申请/专利权人：安徽理工大学

申请日：2023-05-17

公开（公告）日：2024-03-19

公开（公告）号：CN116671900B

主分类号：A61B5/11

分类号：A61B5/11;G06F3/01;G06F18/2321;A61B5/369;A61B5/372

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.09.19#实质审查的生效;2023.09.01#公开

摘要：本发明公开了一种基于脑波仪的眨眼识别与控制方法，首先获取人体佩戴脑波仪实时状态下眨眼时产生的脑电波数据；设置自适应眨眼阈值，即以脑电波的波峰或者波谷作为指示物数组，随机选择数组中数据作为三类中心，计算每个数据点与此三类中心的距离、重新聚类并求相应均值，对原三类中心进行更新，直至收敛，然后根据三簇相邻边界设置不眨眼簇、弱眨眼簇和强眨眼簇之间的阈值；然后将设置的阈值与采集到的新脑电波数据进行对比；最后利用眨眼相对强弱设定控制命令集，并转化为外设动作；本发明不仅用于眨眼阈值的自适应设置，适用于不同人群，而且避免人为设置阈值带来的误差、以及左右眨眼连带造成的精度下降，能够提高眨眼识别的准确率。

主权项：1.一种基于脑波仪的眨眼识别与控制方法，其特征在于，具体包括以下步骤：S1，获取人体佩戴脑波仪实时状态下眨眼时产生的脑电波数据；S2，根据步骤S1中的数据设置自适应眨眼阈值；具体步骤为：1以步骤S1中脑电波的波峰或者波谷作为指示物数组，假设为{x1，x2，...，xm}，先随机选择数组中三个数据作为三类中心u1、u2和u3，假设u1＜u2＜u3；2遍历波峰或波谷指示物数组所有数据点，计算每个数据点xj分别与三类中心u1、u2和u3的距离，计算公式为：dji＝|xj-ui|其中，i＝1、2、3，1≤j≤m；并根据计算后的最小距离将数据点xj归至相应类，聚成三类C1、C2和C3；3对步骤2中聚成的C1、C2和C3分别进行均值计算，其计算公式为： 其中，i＝1、2、3；|Ci|代表类Ci中元素个数；将计算后的均值与相应中心对比，然后将三类中心u1、u2和u3相应更新为u1'、u2'、u3'；4重复步骤2和3，直至最终更新后的三类中心u1'、u2'、u3'都不变动或者变动小于一定数值，停止聚类，得到最终聚类C1'、C2'、C3'；当以步骤S1中脑电波的波峰作为指示物数组时，最终聚类C1'、C2'、C3'相对应设定为不眨眼簇、弱眨眼簇、强眨眼簇；当以步骤S1中脑电波的波谷作为指示物数组时，最终聚类C1'、C2'、C3'相对应设定为强眨眼簇、弱眨眼簇、不眨眼簇；进而得到三类各自边界：[minCi',maxCi']5根据三类各自边界，设置不眨眼簇和弱眨眼簇的之间的阈值r1、弱眨眼簇与强眨眼簇之间的阈值r2；S3，将步骤S2中设置的阈值与采集到的新脑电波数据进行对比，识别眨眼相对强弱；S4，利用眨眼相对强弱设定控制命令集，并转化为外设动作；所述步骤5中，当以步骤S1中脑电波的波峰作为指示物数组时，不眨眼簇和弱眨眼簇之间的阈值r1的计算公式为 弱眨眼簇与强眨眼簇之间的阈值r2的计算公式为 当以步骤S1中脑电波的波谷作为指示物数组时，不眨眼簇和弱眨眼簇之间的阈值r1的计算公式为 弱眨眼簇与强眨眼簇之间的阈值r2的计算公式为

全文数据：

权利要求：

百度查询： 安徽理工大学 一种基于脑波仪的眨眼识别与控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD