CN107080546A - 基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法 - Google Patents
基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法 Download PDFInfo
- Publication number
- CN107080546A CN107080546A CN201710252127.6A CN201710252127A CN107080546A CN 107080546 A CN107080546 A CN 107080546A CN 201710252127 A CN201710252127 A CN 201710252127A CN 107080546 A CN107080546 A CN 107080546A
- Authority
- CN
- China
- Prior art keywords
- mrow
- potency
- score
- subject
- eeg signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008451 emotion Effects 0.000 title claims abstract description 30
- 230000007613 environmental effect Effects 0.000 title claims abstract description 21
- 230000000638 stimulation Effects 0.000 title abstract description 21
- 230000008447 perception Effects 0.000 title abstract description 8
- 238000010187 selection method Methods 0.000 title abstract description 4
- 238000012549 training Methods 0.000 claims abstract description 23
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 230000036651 mood Effects 0.000 claims description 52
- 230000002996 emotional effect Effects 0.000 claims description 21
- 238000001228 spectrum Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 16
- 210000004556 brain Anatomy 0.000 claims description 13
- 238000009432 framing Methods 0.000 claims description 13
- 238000002474 experimental method Methods 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012880 independent component analysis Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 4
- 238000002203 pretreatment Methods 0.000 claims description 4
- 238000000205 computational method Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 7
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 206010062519 Poor quality sleep Diseases 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 8
- 230000036541 health Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 210000001061 forehead Anatomy 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008909 emotion recognition Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000027534 Emotional disease Diseases 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 210000004720 cerebrum Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002964 excitative effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003557 neuropsychological effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/378—Visual stimuli
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法,***包括脑电信号采集、脑电信号预处理、脑电信号特征提取和情绪感知等模块;以青少年经常接触、参与或热衷的建成环境为视觉刺激源。情绪感知方法包括视觉刺激源选择、脑电信号采集、脑电信号预处理、脑电信号特征提取、模型训练和情绪强度确定等步骤。刺激样本选择方法,唤醒度维度和效价维度分别进行了5个情感强度的划分,根据样本的实际被选情况及在二维空间的分布状态,非等距确定矩形选框。本发明的情绪感知***及方法、刺激样本选择方法,具有较强的情绪感知能力和对象扩展能力等优点,在环境心理学研究中具有较高的应用价值。
Description
技术领域
本发明涉及一种基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法。
背景技术
