脑电信号的手势动作意图检测的通用模型
本专利技术涉及一种基于脑电信号的手势动作意图检测的通用模型。具体的来说，通过处理采集的脑电信号，通过卷积神经网络的方法搭建一个通用模型，实现对受试者有无意图做手势动作的检测。本专利技术提出的模型是一种通用模型，不同于之前工作中的个人模型，该模型不将参与者的脑电信号用于训练而直接参与测试，训练的数据来自于其他的参与者，实验者通过对脑电信号的分析获得模型的准确率。本专利技术属于计算机领域、车辆设计领域、人机交互科学、心理科学、认知神经科学和自动控制领域的综合应用。
技术介绍
日常生活中，我们的手势动作在很多情况下是无意识情况下做出来的。比如，驾驶者驾驶车辆时由于疲劳或者紧张导致的急刹车以及打方向盘等情况，或者指挥员由于个人习惯等原因无意中做出的某些手势，会与某些命令手势相近，给命令执行者带来困惑。不仅如此，除了手势动作的真假意图识别，对于身体其他部位的动作意图的识别也是很有必要的。近年来，随着计算机处理能力和性能的提高，深度学习领域得到了极大的发展，在图像处理、自然语言处理和脑机接口等方面都有着极大的应用。目前许多方法已经...
【技术保护点】
1.一种基于脑电信号的手势动作意图检测的通用模型方法，包括脑电信号的采集与预处理，卷积神经网络的构建模型。脑电采集并接收离线脑电信号，然后实验者对脑电信号进行处理，输入搭建的卷积神经网络中，识别驾驶员的停止手势，并检测该通用模型的效果。
【技术特征摘要】
1.一种基于脑电信号的手势动作意图检测的通用模型方法，包括脑电信号的采集与预处理，卷积神经网络的构建模型。脑电采集并接收离线脑电信号，然后实验者对脑电信号进行处理，输入搭建的卷积神经网络中，识别驾驶员的停止手势，并检测该通用模型的效果。2.本发明涉及一种驾驶员手势动作意图检测的通用模型方法，所述方法包括：步骤1，分别采集参与者脑电信号，并进行放大与模数转换；步骤2，将脑电信号进行处理，将得到的离线脑电信号进行训练(训练所用脑电信号不参与测试)，得到模型；步骤3，将其余的参与者的脑电信号输入已得到的模型进行测试，判断该参与者的使用该模型的准确度。3.根据权利要求2所述的驾驶员手势动作意图检测的通用模型方法，其中，步骤2包括：步骤21，对采集到的部分参与者的脑电信号进行处理，得到手势意图样本和非意图样本，标记...
【专利技术属性】
技术研发人员：毕路拯，王晓光，王会康，
申请(专利权)人：北京理工大学，
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。