【技术实现步骤摘要】
一种基于RSVP范式的脑-机结合目标检测方法及系统
本专利技术涉及目标检测
,特别是涉及一种基于RSVP范式的脑-机结合目标检测方法及系统。
技术介绍
现有的无人机目标检测、搜救系统主要有两种:有信标的目标定位和基于图像的目标定位。某些人员在执行任务过程中佩戴专门研制的单兵信标机,与无人机进行数据传输。相比之下,基于图像的目标定位,应用面更广。而现有的基于图像的目标定位技术所采用的机器视觉相关算法,其目标检测往往需要大量的训练数据,还需要大量调参,才能增强系统对目标的识别能力,且只能检测指定的目标,若加入新的识别目标,还需要重新训练模型。图像的视觉属性对大脑感知影响的研究已成为学者们近年来感兴趣的研究方向。研究者利用图像快速呈现(RapidSeriesVisualPresentation,RSVP)的方法探索视觉属性对于大脑认知机制、行为学特性、神经信息加工的影响,并利用大脑对目标图像的神经响应特性差异,将其应用到了目标检测、人脸识别、字符拼写、医学图像分类等领域。现有的目标图像的筛选方法中,人工方法可以充分利用人脑的认知能力和视觉信息处理能力,目标图像识别准确率高,但其识别效率低。计算机人工智能方法具有庞大的信息存储能力和高速的处理速度,但其判别准确性低,目前只能识别某些低级特征信息大的信息。目前,还没有一种人-机融合的基于RSVP范式的用于无人机航拍图像中进行目标检测的系统及方法。
技术实现思路
本专利技术的目的是提供一种基于RSVP范式的脑-机结合目标检测方法及系统,将 ...
【技术保护点】
1.一种基于RSVP范式的脑-机结合目标检测方法,其特征在于,包括:/n接收无人机回传的航拍图;/n采用图片切割算法对所述航拍图进行切割,得到刺激图片,并存储;/n按存储顺序选取a张所述刺激图片,形成刺激图片序列;其中,a为常数;/n向被试者连续呈现所述刺激图片序列,获取被试者的脑电信号;/n利用训练好的HDCA算法模型分别对每张所述刺激图片所对应的所述脑电信号进行评分,得到识别结果;所述识别结果为目标图片和非目标图片;/n根据所述识别结果,选取所述刺激图片序列中的部分所述刺激图片所对应的所述脑电信号作为在线更新的脑电信号;/n利用所述在线更新的脑电信号和FTRL算法对所述训练好的HDCA算法模型进行在线更新,得到更新后的HDCA算法模型,并将所述更新后的HDCA算法模型作为下一循环中的所述训练好的HDCA算法模型;/n利用所述更新后的HDCA算法模型对每张所述刺激图片所对应的所述脑电信号进行评分,得到所述刺激图片序列的评分结果;所述评分结果中评分值越高表明所对应的所述刺激图片包含目标的概率越大;/n对剩余所述刺激图片执行步骤“按存储顺序选取a张所述刺激图片,形成刺激图片序列”,直至所 ...