据统计,我国18岁以下的未成年人数量高达3.67亿。据保守估计,有各种学习、情绪和行为障碍者高达3000万。近年来,中国青少年心理问题的发生率近年来呈明显上升趋势,儿童心理行为问题发生率高达14%~17%。其中,情绪问题(如焦虑、抑郁等)是常见心理问题之一,且发生率高、波及面广,并影响个体的行为以及心理社会功能。世界卫生组织(WHO)预测,2020年世界范围内发生神经心理问题的儿童与青少年将增加50%以上,这些问题将成为导致儿童与青少年疾病、残疾和死亡的前五位原因之一。
建成环境是指为包括大型城市环境在内的人类活动而提供的人造环境。相关研究表明,建成环境作为一种人工的视觉环境,可以改变人的情绪,影响他们健康和行为。同理,青少年周围的建成环境会对青少年的情绪和心理健康产生不同的影响。例如,青少年如果身处在热闹的视听环境中,他们会感觉兴奋,出现较高的情绪唤醒度,而长期的高唤醒度则会带来疲劳,对健康无益;反之,绿色环境、风景、静态的室内空间则降低情绪唤醒度,可以舒缓情绪、放松心情。
目前,在环境心理学和景观设计领域,基于脑电信号的情绪感知已经成为了新的研究热点。例如:Ulrich通过问卷、访谈,检测心率、血压、大脑活动等指标,对比了人工自然环境和人工商业、工业环境,发现在人工自然环境下alpha波更为显著;Nakamura等人让被试者观看篱笆和混凝土围墙,分析他们的alpha波和beta节律的数量,发现被试者在注视篱笆墙时alpha比值(a/(a+b))比注视混凝土墙时更高;Aspinall等人通过可穿戴式脑电采集设备,记录并分析被试者穿行在商业街和绿色空间时两个维度、五个频道的情绪变化;Roe等人也通过可穿戴式脑电设备,记录并分析由观看风景和城市环境的两组照片所诱发的脑电信号,并得出绿色空间相比城市场景具有较低的唤醒度和较高的冥想度的结论。
上述研究关注的是使用脑电图方法对某一特定环境进行满意度和健康评估,重点分析的是特定环境与一般群体的关系,而对于一般环境与特定群体的关系则较为少见,尤其是在描述建成环境对青少年情绪影响的方面。另外,从情绪描述准确性上来说,在心理学和计算机情感计算领域,虽然已有情感识别和计算生物信号的相关技术基础,包括脑电、心电、呼吸率、血氧饱合度、体表温度等单一或多模态的情感识别模型,但上述模型主要用于识别一些典型情绪类型,如:悲伤、快乐、失望、愤怒等,这些情感状态通常由包含故事情节的刺激源激产生,显然,上述典型情感类型在描述青少年不同建成环境下的自然情感状态是不充分的。
另外,在刺激源的选择上,现有方法较为单一,大多是包含故事情节的刺激源激;且不区分刺激对象与源本身的内容,在实际操作中存在较大的偶然性,刺激效果也不尽如人意。因此,我们需要建立一种基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法,用来真实、客观反映青少年的心理活动情况。
发明内容
本发明是为避免上述已有技术中存在的不足之处,提供一种情绪感知能力、对象扩展能力强、应用价值高的青少年环境心理的情绪感知***及方法、刺激样本选择方法。
本发明为解决技术问题采用以下技术方案。
基于脑电图的青少年环境心理的情绪感知***,其结构特点是,包括脑电信号采集模块、脑电信号预处理模块、脑电信号特征提取模块和情绪感知模块;以青少年经常接触、参与或热衷的建成环境为视觉刺激源,被试者为青少年;
所述脑电信号采集模块,用于通过记录电极和参考电极来采集被试者的原始32导联脑电信号,并将采集的原始脑电信号发送给所述脑电信号预处理模块;所述脑电信号预处理模块,用于对所述脑电信号采集模块发送的原始脑电信号进行分帧、加窗、带通滤波及眼动伪迹去除等操作,用以降低噪声干扰,提高模型感知性能;
所述脑电信号特征提取模块,用于分别从预处理后的脑电信号的不同的脑电频段中提取功率谱、能量及对称电极的功率谱差值作为特征参数,用以表征原始信号及减少数据冗余;
所述情绪感知模块,用于通过对支持向量机(Support Vector Machine,SVM)的训练与识别,在唤醒度维度上和效价维度上分别实现青少年对所处的视觉环境的情绪强度的感知。
本发明还提供了一种青少年环境心理的情绪感知方法。
一种基于脑电图的青少年环境心理的情绪感知方法,包括以下几个步骤:
步骤1:视觉刺激源选择步骤;以青少年经常接触、参与或热衷的建成环境为视觉刺激源,以青少年作为被试者;
步骤2:脑电信号采集步骤;被试者观看视觉刺激源,而后采集被试者的原始脑电信号;
步骤3:脑电信号预处理步骤;对原始脑电信号进行分帧、加窗、带通滤波及眼动伪迹去除等操作;
步骤4:脑电信号特征提取步骤;将预处理后的脑电信号分成训练数据与测试数据;对于训练数据与测试数据,提取功率谱、能量及对称电极的功率谱差值作为特征参数;
步骤5:模型训练步骤;使用训练数据所对应的特征参数和情感强度标签分别训练唤醒度SVM子模型及效价SVM子模型;
步骤6:情绪强度确定步骤;将测试数据的特征参数分别输入上述步骤5中的两个已训练好的唤醒度SVM子模型及效价SVM子模型,实现在唤醒度与效价两个维度上的情感强度的感知。
所述步骤3中,分帧长度为2秒,帧移为1秒,使用汉明窗对原始脑电信号进行窗化;带通滤波器的截止频率设置为0.1-45Hz;采用独立分量分析方法进行眼动伪迹的去除。
所述步骤4中,所述特征参数包括32个电极上的6个频段的功率谱与能量、12对电极上除慢速Alpha波频段以外的5个频段功率谱差值。
本发明还提供了一种基于脑电图的青少年情绪感知模型建立过程中的刺激源选择方法。
基于脑电图的青少年情绪感知模型建立过程中的刺激源选择方法,包括以下步骤,
步骤01:从所有原始刺激视频中根据被试者主观感受,手工提取55秒高亮视频;
步骤02:保证至少20位被试者参与实验,且每位被试者尽可能多的观看步骤01中的高亮视频片段,每位被试者在观看每个视频后按照5个等级,在唤醒度与效价两个维度上分别进行打分;
步骤03:根据步骤02的打分数值,分别计算每个视频片段在与效价上的唤醒度标准化得分score(xa)和效价上标准化得分score(xv),计算方法为:
上式中,x表示刺激视频的索引号,即视频片段x,xa是被试者观看刺激视频x后的唤醒度的打分值,xv是被试者观看刺激视频片段x后的效价的打分值。μ代表得分平均值,是一个视频片段x的多个被试者打分的平均值;σ代表得分方差,是一个视频片段x的多个被试者打分的方差。一个视频片段x在唤醒度的标准化得分score(xa)由该视频片段在唤醒维度上的得分平均值μxa除以评分方差σxa得到;同理,该视频片段在效价维度的标准化得分score(xv)由该视频在效价维度上的得分平均值μxv除以评分方差σxv得到;
步骤04:首先,将步骤03所获取的score(xa)和score(xv)映射到二维坐标系中。然后,在唤醒度与效价两个维度上非等距划分5个矩形框,用以框选对应不同情感强度的视频片段;
步骤05:从步骤04的矩形框内选择8个视频片段作为视觉刺激源。
与已有技术相比,本发明有益效果体现在:
