对注意力进行识别的方法、装置、终端及介质制造方法及图纸

本申请公开了一种对注意力进行识别的方法、装置、终端及介质。其中方法包括：确定待处理的目标脑电信号；将目标脑电信号变换为功率谱；确定功率谱中指定脑电波的特征值；依据预构建的注意力等级分类器，确定特征值所属的注意力等级。本申请实现了对注意力进行自动化识别的目的，还提高了注意力识别的效率，扩大了注意力识别的应用场景，为不同应用场景的用户进行干预提供了必要的数据基础。进行干预提供了必要的数据基础。进行干预提供了必要的数据基础。

【技术实现步骤摘要】
对注意力进行识别的方法、装置、终端及介质


[0001]本申请涉及计算机
，具体涉及一种对注意力进行识别的方法、装置、终端及介质。

技术介绍

[0002]随着社会的发展和进步，人类活动中脑力劳动的占比越来越高，其中注意力是否集中的研究越来越重要。尤其是驾驶、学习等领域。例如，在驾驶领域，用户的注意力分散将可能会产生严重的交通事故；在学习领域，用户的注意力分散将可能导致学习成绩下降的问题。
[0003]相关技术中，注意力是否集中主要依赖于外界用户的观察，并且无法对注意力进行等级划分。

技术实现思路

[0004]为了解决上述至少一个技术问题，本申请提供一种对注意力进行识别的方法、装置、终端及介质。
[0005]根据本申请的第一方面，提供了一种对注意力进行识别的方法，该方法包括：
[0006]确定待处理的目标脑电信号；
[0007]将目标脑电信号变换为功率谱；
[0008]确定功率谱中指定脑电波的特征值；
[0009]依据预构建的注意力等级分类器，确定特征值所属的注意力等级。
[0010]根据本申请的第二方面，提供了一种对注意力进行识别的装置，该装置包括：
[0011]目标信号确定模块，用于确定待处理的目标脑电信号；
[0012]目标信号转换模块，用于将目标脑电信号变换为功率谱；
[0013]特征值确定模块，用于确定功率谱中指定脑电波的特征值；
[0014]注意力识别模块，用于依据预构建的注意力等级分类器，确定特征值所属的注意力等级。
[0015]根据本申请的第三方面，提供了一种终端，该终端包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时以实现上述对注意力进行识别的方法。
[0016]根据本申请的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述对注意力进行识别的方法。
[0017]本申请通过确定待处理的目标脑电信号，以将目标脑电信号变换为功率谱，确定功率谱中指定脑电波的特征值，从而依据预构建的注意力等级分类器，确定特征值所属的注意力等级，这种通过注意力等级分类器来对注意力进行识别的方式，不仅实现了对注意力进行自动化识别的目的，还提高了注意力识别的效率，扩大了注意力识别的应用场景，为不同应用场景的用户进行干预提供了必要的数据基础。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
[0019]图1为本申请实施例提供的一种对注意力进行识别的方法的流程示意图；以及
[0020]图2为本申请实施例提供的一种对注意力进行识别的装置的框图结构示意图。
具体实施方式
[0021]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0022]需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
[0023]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0024]根据本申请的一个实施例，提供了一种对注意力进行识别的方法，如图1所示，该方法包括步骤S101至步骤S105。
[0025]步骤S101：确定待处理的目标脑电信号。
[0026]具体地，电子设备确定待处理的目标脑电信号。其中，电子设备可以为脑电信号EEG采集设备、脑机接口BCI设备、手机、平板、PC机、服务器等。
[0027]具体地，目标脑电信号可以为按照预设采集周期获取到的脑电信号，也可以是对该脑电信号进行分段处理得到的某个片段。
