一种基于EEG脑波的眨眼检测方法及系统技术方案

本发明专利技术公开了一种基于EEG脑波的眨眼检测方法及系统，该方法包括BCI设备采集用户的脑电信号，并对信号进行传输；对所采集的脑电信号进行特征提取，并识别并去除眼电伪迹，以获得干净的脑电信号；利用机器学习工具，将计算得到的干净的脑电信号输入到分类模型，准确识别眨眼信号。该方法实现改善脑电信号中有效信号的质量，提高识别准确率，降低识别时间，提高眨眼检测效率。

【技术实现步骤摘要】
一种基于EEG脑波的眨眼检测方法及系统
本专利技术涉及EEG信号识别
，特别是涉及一种基于EEG脑波的眨眼检测方法及系统。
技术介绍
眨眼检测的目的是区分出当前视频帧的人眼闭合状态，这项研究在疲劳检测，视觉交互领域有着广泛的应用。科学家们已经在频域、人眼建模、虹膜检测、条件随机场等方向对这个问题的解决进行了一定的探索。目前存在的眨眼检测方法都是基于多通道电极分布方法来分析特征值的，且不存在智能化分析脑电信号以判断眨眼的自动化设备和方法，一方面不方便用户使用，另一方面其检测也不够智能化，因此，如何从脑电信号识别眨眼是亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种基于EEG脑波的眨眼检测方法、系统，以实现智能化分析脑电信号从而判断眨眼状态，提高识别准确率，降低识别时间。为解决上述技术问题，本专利技术提供一种基于EEG脑波的眨眼检测方法，包括：BCI设备采集用户的脑电信号，并对脑电信号进行传输，传输到数据分析系统；数据分析系统对所采集的脑电信号进行特征提取，识别去除眼电伪迹，以获得本文档来自技高网...

【技术保护点】
1.一种基于EEG脑波的眨眼检测方法，其特征在于，包括：/nBCI设备采集用户的脑电信号，并对脑电信号进行传输，传输到数据分析系统；/n数据分析系统对所采集的脑电信号进行特征提取，识别去除眼电伪迹，以获得干净的脑电信号，并利用机器学习工具，将干净的脑电信号输入到分类模型，识别出眨眼信号。/n

【技术特征摘要】
1.一种基于EEG脑波的眨眼检测方法，其特征在于，包括：
BCI设备采集用户的脑电信号，并对脑电信号进行传输，传输到数据分析系统；
数据分析系统对所采集的脑电信号进行特征提取，识别去除眼电伪迹，以获得干净的脑电信号，并利用机器学习工具，将干净的脑电信号输入到分类模型，识别出眨眼信号。


2.如权利要求1所述的基于EEG脑波的眨眼检测方法，其特征在于，所述脑电信号采集的是用户在静息状态主动眨眼任务下的脑电信号。


3.如权利要求1所述的基于EEG脑波的眨眼检测方法，其特征在于，所述BCI设备为少通道脑电采集设备，电极为干电极，主要对称分布于前额叶或者额叶，电极点位左右对称分布。


4.如权利要求1所述的基于EEG脑波的眨眼检测方法，其特征在于，采用相空间重构方法和ICA独立成分分析方法对所采集的脑电信号进行特征提取，识别去除眼电...

【专利技术属性】
技术研发人员：马鹏程，卢树强，王晓岸，
申请(专利权)人：北京脑陆科技有限公司，
类型：发明
国别省市：北京;11