本发明的基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法,情绪感知***主要包括脑电信号的采集、预处理、特征提取及情绪感知模块。方法的步骤包括:首先,以青少年为研究对象,对不同环境场景的刺激样本进行优化选择;接着,在被试者观看刺激视频时同步采集由该视频所诱发的脑电信号,并进行分帧、加窗与去除眼动伪迹等预处理操作;然后,对所有采集的脑电信号进行预处理后,将其分成训练数据和测试数据两个部分;使用训练数据分别在唤醒度与效价两个情感维度上进行支持向量机(SVM)模型训练;最后,将测试数据的特征参数分别输入上述两个已训练好的SVM模型,实现情绪强度的感知。
本发明的基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法,具有以下3个方面的特点。
1、本发明具有较强的情绪感知能力。
本发明采用两个独立的分类策略分别在唤醒度与效价两个维度上进行情绪感知,理论上,本发明所感知的情绪可以是唤醒度-效价两维模型(如图2所示)的任一情感。同时,我们又对每个维度分别进行了5个情感强度的划分,根据样本的实际被选情况及在二维空间的分布状态,非等距确定矩形选框,使训练样本的选择更加科学合理,从而实现对情绪状态更精确的感知,有效解决了现有情感识别模型对丰富情感状态描述能力差的缺点。实验室环境下10位被试者使用优化后的刺激源视频进行实验,其在两个维度上即唤醒度与效价的识别正确率分别为70.9%与64.1%,结果验证了上述做法的有效性。
2、本发明具有很强的对象扩展能力。
本发明的主要应用对象为青少年,发明的目的是对青少年在不同建成环境下的情绪进行感知。青少年群体具备较好的实验条件,例如:他们来自本校学生,实验配合度高,身体敏锐度高,稳定性较好,确保了本发明中实验的科学性和结果的准确性,同时具有应用对象的扩展能力。同为社会特殊群体,儿童、老年人、病人等弱势人群的情绪和健康状况一样需要关注。在环境设计领域,围绕医疗花园、康复花园、疗愈景观等概念的的实证研究,强调从人的生理、心理和精神三个方面,重拾整体的健康,这些研究多是基于观察、访谈和问卷等方法完成的。而在实际的调查过程中,他们中有些人不能准确的描述主观情绪感受,或愿意配合文字的自我评测。将本发明进行少量改进和迁移,如对刺激源的优化选择、人机交互界面的量身设计等,通过跨专业合作与协同设计,就可以将所建立的情绪感知模型应用于更多的人群特别是弱势群体,未来有很大的扩展空间。通过该模型的识别结果,针对特殊人群的身体状况和环境心理学特征,为情感疗愈和健康修复提供可能。
3、本发明具有较强的应用价值。
青少年是社会的特殊群体,他们所生活的、学习的,亦或他们偏好的、反感的建成环境会对其情绪产生不同影响,进而波及他们的健康状况。本发明所建立的情绪感知模型***及方法、刺激样本选择方法,应用于青少年在不同环境中的丰富的情绪变化研究,是对其健康问题进行科学预防和有效控制的基础。测试结果表明,本发明所建模型能对青少年自然情感状态进行较好的描述,可以用来真实、客观的反映青少年的心理活动情况,为环境心理学和环境设计的实证研究提供了新的方法和技术手段;同时,本发明还可以在避免过多的人工干预情况下客观的探测不同人群在各类场景中的情绪状态,例如,不同的室外环境,如不同开放层次、不同色彩层次、不同围合形式等条件对情绪的影响和修复;还可以应用于感知在某一特定环境中的情绪状态,如人群在参观一序列的展陈空间、体验交互场景过程中的情绪波动等,帮助设计师和决策者了解建成环境使用后的效果评价,判断不同的构成元素、丰富的设计语法和空间氛围对情绪状态的影响程度,从而为环境设计和景观规划提供循证设计的依据。
本发明的基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法,具有较强的情绪感知能力和对象扩展能力等优点,在环境心理学研究中具有较高的应用价值。
附图说明
图1为本发明的脑电信号生成与采集示意图。
图2为本发明的唤醒度与效价的二维情绪维度的定义。
图3为本发明的情绪感知的基本流程图。
图4为本发明的刺激样本选择方法的效价和唤醒度的两个维度的示意图。
图5为本发明的情绪脑电单次实验范式示意图。
图6为本发明的情绪脑电单次实验使用的自我评测软件界面。
图7为本发明的32个电极安装位置示意图。
图8为本发明的原始脑电信号分帧示意图(脑电信号预处理步骤)。
以下通过具体实施方式,并结合附图对本发明作进一步说明。
具体实施方式
参见图1~8,基于脑电图的青少年环境心理的情绪感知***,包括脑电信号采集模块、脑电信号预处理模块、脑电信号特征提取模块和情绪感知模块;以青少年经常接触、参与或热衷的建成环境为视觉刺激源,被试者为青少年;
所述脑电信号采集模块,用于通过记录电极和参考电极来采集被试者的原始32导联脑电信号,并将采集的原始脑电信号发送给所述脑电信号预处理模块;原始32导联脑电信号是采用了国际10-20***电极放置法来采集获得的,每个电极对应1个脑电信号。本发明所采用的国际10-20***电极放置法位:放置30个记录电极和2个参考电极,32个电极的布置方式如图7所示;
所述脑电信号预处理模块,用于对所述脑电信号采集模块发送的原始脑电信号进行分帧、加窗、带通滤波及眼动伪迹去除等操作,用以降低噪声干扰,提高模型感知性能;
所述脑电信号特征提取模块,用于分别从预处理后的脑电信号的不同的脑电频段中提取功率谱、能量及对称电极的功率谱差值作为特征参数(,用以表征原始信号及减少数据冗余);
所述情绪感知模块,用于通过对支持向量机(Support Vector Machine,SVM)的训练与识别,在唤醒度维度上和效价维度上分别实现青少年对所处的视觉环境的情绪强度的感知。唤醒度和效价这两个维度,均被分为5个等级,5个等级从低到高依次分别是level 1-level 5。其中,唤醒度最低等级level 1为平静状态,最高等级level 5为兴奋状态;效价最低等级level 1为不愉悦,最高等级level 5为愉悦。本发明中,由于刺激源视频选用的是青少年所处的视觉环境而非包含情节的故事片,不易产生某些极端情绪,因此,在两个维度的5个等级上选择训练样本,采用了非等距的划分方法,以获取最佳感知效果。
一种基于脑电图的青少年环境心理的情绪感知方法,包括以下几个步骤:
步骤1:视觉刺激源选择步骤;以青少年经常接触、参与或热衷的建成环境为视觉刺激源,以青少年作为被试者;
步骤2:脑电信号采集步骤;被试者观看视觉刺激源,而后采集被试者的原始脑电信号;显示器首先出现5秒的空白屏幕,然后计算机发出一个20ms的“哔”的警告音;0.5秒后,刺激视频随机显示,此时,被试者的脑电信号被同步记录,其采集率设置为250Hz;视频片段播放结束后,被试者在自我评测软件上点击相应选项完成情绪强度评估表。完成上述步骤,该被试者稍作放松后,***继续播放下一个视频,并采集相应的脑电信号,直至所有视频播放完毕。
