[发明专利]基于脑电波信息的老年人护理意图的识别方法

说明书

本发明提供了一种基于脑电波信息的老年人护理意图的识别方法，包括：采集老年人不同动作下的脑电信号并转化为对应的信号灰度图；将信号灰度图输入卷积层进行特征提取；将得到的特征值输入全连接层进行拟合分类得到不同脑电信号的模型；对实时监测得到老年人脑电信号进行处理，并将其与模型进行对比，判断分类的结果。

技术领域

本发明涉及一种脑电信号识别分类技术，特别是一种基于脑电波信息的老年人护理意图的识别方法。

背景技术

在当今社会，老年人护理领域仍然存在以下三个主要问题：1.社会生活的节奏不断加快使需要被护理的人员的亲属难以抽出足够的时间；2.护理人员招聘难，留住更难；而且护理人员技术水平良莠不齐；3.国内外的相应护理设备都需要事先进行相关的设置，有一定的使用难度和障碍。

脑电信号是一种明显的非平稳信号，自检测到脑电信号以来，人们已经对其做了大量工作。随着脑电信号的采集研究与分析不断发展，脑机接口成为了人们新型的人机交互方式，使得人机交互更加简单、直接，大大降低了了现有老年人及残障人士护理设备的人际交互难度；

卷积神经网络(Convolutional Neural Network,CNN)是近年发展起来，并引起广泛重视的一种高效识别方法。它一种可直接输入原始图像的前馈神经网络，其研究与发展也使得信号分析领域出现新的方法和思路，并被广泛应用于模式识别领域。其布局更接近于实际的生物神经网络，避免了显式的特征抽取，而隐式地从训练数据中进行学习，权值共享降低了网络的复杂性，避免了特征提取和分类过程中数据重建的复杂度。

发明内容

本发明的目的在于提供一种基于脑电波信息的老年人护理意图的识别方法，通过脑电信号可以准确的识别出老年人的想要的动作。

实现本发明目的的技术方案为：一种基于脑电波信息的老年人护理意图的识别方法，包括：

采集老年人不同动作下的脑电信号并转化为对应的信号灰度图；

将信号灰度图输入卷积层进行特征提取；

将得到的特征值输入全连接层进行拟合分类得到不同脑电信号的模型；

对实时监测得到老年人脑电信号进行处理，并将其与模型进行对比，判断分类的结果。

本发明通过对使用者在大脑想象进食、翻身、排泄和饮水等一系列动作的脑电信号检测，并利用得到的信号训练一个特定结构的卷积神经网络模型以识别老年人士，残障人士的护理意图，以进行脑部信号分类，用于实时监测老年人及残障人士的脑神经信息，成功识别后进行对智能护理床的控制。

下面结合说明书附图对本发明作进一步描述。

附图说明

图1是卷积层的网络架构示意图。

图2是全连接层的架构示意图。

图3是网络整体架构示意图。

图4为模型的正确率随训练步数的收敛曲线示意图。

图5为工作流程图。

具体实施方式

结合图5，一种基于脑电波信息的老年人护理意图的识别方法，具体的实现方案如下：

步骤1，采集老年人士或残障人士的脑电信号，转化为对应的信号灰度图；并将其输入卷积层进行特征提取，将得到的特征值输入全连接层进行拟合分类

步骤2，实时监测老年人的脑电数据，并将其输入模型中进行对比分类；

步骤3，将成功分类的结果作为智能护理床的输入信号；

步骤4，护理床收到信号，完成其所需动作。