[发明专利]利用脑电波识别生物的方法及装置有效

专利信息
申请号: 201710391040.7 申请日: 2017-05-27
公开(公告)号: CN107066103B 公开(公告)日: 2021-03-30
发明(设计)人: 邱永庭;刘伟;杨毓纬;冀亚青 申请(专利权)人: 深圳市宏智力科技有限公司
主分类号: G06F3/01 分类号: G06F3/01
代理公司: 深圳市精英专利事务所 44242 代理人: 葛勤
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 利用 脑电波 识别 生物 方法 装置
【说明书】:

发明公开一种利用脑电波识别生物的方法及装置,其中,该利用脑电波识别生物的方法包括如下步骤:获取利用脑电装置所采集的第一原始数据及第二原始数据,对第一原始数据进行标记处理形成生物波数据集,及对第二原始数据进行标记处理形成非生物波数据集;获取利用脑电装置在设定时间内所采集的多组脑电测试数据作为特征向量,多组特征向量形构成特征矩阵;提取特征矩阵的统计数值作为脑电测试数据的特征值;以及对脑电测试数据的特征值进行识别处理,如果脑电测试数据的特征值在生物波数据集内,将该脑电测试数据对应的测试对象识别为生物。本发明的技术方案能够准确识别生物,识别效率在86%以上。

技术领域

本发明涉及脑电波检测技术领域,尤其涉及一种利用脑电波识别生物的方法及装置。

背景技术

随着脑电传感技术的不断发展,市面上出现了各种不同的脑电产品,如意念头箍等。上述的脑电产品大多是基于NeuroSky神念科技的脑电传感技术开发的,其利用干电极读取人的大脑信号,可以过滤掉周围的噪音和电器的干扰,并将检测到的大脑信号转成数字信号,神念的脑电传感器灵活度很高,且可以过滤掉周围的噪音,获取较佳的脑电波数据。由于脑电波是一种微弱的生物波,在实际的测试过程中,当上述设备没有带在大脑时,也会根据不同非生物的特质(周围环境)不同而收集到其他波值,如此,会造成两者数据的混淆,进而导致测试的数据出现偏差,不能准确甑别生物。

有鉴于此,有必要提出对目前的脑电识别技术进行进一步的改进。

发明内容

为解决上述至少一技术问题,本发明的主要目的是提供一种利用脑电波识别生物的方法。

为实现上述目的,本发明采用的一个技术方案为:提供一种利用脑电波识别生物的方法,包括如下步骤:

获取利用脑电装置所采集的第一原始数据及第二原始数据,其中,所述第一原始数据由脑电装置佩戴于生物头部时所采集,所述第二原始数据由脑电装置检测周围环境时所采集;

对第一原始数据进行标记处理形成生物波数据集,及对第二原始数据进行标记处理形成非生物波数据集;

获取利用脑电装置在设定时间内所采集的多组脑电测试数据作为特征向量,多组特征向量形构成特征矩阵;

提取特征矩阵的统计数值作为脑电测试数据的特征值;以及

对脑电测试数据的特征值进行识别处理,如果脑电测试数据的特征值在生物波数据集内,将该脑电测试数据对应的测试对象识别为生物。

在一具体的实施例中,所述对脑电测试数据的特征值进行识别处理步骤中,还包括:

如果脑电测试数据的特征值在非生物波数据集内,将该脑电测试数据对应的测试对象识别为非生物。

在一具体的实施例中,所述对脑电测试数据的特征值进行识别处理的步骤之前,还包括:

利用随机森林算法对脑电测试数据的特征值进行分类,进而以脑电波数据识别生物与非生物。

在一具体的实施例中,所述对第一原始数据进行标记处理形成生物波数据集,及对第二原始数据进行标记处理形成非生物波数据集的步骤,具体包括:

分别对第一原始数据及第二原始数据进行存储处理;以及

分别对经存储处理的第一原始数据及第二原始数据进行标记处理,以得到生物波数据集的训练样本及非生物数据集的训练样本。

在一具体的实施例中,所述提取特征矩阵的统计数值作为脑电测试数据的特征值的步骤中,

对数值矩阵中的每行元素进行累加处理;以及

根据累加的结果计算出该行元素的平均值、标准差以及最大振幅后得到该数值矩阵的特征值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市宏智力科技有限公司,未经深圳市宏智力科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710391040.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top