然后,更换被试者。对于被更换的下一个被试者,重复“显示器首先出现5秒的空白屏幕……直至所有视频播放完毕”的上述步骤。
步骤3:脑电信号预处理步骤;对原始脑电信号进行分帧、加窗、带通滤波及眼动伪迹去除等操作;
步骤4:脑电信号特征提取步骤;将预处理后的脑电信号分成训练数据与测试数据;对于训练数据与测试数据,提取功率谱、能量及对称电极的功率谱差值作为特征参数;将训练数据与测试数据,在6个典型的脑电信号频段、32个电极上分别提取功率谱、能量,及5个典型脑电信号频段、12对对称电极的功率谱差值共计444维数据作为特征参数。
步骤5:模型训练步骤;使用训练数据所对应的特征参数和情感强度标签分别训练唤醒度SVM子模型及效价SVM子模型;
步骤6:情绪强度确定步骤;将测试数据的特征参数分别输入上述步骤5中的两个已训练好的唤醒度SVM子模型及效价SVM子模型,实现在唤醒度与效价两个维度上的情感强度的感知。
所述步骤3中,分帧长度为2秒,帧移为1秒,使用汉明窗对原始脑电信号进行窗化;带通滤波器的截止频率设置为0.1-45Hz;采用独立分量分析方法进行眼动伪迹的去除。眼动伪迹的去除步骤为:首先,使用独立分量分析ICA对原始32导联EEG信号进行统计独立分析,以获取不同的“源”;接着,通过计算所有输出通道的峭度以确定眼动独立“源”;最后,将眼动伪迹所对应的输出通道置零后重构观测信号,从而实现对眼动伪迹的去除。
所述步骤4中,所述特征参数包括32个电极上的6个频段的功率谱与能量、12对电极上除慢速Alpha波频段以外的5个频段功率谱差值。特征参数包括Delta(0.5-4Hz),Theta(4-8Hz),Alpha(8-12Hz),慢速Alpha(8-10Hz),Beta(12-30Hz),Gamma(30-40Hz)6个频段上的功率谱与能量;同时还包括了提取FP1-FP2,F7-F8,F3-F4,FT7-FT8,FC3-FC4,T3-T4,C3-C4,TP7-TP8,CP3-CP4,T5-T6,P3-P4,O1-O2等12对电极上除慢速Alpha(8-10Hz)波频段以外的5个频段功率谱差值为补充特征参数,12对电极的分布如图1和7所示。特征参数为444维参数;444维参数包括:功率谱:32导联×6个频段=192维;能量:32导联×6个频段=192;功率谱差值:12导联×5个频段=60;如此,累计192+192+60=444维特征。
基于脑电图的青少年情绪感知模型建立过程中的刺激源选择方法,包括以下几个步骤,
步骤01:从所有原始刺激视频中根据被试者主观感受,手工提取55秒高亮视频,即最有可能诱发情感的视频片段;
步骤02:保证至少20位被试者参与实验,且每位被试者尽可能多的观看步骤01中的高亮视频片段,每位被试者在观看每个视频后按照5个等级,在唤醒度与效价两个维度上分别进行打分;
步骤03:根据步骤02的打分数值,分别计算每个视频片段在与效价上的唤醒度标准化得分score(xa)和效价上标准化得分score(xv),计算方法为:
上式中,x表示刺激视频的索引号,即视频片段x,xa是被试者观看刺激视频x后的唤醒度的打分值,xv是被试者观看刺激视频片段x后的效价的打分值。μ代表得分平均值,是一个视频片段x的多个被试者打分的平均值;σ代表得分方差,是一个视频片段x的多个被试者打分的方差。一个视频片段x在唤醒度的标准化得分score(xa)由该视频片段在唤醒维度上的得分平均值μxa除以评分方差σxa得到;同理,该视频片段在效价维度的标准化得分score(xv)由该视频在效价维度上的得分平均值μxv除以评分方差σxv得到;
步骤04:首先,将步骤03所获取的score(xa)和score(xv)映射到二维坐标系中。然后,在唤醒度与效价两个维度上非等距划分5个矩形框,用以框选对应不同情感强度的视频片段;矩形框设置如图4:在纵轴唤醒维度上:level 3(中性)矩形框以0的横轴为中线,选取最接近中线的8个视频作为刺激源;根据视频的分布情况,level 1(平静)和level 5(兴奋)分别是最靠近±2.5横轴的涵盖8个视频的选框;level 2和level 4矩形框分别以±0.7横轴为中线,选取最接近中线的8个视频作为刺激源;
在横轴效价维度上:level 3(中性)矩形框以0的纵轴为中线,选取最接近中线的8个视频作为刺激源;根据视频的分布情况,level 1(不愉悦)和level 5(愉悦)分别是最靠近-1.5和+3纵轴的涵盖8个视频的选框;level 2和level 4矩形框分别以-0.4和+1纵轴为中线,选取最接近中线的8个视频作为刺激源;)
步骤05:从步骤04的矩形框内选择8个视频片段作为视觉刺激源,即从上述矩形框内选择符合上述条件的8个视频片段作为优选后的刺激视频。
图1为脑电信号生成示意图。当被试者在观看刺激源场景的时候,大量神经细胞积累的活动将会在大脑半球表面产生电位,这个电位可以通过放置在大脑皮层上的一些生物电极获取到,形成脑电图。
参见图2,说明了本实施例中唤醒度与效价两个维度的定义。横轴是一个与偏好程度相关的情绪效价,该维度从不愉悦到愉悦,用以衡量一个人的正负情绪状态;纵轴是与兴奋程度相关的情绪唤醒度,从平静到兴奋,表现情绪被唤醒的程度。人类细微的、复杂的、极端的情绪状态(如:悲伤、满足感、愤怒等),都可以在这个二维模型中找到。
参见图3,说明了本实施例中情绪感知的基本流程。首先,以青少年为研究对象,对不同环境场景的刺激源样本进行优化选择。在被试者观看刺激视频时同步采集由该视频所诱发的脑电信号,并进行分帧、加窗与去除眼动伪迹等预处理操作。其次,将所有采集的情感脑电数据进行预处理后,分成训练与测试两个部分,在6个典型的脑电信号频段,32个电极上分别提取功率谱、能量及对称电极的功率谱差值共计444维数据作为特征参数。接着,使用训练数据所对应的特征参数和情感强度标签分别训练唤醒度SVM子模型及效价SVM子模型。最后,将测试数据的特征参数分别输入上述两个已训练好的SVM子模型,实现在唤醒度与效价两个维度上的情感强度的感知。
参见图4,说明了本实施例中刺激样本选择方法。图中的圆点为100个视频所对应的分值,可以看出,被选择的点总体分布不均匀。一些极端的情绪状态很少被产生,例如,处于低效价和高唤醒度交汇处的样本点较少(该位置对应的情绪类型是愤怒),这是由于刺激源视频大多选用青少年所处的建成环境而非情节故事片,不会产生上述情绪。根据分布情况,为了提高情绪感知模型性能,本发明两个维度上各划分了5个典型区间,以选择有代表性的训练样本。矩形框设置如图4所示。
在纵轴唤醒维度上:level3(中性)矩形框以0的横轴为中线,选取最接近中线的8个视频作为刺激源;根据视频的分布情况,level 1(平静)和level 5(兴奋)分别是最靠近±2.5横轴的涵盖8个视频的矩形框,level 1的矩形框的最下方的边线为数值为-2.5的平行于横轴的横线,level 5的矩形框的最上方的边线为数值为+2.5的平行于横轴的横线;level 2和level 4矩形框分别以±0.7横轴为中线,选取最接近中线的8个视频作为刺激源;
