[发明专利]一种基于心电图和脑电图来评判着装接触舒适度的方法

说明书

本发明提供一种基于心电图和脑电图来评判着装接触舒适度的方法，包括确定M个目标织物，并获取N个用户轮流佩戴同一目标织物后的心脑电图；接收N个用户对每个目标织物的着装接触舒适度；以心率变异和脑波指标参数为响应变量，以着装接触舒适度为预测变量，利用三种机器学习法构建预测评判模型；对每个目标织物的心脑电图预处理和时频域分析后，结合相应的着装接触舒适度，对三种预测评判模型进行拟合验证，构建着装接触舒适度评价指数函数；将待测织物的心脑电图预处理和时频域分析后代入着装接触舒适度评价指数函数，根据指数得到相应着装接触舒适度。实施本发明，弥补传统客观评价方式脱离人体本身感知与主观评价差异性高和可重复性差的缺陷。

技术领域

本发明涉及服装设计技术领域，尤其涉及一种基于心电图和脑电图来评判着装接触舒适度的方法。

背景技术

着装舒适性(即考察服装与人的联系特性)是服装各种形状与人体生理、心理因素与环境状态和谐互动的一种结果。着装舒适性的研究主要集中在热湿舒适性、接触舒适性和压感舒适性三大领域。其中，接触舒适性对人体起着直接的影响。

在日常生活中，织物覆盖人体并频繁地与人体大部分皮肤接触，从而产生了各种机械、热、化学或电学方面的刺激。因此，由织物与皮肤的接触刺激所引起的人体感官知觉变化，影响到服装的全部舒适状态。着装接触舒适性检测的对象既可以是织物本身的性能即客观检测，也可以是人体自身的感知即主观检测。由于现有的客观检测方式，即对织物各方面理化性能的测试，脱离了人体本身的感知；而主观检测方式，即分级调查问卷的填写，又欠缺精度，个体差异性大，实验可重复性差。正是由于现存传统方法存在的缺陷，所以至今为止，理论上人体对织物的接触感知评价大多为定性，而无法构筑织物刺激与人体生理感知量的内在联系与定量表征。由此可见，人体对纺织品接触感知性一直没有形成确定的标准和统一的评价体系，故如何在不脱离人体本身的生理心理感知，而又能客观精确地评判着装接触舒适性，建立定量的舒适度评价体系，是近年来国内外学者都纷纷尝试解决的关键问题。

目前，基于EMG(肌电信号分析)、EEG(脑电图)和fMRI(机能性磁共振成像)技术的织物接触舒适性研究已初有成效，但实验织物多为丝织物与麻织物，实验结果多为信号强弱度、正负相关性和脑区定位等定性研究，同时研究对象多为高触觉灵敏度的手掌、手指等人体无毛区皮肤，从而建立织物触摸手感的脑电评价体系。

但是，在现有的研究仍需完善的是织物的普及性、人体有毛区皮肤的参与度以及多种电生理检测技术的融合运用，因此传统客观评价方式存在脱离人体本身感知，与主观评价差异性高和可重复性差的缺陷。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于心电图和脑电图来评判着装接触舒适度的方法，能弥补传统客观评价方式脱离人体本身感知与主观评价差异性高和可重复性差的缺陷，适用于各类日常着装织物面料，以最符合人体日常着装时与织物的接触方式。

为了解决上述技术问题，本发明实施例提供了一种基于心电图和脑电图来评判着装接触舒适度的方法，包括以下步骤：

确定需用户佩戴的M个目标织物，并获取N个用户轮流佩戴同一个目标织物后由预设生理信号采集设备所采集到的心电图和脑电图，得到由N个用户针对每一个目标织物的心电图和脑电图；其中，M、N均为正整数；

接收N个用户针对每一个目标织物所反馈回来的着装接触舒适度；

以心电图的心率变异指标参数和脑电图的脑波指标参数为响应变量，以着装接触舒适度为预测变量，并利用神经网络BP、支持向量机SVM、随机森林RF三种机器学习法分别构建着装接触舒适性的预测评判模型；