[0028]例如，若电子设备获取到时长为10秒的脑电信号，那么目标脑电信号可以为这10秒的脑电信号，也可以是从这10秒的脑电信号中截取的3秒时长的脑电信号。
[0029]步骤S102：将目标脑电信号变换为功率谱。
[0030]具体地，可以按照预设的频率转换算法对目标脑电信号进行转换。例如，按照傅里叶转换算法将目标脑电信号进行变换处理。
[0031]步骤S103：确定功率谱中指定脑电波的特征值。
[0032]在本申请实施例中，功率谱用于表征信号功率在频域的分布状况。该功率谱包括多种脑电波，如：α脑电波，其波长为8
‑
12Hz；β脑电波，其波长为14—100Hz；θ脑电波，其波长4
‑
8Hz；δ脑电波，其波长为0.5
‑
4Hz等。
[0033]具体地，可以将指定脑电波设置为脑电波中的一种或者几种。例如，将指定脑电波设置为β脑电波，按照该步骤计算β脑电波的特征值。
[0034]步骤S104：依据预构建的注意力等级分类器，确定特征值所属的注意力等级。
[0035]具体地，可以对SVM分类器进行训练来得到注意力等级分类器。
[0036]具体地，注意力等级分类器可以包括多个一对多模式的二分类器，应用时，该注意力等级分类器包括的各个二分类器分别输出对应的参数，根据输出指定参数的二分类器来确定特征值所属的注意力等级。
[0037]具体地，注意力等级分类器可以包括多个一对一模式的二分类器，应用时，该注意
力等级分类器包括的各个二分类器分别输出对应的参数，根据输出指定参数的二分类器来确定特征值所属的注意力等级。
[0038]在本申请实施例中，将注意力等级设置为三个等级：高水平注意力、中等水平注意力和低水平注意力。
[0039]需要说明的是，实际应用时可以根据应用场景来设置对应的注意力等级，此处不再一一列举。
[0040]本申请实施例通过确定待处理的目标脑电信号，以将目标脑电信号变换为功率谱，确定功率谱中指定脑电波的特征值，从而依据预构建的注意力等级分类器，确定特征值所属的注意力等级，这种通过注意力等级分类器来对注意力进行识别的方式，不仅实现了对注意力进行自动化识别的目的，还提高了注意力等级的识别效率，扩大了注意力识别的应用场景，为不同应用场景的用户进行干预提供了必要的数据基础。
[0041]在一些实施例中，如图1所示，步骤S104依据预构建的注意力等级分类器，确定特征值所属的注意力等级的步骤之前，该方法还包括：步骤S1041、步骤S1042和步骤S1043(图中未示出)。
[0042]步骤S1041：获取针对指定脑电波的若干特征值；
[0043]步骤S1042：确定若干特征值各自的注意力等级；
[0044]步骤S1043：依据若干特征值以及若干特征值各自的注意力等级，对预设的分类器进行训练，得到注意力等级分类器。
[0045]具体地，将若干特征值以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对注意力进行识别的方法，其特征在于，包括：确定待处理的目标脑电信号；将所述目标脑电信号变换为功率谱；确定所述功率谱中指定脑电波的特征值；依据预构建的注意力等级分类器，确定所述特征值所属的注意力等级。2.根据权利要求1所述的方法，其特征在于，所述依据预构建的注意力等级分类器，确定所述特征值所属的注意力等级的步骤之前，所述方法还包括：获取针对所述指定脑电波的若干特征值；确定若干所述特征值各自的注意力等级；依据若干所述特征值以及若干所述特征值各自的注意力等级，对预设的分类器进行训练，得到所述注意力等级分类器。3.根据权利要求2所述的方法，其特征在于，所述确定若干所述特征值各自的注意力等级的步骤，包括：基于预设接口，获取针对若干所述特征值的标识操作；依据所述标识操作，确定若干所述特征值各自的注意力等级。4.根据权利要求1所述的方法，其特征在于，所述确定所述功率谱中指定脑电波的特征值的步骤，包括：确定所述功率谱中针对所述指定脑电波的频谱区域；依据预设的香农熵算法，确定针对所述指定脑电波的频谱区域的香农熵的特征值。5.根据权利要求1所述的方法，其特征在于，所述确定待处理的目标脑电信号的步骤，包括：获取目标用户的脑电信号；依据预定的分段时长...

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