在横轴效价维度上:level 3(中性)矩形框以0的纵轴为中线,选取最接近中线的8个视频作为刺激源;根据视频的分布情况,level 1(不愉悦)和level 5(愉悦)分别是最靠近-1.5和+3纵轴的涵盖8个视频的选框,level 1的矩形框的最左方的边线为数值为-1.5的平行于纵轴的竖直线,level 1的矩形框的最右方的边线为数值为+3的平行于纵轴的竖直线;level 2和level 4矩形框分别以-0.4和+1纵轴为中线,选取最接近中线的8个视频作为刺激源;
参见图5,说明了本实施例中情绪感知单次实验范式的具体过程。首先,显示器首先出现5秒的空白屏幕,然后计算机发出一个20ms的警告音(“哔”);0.5秒后,刺激视频随机显示,此时,被试者的脑电信号被同步记录,其采集率设置为250Hz;视频片段播放结束后,被试者在自我评测软件上点击相应选项完成情绪强度评估表。完成上述步骤后,被试者稍作放松,继续下一组试验。为了保证刺激效果,我们在每两个刺激视频中间将会播放以色带为主调的中性视频。中性视频的播放,能够使得刺激效果更为明显。
参见图6,说明了本实施例中自我评测软件界面。软件的主要功能是视频播放与情绪强度的标记,用以替代传统的调查问卷,具有效率高、智能、使用简单等特点。在实验过程中,被试者在观看一段刺激视频后,使用鼠标点击在不同的维度上与其感受相同的单选框即可。
参见图7,说明了本实施例中32个电极的安装位置。采用国际10-20***电极放置方法,具体为:以鼻根到枕骨粗隆连成的正中线为准,在此线左右等距的相应部位定出左右前额点(FP1,FP2)、额点(FC3,FC4)、中央点(C3,C4)、顶点(CP3,CP4)和枕点(O1,O2),前额点的位置在鼻根上相当于鼻根至枕骨粗隆的10%处,额点在前额点之后相当于鼻根至前额点距离的二倍即鼻根正中线距离20%处,向后中央、顶、枕诸点的间隔均为20%。
参见图8,说明了本实施例中分帧方法。令分帧后的第n帧信号为xn(m),其加窗过程可表示为:
上式中,表示窗化后的信号,ω(m)表示窗函数,本实施例中,我们使用汉明窗,其定义为:
其中,N表示帧长,M表示帧移,M=(1/2)N,n,N及M均为正整数,N根据需要取128的某一整数倍,如:128,256,512等。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.基于脑电图的青少年环境心理的情绪感知***,其特征是,包括脑电信号采集模块、脑电信号预处理模块、脑电信号特征提取模块和情绪感知模块;以青少年经常接触、参与或热衷的建成环境为视觉刺激源,被试者为青少年;
所述脑电信号采集模块,用于通过记录电极和参考电极来采集被试者的原始32导联脑电信号,并将采集的原始脑电信号发送给所述脑电信号预处理模块;
所述脑电信号预处理模块,用于对所述脑电信号采集模块发送的原始脑电信号进行分帧、加窗、带通滤波及眼动伪迹去除等操作;
所述脑电信号特征提取模块,用于分别从预处理后的脑电信号的不同的脑电频段中提取功率谱、能量及对称电极的功率谱差值作为特征参数;
所述情绪感知模块,用于通过对支持向量机(Support Vector Machine,SVM)的训练与识别,在唤醒度维度上和效价维度上分别实现青少年对所处的视觉环境的情绪强度的感知。
2.一种基于脑电图的青少年环境心理的情绪感知方法,其特征是,包括以下步骤:
步骤1:视觉刺激源选择步骤;以青少年经常接触、参与或热衷的建成环境为视觉刺激源,以青少年作为被试者;
步骤2:脑电信号采集步骤;被试者观看视觉刺激源,而后采集被试者的原始脑电信号;
步骤3:脑电信号预处理步骤;对原始脑电信号进行分帧、加窗、带通滤波及眼动伪迹去除等操作;
步骤4:脑电信号特征提取步骤;将预处理后的脑电信号分成训练数据与测试数据;对于训练数据与测试数据,提取功率谱、能量及对称电极的功率谱差值作为特征参数;
步骤5:模型训练步骤;使用训练数据所对应的特征参数和情感强度标签分别训练唤醒度SVM子模型及效价SVM子模型;
步骤6:情绪强度确定步骤;将测试数据的特征参数分别输入上述步骤5中的两个已训练好的唤醒度SVM子模型及效价SVM子模型,实现在唤醒度与效价两个维度上的情感强度的感知。
3.根据权利要求2所述的情绪感知方法,其特征是,所述步骤3中,分帧长度为2秒,帧移为1秒,使用汉明窗对原始脑电信号进行窗化;带通滤波器的截止频率设置为0.1-45Hz;采用独立分量分析方法进行眼动伪迹的去除。
4.根据权利要求2所述的情绪感知方法,其特征是,所述步骤4中,所述特征参数包括32个电极上的6个频段的功率谱与能量、12对电极上除慢速Alpha波频段以外的5个频段功率谱差值。
5.基于脑电图的青少年情绪感知模型建立过程中的刺激源选择方法,其特征是,包括以下步骤:
步骤01:从所有原始刺激视频中根据被试者主观感受,手工提取55秒高亮视频;
步骤02:保证至少20位被试者参与实验,且每位被试者尽可能多的观看步骤01中的高亮视频片段,每位被试者在观看每个视频后按照5个等级,在唤醒度与效价两个维度上分别进行打分;
步骤03:根据步骤02的打分数值,分别计算每个视频片段在与效价上的唤醒度标准化得分score(xa)和效价上标准化得分score(xv),计算方法为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>a</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>x</mi>
<mi>a</mi>
</mrow>
</msub>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>x</mi>
<mi>a</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mi>c</mi>
<mi>o</mi>
<mi>r</mi>
<mi>e</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>v</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>x</mi>
<mi>v</mi>
</mrow>
</msub>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>x</mi>
<mi>v</mi>
</mrow>
</msub>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
