一种脑电信息监督人脸图像的注意力分析方法

计算机工程与科学

一种脑电信息监督人脸图像的注意力分析方法

刘冀伟1，史尹嘉1，白羽1，严朝雯2

（1.北京科技大学自动化学院,北京 100083;2.北京科技大学计算机与通信工程学院,北京 100083）

收稿日期:2016-04-18 修回日期:2016-11-23 出版日期:2018-02-25 发布日期:2018-02-25
基金资助:
北京科技大学教学改革与研究项目（Grant JG2014Z06）

An attention analysis method based

on EEG supervising face images

LIU Ji-wei1，SHI Yin-jia1，BAI Yu1，YAN Chao-wen2

(1.School of Automation,University of Science and Technology Beijing,Beijing 100083;

2.School of Computer and Communication Engineering,University of Science and Technology Beijing,Beijing 100083,China)

Received:2016-04-18 Revised:2016-11-23 Online:2018-02-25 Published:2018-02-25

摘要/Abstract

摘要：

利用计算机视觉技术智能分析处于任务中的人的专注度问题。通过对人脸图像视频和对应脑电信号的采集和分析处理，建立连续的面部图片对应脑电信息的样本库，提出一种在脑电信息监督面部图片专注度的前提下，使用人的面部信息分析其专注度的方法。根据在多分布样本下训练的支持向量机分类器的识别结果，面部信息与其专注度确实存在相关关系，所以利用人脸图片分析任务中人的专注度是可行性的，并为后续的状态分析提供客观数据。

关键词: 人脸识别, 特征提取, 脑电信息监督, 特征分类, 专注度分析

Abstract:

Using computer vision technology, aiming at intelligently analyzing the attention of people in the mission, through the acquisition and analysis of face image videos and corresponding EEG signals, a continuous facial image information corresponding to the EEG information sample library is established. Under the premise of using the EEG information to supervise the attention degree of facial images, a method that uses facial information to judge the attention degree is applied. According to the recognition results of SVM (Support Vector Machine) classifiers trained under multiple distributed samples, there is a correlation between facial information and its attention degree. Therefore, it is feasible to use facial images to analyze person’s attention in task, and it provides objective data for subsequent evaluation of condition monitoring.

Key words: face recognition, feature extraction, EEG supervising, feature classification, attention analysis

刘冀伟1，史尹嘉1，白羽1，严朝雯2. 一种脑电信息监督人脸图像的注意力分析方法[J]. 计算机工程与科学.

LIU Ji-wei1，SHI Yin-jia1，BAI Yu1，YAN Chao-wen2.

An attention analysis method based

on EEG supervising face images

[J]. Computer Engineering & Science.

[1]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[2]	崔浩, 万亚平, 钟华, 聂明星, 肖杨. 基于LoRa设备的人体活动识别研究[J]. 计算机工程与科学, 2024, 46(01): 111-121.
[3]	张文豪, 瞿绍军. 基于双解码器结构的多尺度注意力特征融合网络的视网膜血管分割#br#[J]. 计算机工程与科学, 2023, 45(12): 2175-2185.
[4]	陈巩, 李占利, 朱莉. 多尺度深度特征融合的个人信用风险预测[J]. 计算机工程与科学, 2023, 45(12): 2265-2273.
[5]	周成江, 贾云华, 张雨宽, 禄俊. 基于FCEEMD复合筛选的故障特征提取方法[J]. 计算机工程与科学, 2023, 45(11): 2070-2077.
[6]	吕小姣, 张玉梅, 杨红红, 吴晓军, . 基于距离排序的DUPSO-DSVM民歌快速分类算法研究[J]. 计算机工程与科学, 2023, 45(10): 1874-1833.
[7]	任拓, 闫玮, 况立群, 谢剑斌, 谌钟毓, 高峰, 郭锐, 束伟, 谢昌颐. 基于多对抗性鉴别网络的人脸活体检测[J]. 计算机工程与科学, 2023, 45(09): 1611-1620.
[8]	张建伟, 周亚同, 史宝军, 何昊, 王文. 基于SSD算法的轻量化仪器表盘检测算法[J]. 计算机工程与科学, 2022, 44(08): 1418-1425.
[9]	刘云, 郑文凤, 张轶. 代价约束算法对入侵检测特征提取的优化研究[J]. 计算机工程与科学, 2022, 44(03): 447-453.
[10]	严春满, 张昱瑶, 张迪. 改进标签一致KSVD字典学习的人脸识别算法[J]. 计算机工程与科学, 2022, 44(02): 291-297.
[11]	谈恩民, 王晨. 基于表征学习的模拟电路故障诊断[J]. 计算机工程与科学, 2022, 44(01): 27-35.
[12]	姬子恒, 王斌. 基于深度学习的草图检索方法研究进展[J]. 计算机工程与科学, 2021, 43(12): 2190-2205.
[13]	宋超, 王斌, 许家佗. 基于深度迁移学习的舌象特征分类方法研究[J]. 计算机工程与科学, 2021, 43(08): 1488-1496.
[14]	王鑫, 廖祎玮, 赵国生, 王健, 谢宝文. 一种面向任务需求的群智感知任务分配模型[J]. 计算机工程与科学, 2021, 43(08): 1512-1520.
[15]	孙雨浩, 陶洋, 胡昊. 基于判别低秩矩阵恢复和协同表示的遮挡人脸识别[J]. 计算机工程与科学, 2020, 42(12): 2199-2207.