• / 11
  • 下載費用:30 金幣  

基于腦電信號特征的影片剪輯篩選輔助儀及實現方法.pdf

關 鍵 詞:
基于 電信號 特征 影片 剪輯 篩選 輔助 實現 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
摘要
申請專利號:

CN201210017959.7

申請日:

2012.01.19

公開號:

CN102541261B

公開日:

2015.01.07

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效號牌文件類型代碼:1604號牌文件序號:101322537594IPC(主分類):G06F 3/01專利申請號:2012100179597申請日:20120119|||公開
IPC分類號: G06F3/01; H04N5/222; G11B27/02 主分類號: G06F3/01
申請人: 北京工業大學
發明人: 段立娟; 張祺; 王學彬; 吳春鵬; 喬海濤; 楊震; 李健
地址: 100124 北京市朝陽區平樂園100號
優先權:
專利代理機構: 北京思海天達知識產權代理有限公司 11203 代理人: 張慧
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201210017959.7

授權公告號:

102541261B||||||

法律狀態公告日:

2015.01.07|||2012.09.05|||2012.07.04

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開了一種基于腦電信號特征的影片剪輯篩選輔助儀及實現方法,該儀器主要包括腦電信號采集裝置、腦電信號處理裝置、腦電信號分析裝置和輸出響應裝置。其中,腦電信號采集裝置由多個腦區電極組成,用來采集用戶觀看影片時的腦電信號,腦區電極與腦電信號處理裝置中的放大器I相連,腦電信號處理裝置、腦電信號分析裝置和輸出響應裝置依次相連,最終結果顯示在輸出響應裝置的液晶顯示屏中。本發明可用于影片制作過程中進行影片剪輯,也可用于對影片內容分級,還可針對個人對影片進行篩選。通過采集觀看視頻時人的腦電信號評價影片內容,可以克服主觀經驗的影響,使評價結果更客觀。

權利要求書

1.一種基于腦電信號特征的影片剪輯篩選輔助儀,包括腦電信號采集裝置,其特征在于:該輔助儀還包括腦電信號處理裝置、腦電信號分析裝置和輸出響應裝置,腦電信號采集裝置由多個腦區電極組成,腦區電極與腦電信號處理裝置中的放大器I相連,腦電信號處理裝置、腦電信號分析裝置和輸出響應裝置依次相連;所述腦區電極根據大腦功能分區選擇對應于人腦視覺區、聽覺區、認知和情感區和情緒區的電極來采集用戶的腦電信號;所述的腦電信號處理裝置包括信號處理模塊和人機交互模塊;信號處理模塊由放大器I、陷波濾波器、放大器II、低通濾波器和模數轉換器組成,其中,放大器I、陷波濾波器、放大器II、低通濾波器和模數轉換器依次相連;所述人機交互模塊包括功能按鈕、觸摸屏和數字鍵盤;其中,所述功能按鈕為一觸發器,用于控制放大器I的工作狀態;所述觸摸屏為接收數字鍵盤傳輸指令的便捷輸入裝置,并將數字顯示在屏幕上;所述放大器I的輸入端和腦電信號采集裝置相連,接收采集到的用戶觀看視頻時的腦電信號;所述腦電信號分析裝置包括信號分析模塊和存儲模塊,所述信號分析模塊包括緩存器、特征提取器、信號識別單元、計時器和運算器,設有用于提取人在觀看視頻時的腦電特征的特征提取電路;所述運算器與腦電信號處理裝置中的觸摸屏相連,同時與計時器相連;所述存儲模塊為一存儲器,其與信號分析模塊中的信號識別單元的輸出端相連。2.根據權利要求1所述的基于腦電信號特征的影片剪輯篩選輔助儀,其特征在于:所述信號識別單元由兩級分類器組成,其中一級分類器為粗分類器,二級分類器為多個細分類器,粗分類器的輸出端口分別與各個細分類器相連。3.根據權利要求1所述的基于腦電信號特征的影片剪輯篩選輔助儀,其特征在于:所述輸出響應裝置由統計單元、液晶顯示屏和按鈕組成,統計單元與腦電信號分析裝置中的存儲器相連,統計單元與液晶顯示屏相連,所述按鈕為一觸發器,觸發統計單元工作。4.一種基于腦電信號特征的影片剪輯篩選的實現方法,其特征在于包括如下步驟:步驟1:采用放大器、陷波濾波器、低通濾波器和模數轉換器對采集到的腦電?信號進行消噪處理,同時將連續腦電信號轉換為離散數字信號;步驟2:采用PCA方法提取得到的數字信號的特征作為樣本數據;步驟3:采用Fisher方法,對得到的樣本數據進行分類;步驟2所述PCA方法提取腦電信號特征包括如下步驟:步驟21:將n個電極的數據按行排列形成特征向量,共M維,其中,n為所選用電極的個數,M=n*k,k為一次實驗一個電極上的腦電信號樣本維數;步驟22:求樣本矩陣的協方差矩陣C為:步驟23:計算C的特征向量v1,v2,...,vM和特征值λ1,λ2,...,λM確定特征空間。步驟24:選擇前M0個最大特征值?對應的特征向量?(M0<M)作為一組PCA基,再把原始腦電信號向這組PCA基上作投影得到有利于分類的特征向量;步驟3所述Fisher方法對樣本數據進行分類包括如下步驟:步驟31:采集多名被試觀看不同類型視頻時的腦電信號,使用認知心理學方法分析腦電信號;步驟32:結合步驟31所得認知學結論確定時間段,確定腦區電極,得到訓練數據集;步驟33:使用PCA方法得到訓練樣本;步驟34:使用步驟33所得訓練樣本訓練Fisher分類器;步驟35:使用精確訓練的Fisher分類器對未知樣本進行分類。5.根據權利要求4所述的基于腦電信號特征的影片剪輯篩選的實現方法,其特征在于:所述步驟31所述認知心理學方法還包括如下步驟:步驟311:對不同類型視頻誘發腦電信號分段、疊加平均,得到視頻誘發事件相關電位(ERPs),采用測量方法計算各個成分的潛伏期,確定各個成分所在時間段;步驟312:根據醫學領域認同的大腦功能分區圖,認為與視覺、聽覺和認知情緒有關的功能區對視頻刺激反應較大;觀察所采集腦電信號隨時間變化的二維腦地形圖,認為能量越高的腦區受視頻刺激較大;步驟313:根據步驟312所述兩種原則,確定腦區電極。?6.根據權利要求4所述的基于腦電信號特征的影片剪輯篩選的實現方法,其特征在于:步驟34所述Fisher訓練分類器包括如下步驟:步驟341:Fisher分類器的原理和公式:其中Sw為總類內離散度矩陣,Sb為樣本類間離散度矩陣。?