上式中,x表示刺激视频的索引号,即视频片段x,xa是被试者观看刺激视频x后的唤醒度的打分值,xv是被试者观看刺激视频片段x后的效价的打分值。μ代表得分平均值,是一个视频片段x的多个被试者打分的平均值;σ代表得分方差,是一个视频片段x的多个被试者打分的方差。一个视频片段x在唤醒度的标准化得分score(xa)由该视频片段在唤醒维度上的得分平均值μxa除以评分方差σxa得到;同理,该视频片段在效价维度的标准化得分score(xv)由该视频在效价维度上的得分平均值μxv除以评分方差σxv得到;
步骤04:首先,将步骤03所获取的score(xa)和score(xv)映射到二维坐标系中。然后,在唤醒度与效价两个维度上非等距划分5个矩形框,用以框选对应不同情感强度的视频片段;
步骤05:从步骤04的矩形框内选择8个视频片段作为视觉刺激源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710252127.6A CN107080546B (zh) | 2017-04-18 | 2017-04-18 | 基于脑电图的青少年环境心理的情绪感知与刺激样本选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710252127.6A CN107080546B (zh) | 2017-04-18 | 2017-04-18 | 基于脑电图的青少年环境心理的情绪感知与刺激样本选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107080546A true CN107080546A (zh) | 2017-08-22 |
CN107080546B CN107080546B (zh) | 2020-08-21 |
Family
ID=59611578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710252127.6A Active CN107080546B (zh) | 2017-04-18 | 2017-04-18 | 基于脑电图的青少年环境心理的情绪感知与刺激样本选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107080546B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108143412A (zh) * | 2017-12-22 | 2018-06-12 | 苏州创捷传媒展览股份有限公司 | 一种儿童脑电情绪分析的控制方法、装置及*** |
CN108294739A (zh) * | 2017-12-27 | 2018-07-20 | 苏州创捷传媒展览股份有限公司 | 一种测试用户体验的方法及其装置 |
CN108881985A (zh) * | 2018-07-18 | 2018-11-23 | 南京邮电大学 | 基于脑电情绪识别的节目评分*** |
CN108937968A (zh) * | 2018-06-04 | 2018-12-07 | 安徽大学 | 基于独立分量分析的情感脑电信号的导联选择方法 |
CN109157231A (zh) * | 2018-10-24 | 2019-01-08 | 阿呆科技(北京)有限公司 | 基于情绪刺激任务的便携式多通道抑郁倾向评估*** |
CN109190658A (zh) * | 2018-07-19 | 2019-01-11 | 中国电子科技集团公司电子科学研究院 | 视频觉醒度分类方法、装置及计算机设备 |
CN109276243A (zh) * | 2018-08-31 | 2019-01-29 | 易念科技(深圳)有限公司 | 脑电心理测试方法及终端设备 |
CN109567830A (zh) * | 2018-10-30 | 2019-04-05 | 清华大学 | 一种基于神经响应的人格测量方法及*** |
CN109620260A (zh) * | 2018-12-05 | 2019-04-16 | 广州杰赛科技股份有限公司 | 心理状态识别方法、设备及存储介质 |
CN109697413A (zh) * | 2018-12-13 | 2019-04-30 | 合肥工业大学 | 基于头部姿态的人格分析方法、***和存储介质 |
CN110141258A (zh) * | 2019-05-16 | 2019-08-20 | 深兰科技(上海)有限公司 | 一种情绪状态检测方法、设备及终端 |
WO2019184031A1 (zh) * | 2018-03-27 | 2019-10-03 | 中育苑(北京)文化传媒股份有限公司 | 基于图像信息的心理测量与疏导方法及*** |
CN111104815A (zh) * | 2018-10-25 | 2020-05-05 | 北京入思技术有限公司 | 一种基于情绪能量感知的心理测评方法及装置 |
CN111413874A (zh) * | 2019-01-08 | 2020-07-14 | 北京京东尚科信息技术有限公司 | 用于控制智能设备的方法、装置和*** |
CN111466931A (zh) * | 2020-04-24 | 2020-07-31 | 云南大学 | 基于eeg和食物图片数据集的情感识别方法 |
CN112401886A (zh) * | 2020-10-22 | 2021-02-26 | 北京大学 | 情感识别的处理方法、装置、设备及存储介质 |
CN112638256A (zh) * | 2018-09-04 | 2021-04-09 | 强生消费者公司 | 用于评估婴儿和幼儿的情绪的装置和方法 |
CN113349778A (zh) * | 2021-06-03 | 2021-09-07 | 杭州回车电子科技有限公司 | 基于经颅直流电刺激的情绪分析方法、装置和电子装置 |
CN113490456A (zh) * | 2019-03-29 | 2021-10-08 | 松下知识产权经营株式会社 | 心理状况估计***、心理状况估计方法、程序和估计模型的生成方法 |
CN113576478A (zh) * | 2021-04-23 | 2021-11-02 | 西安交通大学 | 一种基于脑电信号的图像情感分类方法及***及装置 |
CN114027840A (zh) * | 2021-11-12 | 2022-02-11 | 江苏科技大学 | 基于变分模态分解的情绪脑电识别方法 |
CN114638263A (zh) * | 2022-03-15 | 2022-06-17 | 华南理工大学 | 一种基于脑电信号的建筑空间满意度评价方法 |
