买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学技术大学

摘要：本发明公开了用于公共管理虚拟实验案例的场景演示评估系统及方法，涉及场景演示评估技术领域，通过脑电信号采集设备采集参加人员的脑电信号数据，同时通过摄像头对参加人员的面部进行拍摄，判断参加人员的情绪状态；同时对参加人员的心率进行估计，根据情绪状态结果以及心率对参加人员的参加实验时的心理状态进行判断，得到心理状态判断结果，本发明通过情绪状态以及心率值两个维度，最终确定出参加人员的心理结果，将心理结果作为实验结果数据，从而使得实验结果更加的全面和准确，并根据心理结果，在进行后续实验时，对实验中的紧急情况发生时的场景进行适当的调整，从而达到更好的实验效果。

主权项：1.用于公共管理虚拟实验案例的场景演示评估方法，其特征在于：对参加人员的心理进行评估包括以下步骤：S1、通过脑电信号采集设备采集参加人员的脑电信号数据，记为第一采集数据，同时通过摄像头对参加人员的面部进行拍摄，得到参加人员的面部视频，记为第二采集数据；S2、对所述第一采集数据进行处理，得到处理后的第一采集数据，根据所述处理后的第一采集数据判断参加人员的情绪状态；具体步骤包括：对所述第一采集数据进行去噪处理；对去噪后的第一采集数据进行特征提取；再对所得的特征进行选择；将选择的特征对应的数值与设定的比例阈值进行比对，对参加人员的情绪状态进行判断，得到情绪状态结果；S3、对第二采集数据进行处理，得到处理后的第二采集数据，根据处理后的第二采集数据对参加人员的心率进行估计，得到参加人员的心率值；具体步骤包括：通过第二采集数据对参加者进行人脸检测以及面部关键点检测；根据检测结果划分面部ROI区域；根据划分的ROI区域，获取面部视频中参加人员面部的每一个ROI区域的心率信号以及噪声信号并进行分离，得到分离后的心率信号；对分离后的心率信号进行处理以提取心率；S4、根据情绪状态结果以及心率对参加人员的参加实验时的心理状态进行判断，得到心理状态判断结果，并根据心理状态判断结果，对后续实验的场景进行相应调整，并将心理状态判断结果作为实验结果数据；所述S2包括如下步骤：S21、对所述第一采集数据进行去噪处理，得到去噪后的第一采集数据；S22、对去噪后的第一采集数据进行特征提取，得到原始合并特征集；S23、对所述原始合并特征集中的特征进行选择，得到最优特征子集；S24、根据最优特征子集中所包含的特征维度对应的特质数值对参加人员的情绪状态进行判断，得到情绪状态结果；所述S21包括以下步骤：S211、根据第一采集数据设脑电信号和噪声的混合模型为：yt＝Brt+st式中：rt＝[r1t,r2t,...,rNt]T为t时刻源信号矢量；yt＝[y1t,y2t,...,yMt]T为t时刻观测信号矢量；st为噪声项；B为M×N的混合矩阵，取M＝N，M和N均为采集样本的数量；S212、对所述脑电信号和噪声的混合模型进行消噪，得到无噪声混合模型，如下：yt＝BrtS213、通过无噪声混合模型计算出rt的估计值，记为估计信号，计算步骤如下：S2131、设定估计信号为xt，则源信号rt与估计信号xt的误差为e'＝rt-xt，构建rt的信号噪比函数： 式中：i∈{1,2,...,p}；p为滑动平均长度；R为分离矩阵，为混合信号经滑动平均处理后的信号，S2132、根据rt的信号噪比函数并通过公式求出分离矩阵R，式中：C＝yt·yTt；为相关矩阵，V＝RCRT；S2133、计算所述估计信号xt，xt记为所述去噪后的第一采集数据，计算公式如下：xt＝RBrt；所述S22包括以下步骤：S221、提取去噪后的第一采集数据xt中的时域特征，设定时域特征集X＝{X1,X2,X3,X4,X5,X6,X7,X8,X9}，其中Xj,j∈{1,2,...,9}为时域特征集中的第j个特征，X1,X2,X3,X4,X5,X6,X7,X8,X9对应的时域特征分别为：均值、方差、标准差、峰度、偏态、均方根、波动指数、变化系数和非线性能量算子；S222、提取去噪后的第一采集数据xt中的频域特征；S2221、通过快速傅里叶变换公式对去噪后的第一采集数据xt进行转换，得到转换后的脑电信号数据x't，过程如下： 式中：N为采集样本的数量；W为复数；S2222、通过转换后的脑电信号数据x't计算得到功率谱密度ρ，并将功率谱密度ρ作为频域特征，计算公式如下： S223、提取去噪后的第一采集数据xt中的时频域特征，包括如下步骤：S2231、采用离散小波变换对xt进行信号转换，得到小波变换后的信号Ot，过程如下： 式中：c为比例参数；d为位移参数；φt为母子波；S2232、对所述小波变换后的信号Ot进行时频域特征提取，记为时频域特征集Z＝{Z1,Z2,Z3,Z4}，其中Zi为时频域特征集中的第i个特征，i∈{1,2,3,4}，Z1,Z2,Z3,Z4对应的时频域特征分别为小波系数均值、小波系数方差、小波系数绝对值均值和小波熵，具体计算步骤如下：S22321、设定α为Ot通过高通滤波器生成的第三级细节系数，β为Ot通过高通滤波器生成的第四级细节系数，χ为Ot通过高通滤波器生成的第五级细节系数，δ为Ot通过低通滤波器生成的第五级细节系数，设定细节系数集ζ＝{α,β,χ,δ}，其中ζi为细节系数集中第i个细节系数元素，i∈{1,2,3,4}；S22322、计算时频域特征集中各个特征值；S224、提取去噪后的第一采集数据xt中的非线性动力学特征，设定非线性动力学特征集为F＝{F1,F2,F3}，其中Fi为非线性动力学特征集中第i个特征，i∈{1,2,3}，F1,F2,F3对应的非线性动力学特征分别为近似熵、样本熵和模糊熵，具体如下步骤：S2241、计算F1，具体包括如下步骤：S22411、设定xt的长度为Q，将去噪后的第一采集数据xt转换成长度为q的信号V＝[v1,v2,...,vi,...,vQ-q-1]，其中vi＝[xit,xi+1t,...,xi+q-1t]，i∈{1,2,...,Q-q+1}；S22412、计算V中任意向量vi与其他向量的距离Dij＝max[|xi+kt-xj+kt|]，k∈{0,1,2,..,m}，i∈{1,2,...,Q-q+1}，j∈{1,2,...,Q-q+1}；S22413、计算向量vi与向量vj之间的距离小于ε的概率；S22414、计算近似熵，计算过程如下：F1＝γqε-γq+1ε式中：γqε表示相邻子序列的最大相似度的负自然对数的平均值，计算公式如下： S2242、计算F2；S2243、计算F3；S225、合并X＝{X1,X2,X3,X4,X5,X6,X7,X8,X9}、Z＝{Z1,Z2,Z3,Z4}以及F＝{F1,F2,F3}，得到所述原始合并特征集θ。

全文数据：

权利要求：

百度查询： 中国科学技术大学 用于公共管理虚拟实验案例的场景演示评估系统及方法