[发明专利]模型训练方法、装置、电子装置和存储介质

说明书

本申请涉及一种模型训练方法、装置、电子装置和存储介质，其中，该模型训练方法包括：获取参考数据，所述参考数据包括第一识别目标以及对应的参考信号，所述参考信号基于被试者对所述第一识别目标的识别产生；根据所述参考数据提取特征数据；根据所述特征数据将所述参考数据与模板数据库进行匹配，得到模板数据，所述模板数据包括第二识别目标以及对应的训练信号，所述第二识别目标至少包括所述参考数据对应的全部所述第一识别目标；根据所述模板数据训练识别模型。通过本申请，解决了数据采集过程繁琐冗长的问题，实现了采集少量数据即可完成识别模型训练的技术效果。

技术领域

本申请涉及机器识别领域，特别是涉及一种模型训练方法、装置、电子装置和存储介质。

背景技术

当受到一个固定频率的视觉刺激的时候，人的大脑皮层视觉会产生一个连续的、与刺激频率有关的响应。这个响应被称为稳态视觉诱发电位，即Steady-State VisualEvoked Potentials，SSVEP。它可以可靠地应用于脑机接口系统。脑机接口与传统接口相比，人是通过大脑直接进行操作，脑电信号可以提供除肢体以外的另一种独立控制信号直接执行器，为人类控制外设提供更多途径。基于以上优点，脑机接口技术被广泛的应用到智能轮椅、机械手、仿人机器人等设备控制中，并已经开始渗透到工业、国防业领域。

当人眼注视某种频率的闪烁刺激时，会诱发同样频率的SSVEP。同时出现多个不同频率的闪烁刺激时，利用SSVEP可判断被试者在注视的具体目标，从而实现“脑控”。传统的校准方法需要让被试者在校准过程中分别注视每一种刺激目标，并采集被试者注视每一个目标时的脑电数据作为训练集，经过训练机器学习模型后，在测试同样采集被试者的脑电数据，利用该模型可判断被试者正在注视的刺激目标。然而，传统的校准方法需要在校准过程中让被试者分别注视每一个不同闪烁频率的目标，以保证用于机器学习的数据中包含所有不同频率刺激的标签数据，这样会使校准过程变的繁琐和冗长，容易引起被试者疲劳。

针对相关技术中存在数据采集过程繁琐冗长的问题，目前还没有提出有效的解决方案。

发明内容

在本实施例中提供了一种模型训练方法、装置、电子装置和存储介质，以解决相关技术中数据采集过程繁琐冗长的问题。

第一个方面，在本实施例中提供了一种模型训练方法，包括：

获取参考数据，所述参考数据包括第一识别目标以及对应的参考信号，所述参考信号基于被试者对所述第一识别目标的识别产生；

根据所述参考数据提取特征数据；

根据所述特征数据将所述参考数据与模板数据库进行匹配，得到模板数据，所述模板数据包括第二识别目标以及对应的训练信号，所述第二识别目标至少包括所述参考数据对应的全部所述第一识别目标；

根据所述模板数据训练识别模型。

在其中的一个实施例中，所述第一识别目标包括多个不同的识别目标，所述获取参考数据包括：获取被试者在所述第一识别目标的刺激下产生的脑电信号；根据所述第一识别目标向对应的脑电信号添加类别标签，得到所述参考数据。

在其中的一个实施例中，所述获取被试者在所述第一识别目标刺激下产生的脑电信号之后还包括：针对所述第一识别目标中同一个所述识别目标获取多组所述脑电信号；根据多组所述脑电信号获取与所述识别目标对应的特征数据。

在其中的一个实施例中，所述根据所述参考数据提取特征数据包括：将所述第一识别目标对应的参考信号分为多组待处理数据；根据所述待处理数据提取对应的待处理向量，所述待处理向量至少包括所述待处理数据的傅里叶变换频域幅值和典型相关分析的频率相关系数；根据所述待处理向量，获取所述参考数据的特征数据。