CN114870195A (zh) * | 2022-05-09 | 2022-08-09 | 北京航空航天大学 | 一种利用蔬菜绿墙调节人员情绪的方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2743876C1 (ru) * | 2020-05-19 | 2021-03-01 | Татьяна Евгеньевна Ефремова | Способ реабилитации детей и подростков с поведенческими и эмоциональными нарушениями, страдающих психическими расстройствами |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103690165A (zh) * | 2013-12-12 | 2014-04-02 | 天津大学 | 一种跨诱发模式情绪脑电识别建模方法 |
CN105894039A (zh) * | 2016-04-25 | 2016-08-24 | 京东方科技集团股份有限公司 | 情绪识别模型建立方法、情绪识别方法及装置、智能设备 |
CN106267514A (zh) * | 2016-10-19 | 2017-01-04 | 上海大学 | 基于脑电反馈的情绪调控*** |
-
2017
- 2017-04-18 CN CN201710252127.6A patent/CN107080546B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103690165A (zh) * | 2013-12-12 | 2014-04-02 | 天津大学 | 一种跨诱发模式情绪脑电识别建模方法 |
CN105894039A (zh) * | 2016-04-25 | 2016-08-24 | 京东方科技集团股份有限公司 | 情绪识别模型建立方法、情绪识别方法及装置、智能设备 |
CN106267514A (zh) * | 2016-10-19 | 2017-01-04 | 上海大学 | 基于脑电反馈的情绪调控*** |
Non-Patent Citations (2)
Title |
---|
MOHSEN NAJI ET AL: "Emotion Classification Based on Forehead Biosignals using Support Vector Machines in Music Listening", 《PROCEEDINGS OF THE 2012 IEEE 12TH INTERNATIONAL CONFERENCE ON BIOINFORMATICS & BIOENGINEERING(BIBE)》 * |
王海宁: "《基于多通道生理信号的情绪识别技术研究》", 31 August 2016, 湖南大学出版社 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108143412A (zh) * | 2017-12-22 | 2018-06-12 | 苏州创捷传媒展览股份有限公司 | 一种儿童脑电情绪分析的控制方法、装置及*** |
CN108294739A (zh) * | 2017-12-27 | 2018-07-20 | 苏州创捷传媒展览股份有限公司 | 一种测试用户体验的方法及其装置 |
WO2019184031A1 (zh) * | 2018-03-27 | 2019-10-03 | 中育苑(北京)文化传媒股份有限公司 | 基于图像信息的心理测量与疏导方法及*** |
CN108937968A (zh) * | 2018-06-04 | 2018-12-07 | 安徽大学 | 基于独立分量分析的情感脑电信号的导联选择方法 |
CN108881985A (zh) * | 2018-07-18 | 2018-11-23 | 南京邮电大学 | 基于脑电情绪识别的节目评分*** |
CN109190658A (zh) * | 2018-07-19 | 2019-01-11 | 中国电子科技集团公司电子科学研究院 | 视频觉醒度分类方法、装置及计算机设备 |
CN109276243A (zh) * | 2018-08-31 | 2019-01-29 | 易念科技(深圳)有限公司 | 脑电心理测试方法及终端设备 |
CN112638256A (zh) * | 2018-09-04 | 2021-04-09 | 强生消费者公司 | 用于评估婴儿和幼儿的情绪的装置和方法 |
CN109157231A (zh) * | 2018-10-24 | 2019-01-08 | 阿呆科技(北京)有限公司 | 基于情绪刺激任务的便携式多通道抑郁倾向评估*** |
CN111104815A (zh) * | 2018-10-25 | 2020-05-05 | 北京入思技术有限公司 | 一种基于情绪能量感知的心理测评方法及装置 |
CN109567830A (zh) * | 2018-10-30 | 2019-04-05 | 清华大学 | 一种基于神经响应的人格测量方法及*** |
CN109620260A (zh) * | 2018-12-05 | 2019-04-16 | 广州杰赛科技股份有限公司 | 心理状态识别方法、设备及存储介质 |
CN109697413A (zh) * | 2018-12-13 | 2019-04-30 | 合肥工业大学 | 基于头部姿态的人格分析方法、***和存储介质 |
CN109697413B (zh) * | 2018-12-13 | 2021-04-06 | 合肥工业大学 | 基于头部姿态的人格分析方法、***和存储介质 |
CN111413874B (zh) * | 2019-01-08 | 2021-02-26 | 北京京东尚科信息技术有限公司 | 用于控制智能设备的方法、装置和*** |
CN111413874A (zh) * | 2019-01-08 | 2020-07-14 | 北京京东尚科信息技术有限公司 | 用于控制智能设备的方法、装置和*** |
CN113490456A (zh) * | 2019-03-29 | 2021-10-08 | 松下知识产权经营株式会社 | 心理状况估计***、心理状况估计方法、程序和估计模型的生成方法 |
CN110141258A (zh) * | 2019-05-16 | 2019-08-20 | 深兰科技(上海)有限公司 | 一种情绪状态检测方法、设备及终端 |
CN111466931A (zh) * | 2020-04-24 | 2020-07-31 | 云南大学 | 基于eeg和食物图片数据集的情感识别方法 |