說明書

基于腦電信號特征的影片剪輯篩選輔助儀及實現方法

技術領域

本發明涉及一種腦電信號分析裝置,特別是涉及一種基于腦電信號特征對影片
作品客觀地進行剪輯、篩選的儀器。

背景技術

1924年德國精神科教授Ham?Berger用兩根白金針狀電極插入頭部顱骨外傷患
者的大腦皮層,成功記錄出有規則的電活動,這一發現揭開了人類研究大腦生理信
號的序幕。

隨著科學技術的不斷進步,科學家們發現了事件相關電位(ERP,event-related?
potentials)來觀察大腦活動過程,經過長足的發展,人們慢慢研究得出與注意、信
號感知、分析判斷、決策及工作記憶內容更新等認知過程相關聯的ERP成分,且通
過實驗可以發現,不同的刺激可以誘發不同的成分,刺激程度的不同也會引起成分
的基本特征發生改變。

電影作為一種表現直觀、影響巨大的大眾傳媒,不可避免地會對社會和大眾造成
或多或少的負面影響。為調解這個問題,電影歷來受到各國政府不同程度的管理和約
束,基本上絕大多數國家都在電影的制作和放映領域引入了審查或分級制度。然而這
一制度的執行大都依靠專家主觀判定,如何客觀、有效的對電影內容進行評價,從
而更好的對電影進行評級是一個值得研究的科學問題。

發明內容

本發明的目的在于,通過提供一種基于腦電信號特征的影片剪輯篩選輔助儀及
實現方法,采集用戶觀看視頻時的腦電信號,通過計算機技術提取腦電信號中有效
反應人腦對視頻的主觀感受的相關特征識別出所觀看視頻的類別,從而實現基于腦
電信號特征對影片內容進行評測。

本發明是采用以下技術手段實現的:

一種基于腦電信號特征的影片剪輯篩選輔助儀,包括腦電信號采集裝置,該輔
助儀還包括腦電信號處理裝置、腦電信號分析裝置和輸出響應裝置,腦電信號采集
裝置由多個腦區電極組成,腦區電極與腦電信號處理裝置中的放大器I相連,腦電
信號處理裝置、腦電信號分析裝置和輸出響應裝置依次相連;腦區電極根據大腦功
能分區選擇對應于人腦視覺區、聽覺區、認知和情感區和情緒區的電極來采集用戶
的腦電信號;腦電信號處理裝置包括信號處理模塊和人機交互模塊;信號處理模塊
由放大器I、陷波濾波器、放大器II、低通濾波器和模數轉換器組成,其中,放大
器I、陷波濾波器、放大器II、低通濾波器和模數轉換器依次相連;

所述人機交互模塊包括功能按鈕、觸摸屏和數字鍵盤;其中,所述功能按鈕為
一觸發器,用于控制放大器I的工作狀態;所述觸摸屏為接收數字鍵盤傳輸指令的
便捷輸入裝置,并將數字顯示在屏幕上;放大器I的輸入端和腦電信號采集裝置相
連,接收采集到的用戶觀看視頻時的腦電信號;腦電信號分析裝置包括信號分析模
塊和存儲模塊,所述信號分析模塊包括緩存器、特征提取器、信號識別單元、計時
器和運算器,設有用于提取人在觀看視頻時的腦電特征的特征提取電路;

所述運算器與腦電信號處理裝置中的觸摸屏相連,同時與計時器相連;

所述存儲模塊為一存儲器,其與信號分析模塊中的信號識別單元的輸出端相連。

前述的信號識別單元由兩級分類器組成,其中一級分類器為粗分類器,二級分
類器為多個細分類器,粗分類器的輸出端口分別與各個細分類器相連。

前述的輸出響應裝置由統計單元、液晶顯示屏和按鈕組成,統計單元與腦電信
號分析裝置中的存儲器相連,統計單元與液晶顯示屏相連,所述按鈕為一觸發器,
觸發統計單元工作。

本發明一種基于腦電信號特征的影片剪輯篩選的實現方法,包括如下步驟:

步驟1:采用放大器、陷波濾波器、低通濾波器和模數轉換器對采集到的腦電
信號進行消噪處理,同時將連續腦電信號轉換為離散數字信號;

步驟2:采用PCA方法提取得到的數字信號的特征作為樣本數據;

步驟3:采用Fisher方法,對得到的樣本數據進行分類;

步驟2所述PCA方法提取腦電信號特征包括如下步驟:

步驟21:將n個電極的數據按行排列形成特征向量,共M維,其中,n為所選
用電極的個數,M=n*k,k為一次實驗一個電極上的腦電信號樣本維數;

步驟22:求樣本矩陣的協方差矩陣C為:

C = 1 M Σ i = 1 M ΔP i T ΔP i ]]>

步驟23:計算C的特征向量v1,v2,...,vM和特征值λ1,λ2,...,λM確定特征空間。

步驟24:選擇前M0個最大特征值對應的特征向量
(M0<M)作為一組PCA基,再把原始腦電信號向這組PCA基上作投影得到有利
于分類的特征向量;

步驟3所述Fisher方法對樣本數據進行分類包括如下步驟:

步驟31:采集多名被試觀看不同類型視頻時的腦電信號,使用認知心理學方法
分析腦電信號;

步驟32:結合步驟31所得認知學結論確定時間段,確定腦區電極,得到訓練
數據集;

步驟33:使用PCA方法得到訓練樣本;

步驟34:使用步驟33所得訓練樣本訓練Fisher分類器;

步驟35:使用精確訓練的Fisher分類器對未知樣本進行分類;

前述的步驟31所述認知心理學方法還包括如下步驟:

步驟311:對不同類型視頻誘發腦電信號分段、疊加平均,得到視頻誘發事件
相關電位(ERPs),采用測量方法計算各個成分的潛伏期,確定各個成分所在時間
段;

步驟312:根據醫學領域認同的大腦功能分區圖,認為與視覺、聽覺和認知情
緒有關的功能區對視頻刺激反應較大;觀察所采集腦電信號隨時間變化的二維腦地
形圖,認為能量越高的腦區受視頻刺激較大;

步驟313:根據步驟312所述兩種原則,確定腦區電極。

前述的步驟34所述Fisher訓練分類器包括如下步驟:

步驟341:Fisher分類器的原理和公式:

J F ( w ) = w T S b w w T S w w ]]>

其中Sw為總類內離散度矩陣,Sb為樣本類間離散度矩陣。

本發明與現有技術相比,具有以下明顯的優勢和有益效果:

本發明穩定性、可靠性高,可以彌補人們主觀經驗對視頻內容評測造成的影響,
可用于影片制作過程中進行影片剪輯,也可用于對影片內容分級,還可針對個人對
影片進行篩選。

附圖說明

圖1為設備連接示意圖;

圖2為設備整體框圖;

圖3為腦電信號處理裝置人機交互模塊結構示意圖;

圖4為類別標識單元結構示意圖;

圖5為信號識別流程圖;

圖6為信號識別方法流程圖。

具體實施方式

本發明所述的基于腦電信號特征的影片剪輯篩選輔助儀可用于影片制作過程中
進行影片剪輯,也可用于對影片內容分級,還可針對個人對影片進行篩選。根據該
發明的基本裝置和方法可以開發不同的具體應用,不僅僅可以用于視頻內容評測,
也可用于其他不同類別的文件內容評測,例如圖像內容評測或音頻內容評測等。下
面進行詳細使用說明:

本發明的基本原理是當用戶觀看影片時,影片內容刺激誘發出相關腦電信號,
采集這些腦電信號并送入已訓練的較精確的分類器中進行類別識別,幫助用戶評測
視頻內容。

如圖1所示,一種基于腦電信號特征的影片剪輯篩選輔助儀設備連接示意圖,
包括如下部分:

(1)腦電信號采集裝置10,腦電信號采集裝置由多個腦區電極11組成,腦區
電極11采用的是國際腦電圖學會標定的電極導聯定位標準,選擇對應于人腦視覺
區、聽覺區、認知和情感區和情緒區的電極來采集用戶的腦電信號,腦電信號采集
裝置10通過電極導聯線與腦電信號處理裝置12中的放大器I1相連。

(2)腦電信號處理裝置12包括信號處理模塊和人機交互模塊,其中:

所述信號處理模塊由放大器I1、陷波濾波器2、放大器II3、低通濾波器4和
模數轉換器5組成,其中,放大器I1、陷波濾波器2、放大器II3、低通濾波器4
和模數轉換器5依次相連。采集到的腦電信號被放大器I1接收,對腦電信號的處
理流程為首先經放大器I1將微弱的腦電信號放大,然后通過陷波濾波器2濾去市
電干擾噪聲,再經過放大器II3保證信號的不失真,后經低通濾波器4消除腦電信
號中混入的其他噪聲,最后送入模數轉換器5中將信號轉換為數字信號輸出到腦電
信號分析裝置13中,具體可見圖2中所示的信號處理模塊結構圖。

所述人機交互模塊包括功能按鈕15、觸摸屏21和數字鍵盤22,如圖3所示的
人機交互模塊結構圖,其中,功能按鈕15的作用是保證在視頻開始之前不會采集
到無用的腦電信號,只有在觸發功能按鈕時,放大器I1才開始接收用戶的腦電信
號;觸摸屏21為便捷輸入裝置,與數字鍵盤22相連,實現人機交互,觸摸屏21
中輸入的數字為所觀看視頻的總秒數。

(3)腦電信號分析裝置13包括信號分析模塊和存儲模塊,其中:

所述信號分析模塊內設有用于提取人在觀看視頻時的腦電特征的特征提取電
路,如圖2中信號分析模塊結構圖所示,信號分析模塊包括緩存器6、特征提取器
7、信號識別單元8、計時器17和運算器16;信號處理模塊接收經由腦電信號處理
裝置12處理后的腦電信號,以固定時間窗口分割腦電信號,如以6s為單位,先將
腦電信號放置于緩存器6中,緩存器6每隔6s向特征提取器7中送一次數據,特征
提取器7提取腦電信號中有效用于分類的特征值,然后經信號識別單元8識別視頻
所屬的類型。

所述運算器16與腦電信號處理裝置12中的觸摸屏21相連,記錄觸摸屏21中
代表視頻時間長度的數字m,并根據如下公式計算出可處理的腦電信號段數:

腦電信號段數

其中,n表示固定時間窗口長度;

運算器16還與計時器17相連,剛開始計時器17中的數字設為運算器16中的
腦電信號段數k,當緩存器6向特征提取器7中每發送一次數據,計時器17中的數
字減1,當計時器17中數字減為0時,緩存器6則不再向特征提取器7發送數據,
即意味著視頻播放完畢。

信號識別單元8由兩級分類器組成,其中一級分類器為粗分類器23,二級分類
器為多個細分類器,如細分類器I24、細分類器II25、細分類器III26等等,粗分類
器的多個輸出端口分別與各個細分類器相連,細分類器的輸出端口與存儲器9相連,
類別標識單元8的具體結構圖如圖4所示;其中,粗分類器用于識別不同類型,例
如判斷視頻是否為暴力視頻、中性視頻、敏感視頻中的一類,而細分類器為多個視
頻分級系統,例如針對敏感視頻,分級系統可以將視頻分為普通級別、指導級別、
限制級別和露骨級別等;兩級分類器的訓練過程融合了專家對腦電信號的主觀識別
經驗知識和計算機模式識別技術,使得分類器性能更加精確、可靠。

所述存儲模塊為一存儲器9,其與信號分析模塊中的信號識別單元8的輸出端
相連。

(4)輸出響應裝置28由統計單元19、液晶顯示屏20和按鈕18組成,統計單
元19與腦電信號分析裝置13中的存儲器9相連,統計單元19與液晶顯示屏20相
連,按鈕18為一觸發器,觸發統計單元19工作,統計單元19從存儲器9中取出
結果進行統計分析,得出視頻中各類別視頻所占的百分比,根據此統計結果可實現
視頻內容的客觀評測。

請參閱圖5、圖6所示,圖5為信號識別流程圖;圖6為信號識別方法流程圖。

本發明一種基于腦電信號特征的影片剪輯篩選的實現方法,包括如下步驟:

步驟1:采用放大器、陷波濾波器、低通濾波器和模數轉換器對采集到的腦電
信號進行消噪處理,同時將連續腦電信號轉換為離散數字信號;

步驟2:采用PCA方法提取得到的數字信號的特征作為樣本數據;

步驟3:采用Fisher方法,對得到的樣本數據進行分類;

步驟2所述PCA方法提取腦電信號特征包括如下步驟:

步驟21:將n個電極的數據按行排列形成特征向量,共M維,其中,n為所選
用電極的個數,M=n*k,k為一次實驗一個電極上的腦電信號樣本維數;

步驟22:求樣本矩陣的協方差矩陣C為:

C = 1 M Σ i = 1 M ΔP i T ΔP i ]]>

步驟23:計算C的特征向量v1,v2,...,vM和特征值λ1,λ2,...,λM確定特征空間。

步驟24:選擇前M0個最大特征值對應的特征向量
(M0<M)作為一組PCA基,再把原始腦電信號向這組PCA基上作投影得到有利
于分類的特征向量;

步驟3所述Fisher方法對樣本數據進行分類包括如下步驟:

步驟31:采集多名被試觀看不同類型視頻時的腦電信號,使用認知心理學方法
分析腦電信號;

步驟32:結合步驟31所得認知學結論確定時間段,確定腦區電極,得到訓練
數據集;

步驟33:使用PCA方法得到訓練樣本;

步驟34:使用步驟33所得訓練樣本訓練Fisher分類器;

步驟35:使用精確訓練的Fisher分類器對未知樣本進行分類;

前述的步驟31所述認知心理學方法還包括如下步驟:

步驟311:對不同類型視頻誘發腦電信號分段、疊加平均,得到視頻誘發事件
相關電位(ERPs),采用測量方法計算各個成分的潛伏期,確定各個成分所在時間
段;

步驟312:根據醫學領域認同的大腦功能分區圖,認為與視覺、聽覺和認知情
緒有關的功能區對視頻刺激反應較大;觀察所采集腦電信號隨時間變化的二維腦地
形圖,認為能量越高的腦區受視頻刺激較大;

步驟313:根據步驟312所述兩種原則,確定腦區電極。

前述的步驟34所述Fisher訓練分類器包括如下步驟:

步驟341:Fisher分類器的原理和公式:

J F ( w ) = w T S b w w T S w w ]]>

其中Sw為總類內離散度矩陣,Sb為樣本類間離散度矩陣。

關于本文
本文標題:基于腦電信號特征的影片剪輯篩選輔助儀及實現方法.pdf
鏈接地址:http://www.rgyfuv.icu/p-6421139.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
山东11选5中奖结果走势图