【技术特征摘要】
1.一种基于RSVP范式的脑-机结合目标检测方法,其特征在于,包括:
接收无人机回传的航拍图;
采用图片切割算法对所述航拍图进行切割,得到刺激图片,并存储;
按存储顺序选取a张所述刺激图片,形成刺激图片序列;其中,a为常数;
向被试者连续呈现所述刺激图片序列,获取被试者的脑电信号;
利用训练好的HDCA算法模型分别对每张所述刺激图片所对应的所述脑电信号进行评分,得到识别结果;所述识别结果为目标图片和非目标图片;
根据所述识别结果,选取所述刺激图片序列中的部分所述刺激图片所对应的所述脑电信号作为在线更新的脑电信号;
利用所述在线更新的脑电信号和FTRL算法对所述训练好的HDCA算法模型进行在线更新,得到更新后的HDCA算法模型,并将所述更新后的HDCA算法模型作为下一循环中的所述训练好的HDCA算法模型;
利用所述更新后的HDCA算法模型对每张所述刺激图片所对应的所述脑电信号进行评分,得到所述刺激图片序列的评分结果;所述评分结果中评分值越高表明所对应的所述刺激图片包含目标的概率越大;
对剩余所述刺激图片执行步骤“按存储顺序选取a张所述刺激图片,形成刺激图片序列”,直至所述刺激图片的数量为0,选取所有所述评分结果中评分值大于预设的第一阈值的所述刺激图片,并确定所述评分值大于预设的第一阈值的所述刺激图片的经纬度,确定待识别的目标。
2.如权利要求1所述的基于RSVP范式的脑-机结合目标检测方法,其特征在于,所述采用图片切割算法对所述航拍图进行切割,得到刺激图片具体包括:
采用网格法对所述航拍图进行切割,得到边长为设定长度的正方形的单位网格;每张子图包含四个所述单位网格,且相邻所述子图之间有重叠部分;一张所述子图即为一张刺激图片,得到所述刺激图片。
3.如权利要求1所述的基于RSVP范式的脑-机结合目标检测方法,其特征在于,所述目标检测方法在形成所述刺激图片序列后,还包括依据上次评分结果对当前刺激图片序列进行位置调整,具体包括:
选取当前刺激图片序列中与上次刺激图片序列相重复的刺激图片,并获取重复刺激图片在上次的评分结果;所述重复刺激图片按照评分值由大到小进行排序;
按照设定删除比例删除所述评分值的排序位于末尾的所述重复刺激图片;
按设定选取比例选取所述评分值的排序位于首部的所述重复刺激图片,并均匀插入所述当前刺激图片序列中,其余所述重复刺激图片则保留原位,形成新的当前刺激图片序列,并向被试者连续呈现所述新的当前刺激图片序列。
4.如权利要求1所述的基于RSVP范式的脑-机结合目标检测方法,其特征在于,所述刺激图片序列的呈现速度为每秒呈现10张所述刺激图片;所述刺激图片呈现在视野的中心,大小占整个视野的四分之一。
5.如权利要求1所述的基于RSVP范式的脑-机结合目标检测方法,其特征在于,所述目标检测方法还包括对HDCA算法模型进行预训练,得到训练好的HDCA算法模型,具体包括:
选取原有的目标图片和非目标图片作为训练图片,得到训练图片序列;
向被试者连续呈现所述训练图片序列,得到被试者的脑电信号;
将每张所述训练图片所对应的所述脑电信号等间隔划分为n个时间窗,并将各个导联分别对应的第i个时间窗内的所述脑电信号取平均值,即每张所述训练图片所对应的所述脑电信号为K×n矩阵;其中,K为导联数;i=1,2,......n;n为常数;
将所有所述训练图片所对应的所述脑电信号输入到FLD算法中,确定第第i个时间窗、第k个导联的投影系数wi,k;其中,k=1,2,...K;
根据确定每张所述训练图片的第i个时间窗内的一维脑电信号yi;其中,xi,k为第i个时间窗、第k个导联的脑电信号;
将所有所述训练图片所对应的所述一维脑电信号yi输入到LR算法中,确定第i个时间窗的加权系数ci,得到训练好的HDCA算法模型:
其中,IS为评分值。
6.如权利要求1所述的基于RSVP范式的脑-机结合目标检测方法,其特征在于,对所述刺激图片对应的所述脑电信号进行评分具体包括:
将所述刺激图片所对应的所述脑电信号等间隔分为n个时间窗,并将各个导联分别对应的第i个时间窗内的所述脑电信号取平均值,即所述刺激图片所对应的所述脑电信号为K×n矩阵;其中,K为导联数;i=1,2,......n;n为常数;
根据确定所述刺激图片的第i个时间窗内的一维脑电信号yi;其中,k=1,2,...K;wi,k为第i个时间窗、第k个导联的投影系数;xi,k为第i个时间窗、第k个导联的脑电信号;
根据确定所述刺激图片的评分值IS;其中,ci为第i个时间窗的加权系数。
7.如权利要求1所述的基于RSVP范式的脑-机结合目标检测方法,其特征在...
【专利技术属性】
技术研发人员:张洪欣,张舒玲,杨晨,叶晓晨,袁超,赵玉雪,
申请(专利权)人:北京邮电大学,
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。