CN112401886A (zh) * | 2020-10-22 | 2021-02-26 | 北京大学 | 情感识别的处理方法、装置、设备及存储介质 |
CN112401886B (zh) * | 2020-10-22 | 2023-01-31 | 北京大学 | 情感识别的处理方法、装置、设备及存储介质 |
CN113576478A (zh) * | 2021-04-23 | 2021-11-02 | 西安交通大学 | 一种基于脑电信号的图像情感分类方法及***及装置 |
CN113349778A (zh) * | 2021-06-03 | 2021-09-07 | 杭州回车电子科技有限公司 | 基于经颅直流电刺激的情绪分析方法、装置和电子装置 |
CN113349778B (zh) * | 2021-06-03 | 2023-02-17 | 杭州回车电子科技有限公司 | 基于经颅直流电刺激的情绪分析方法、装置和电子装置 |
CN114027840A (zh) * | 2021-11-12 | 2022-02-11 | 江苏科技大学 | 基于变分模态分解的情绪脑电识别方法 |
CN114638263A (zh) * | 2022-03-15 | 2022-06-17 | 华南理工大学 | 一种基于脑电信号的建筑空间满意度评价方法 |
CN114870195A (zh) * | 2022-05-09 | 2022-08-09 | 北京航空航天大学 | 一种利用蔬菜绿墙调节人员情绪的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107080546B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107080546A (zh) | 基于脑电图的青少年环境心理的情绪感知***及方法、刺激样本选择方法 | |
CN109298779B (zh) | 基于虚拟代理交互的虚拟训练***与方法 | |
Chiang et al. | Wild or tended nature? The effects of landscape location and vegetation density on physiological and psychological responses | |
CN106569604B (zh) | 视听双模态语义匹配和语义失配协同刺激脑机接口方法 | |
Ulrich | Natural versus urban scenes: Some psychophysiological effects | |
CN110680314B (zh) | 基于脑电多参数的虚拟现实情境任务注意力测训*** | |
CN109224242B (zh) | 基于vr交互的心理放松***及方法 | |
Li et al. | Research on environmental comfort and cognitive performance based on EEG+ VR+ LEC evaluation method in underground space | |
CN112641450B (zh) | 面向动态视频目标检测的时变脑网络重构方法 | |
CN102319067A (zh) | 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪 | |
CN107402635B (zh) | 结合脑电波与虚拟现实的心理健康调节方法及*** | |
CN108324292A (zh) | 基于脑电信号的室内视觉环境满意度分析方法 | |
CN109247917A (zh) | 一种空间听觉诱发p300脑电信号识别方法及装置 | |
CN113425297A (zh) | 基于脑电信号的儿童注意力专注度训练方法及*** | |
CN105919556A (zh) | 基于认知任务的近红外脑成像仪图谱采集方法 | |
CN106372729A (zh) | 用于心理分析的深度学习方法及装置 | |
CN114999237A (zh) | 一种智慧教育互动教学方法 | |
CN106447042A (zh) | 基于绘画投射的心理分析方法及装置 | |
Qin et al. | Quantitative evaluation of attraction intensity of highway landscape visual elements based on dynamic perception | |
Su et al. | Adolescents environmental emotion perception by integrating EEG and eye movements | |
Rad et al. | Cognitive and perceptual influences of architectural and urban environments with an emphasis on the experimental procedures and techniques | |
Wang et al. | EEG-based research on brain functional networks in cognition | |
KR20170047099A (ko) | 영상정보를 통한 움직임의 양을 기반으로 하는 집단 감성 추론 시스템 | |
Ma et al. | Effects of green walls on thermal perception and cognitive performance: An indoor study | |
CN115335102B (zh) | 在大脑中产生反馈的方法、***及大脑键盘 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200720 Address after: 234000 building 7, electronic industrial park, high tech Zone, Suzhou City, Anhui Province Applicant after: Anhui Zhiqu Angel Information Technology Co., Ltd Address before: 230601 No. 111 Jiulong Road, Hefei economic and Technological Development Zone, Anhui, China Applicant before: ANHUI University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |