一种基于脑电实验的城市街道视觉感知情绪识别方法

本发明涉及城市街道绿视率视觉感知研究领域，尤其涉及一种基于脑电实验的城市街道视觉感知情绪识别方法。

背景技术：

1、随着城市化进程的不断加速，人们对城市生活质量的关注日益提高。其中，城市街道绿视空间作为城市公共空间环境的重要组成，在城市街道品质评价中占据重要地位。大量研究理论强调了绿色环境对人类健康的积极影响：wilson的生物亲和力假说突显了人类与自然环境之间特殊的联系，认为人类天生对自然环境有着亲和力；ulrich(1986)的压力恢复理论(srt)和kaplan&kaplan(1989)的注意力恢复理论(art)进一步揭示了自然环境对心理健康的积极作用机制。然而，许多老旧社区街道存在着绿化不足、景观单一等问题，这不仅影响了居民的生活体验，也对其健康产生潜在负面影响。因此，对城市街道绿视空间的合理规划与营造成为亟待解决的重要议题。

2、现阶段，个体情绪与绿色空间的相关研究，逐步向主客观评价结合的方法演进。目前仍存在四个问题，具体如下：

3、其一，由于真实街道场景存在诸多不可控因素，实验过程中无法较好地控制自变量与因变量，实验结果难以对单一变量进行研究解释，导致数据精确度欠佳。在室外实验中，研究者希望探究不同街道绿视率对个体焦虑水平的影响，但是无法完全排除其他环境因素(如交通状况、噪音水平等)的干扰，使得最终的研究结果可能受到多种因素的影响，难以准确解释。

4、其二，目前街道品质的相关研究多采用传统的满意度评价方法，以问卷调研的定性分析为主，缺少视知觉方面的人体生理反应量化分析。视知觉的研究方法，主要有眼动追踪技术、脑成像技术等。通过眼动追踪技术，可以定量测量被试在观看街道场景时的注意力分布情况，从而更客观地评估其对不同景观特征的注意偏好。而脑成像技术，如功能性磁共振成像(fmri)和脑电图(eeg)，能够直接测量大脑对不同环境刺激的反应，为研究提供生理学上的客观数据支持。

5、其三，情绪识别的相关研究，包括心理测量常用的感知压力量表(pss)、感知恢复量表(prs)、积极与消极因素量表(panas)等，解释情绪状态的方法较为传统、单一、主观。心理测量问卷在环境感知领域遵循“环境-感觉-认知-决策”路径，而“认知”环节则由于个人经验、偏好不同而产生差异，存在一定的主观性。近年来兴起的人因测度的研究方法如肌电(emg)、皮电(eda)、脑电(eeg)和呼吸(rip)等，进一步提升了数据的客观性。其中，由于eeg信号能够直接反映中枢神经的活动，已被证明与情绪状态有很强的关系，它与受试者的心理反应比与他们的外周生理反应(包括hrv和scl)更直接相关，脑科学的解释在情绪识别领域具有一定的优势。

6、其四，实验室中常采用虚拟现实技术(vr)对真实环境进行模拟重现，然而，在生理数据测量中，vr可能导致的3d晕眩以及头戴式设备的不适感会影响生理指标的测量稳定性，影响结果的准确度。例如，一些研究发现，被试在使用vr设备进行实验时，会出现晕眩、头晕等不适感，从而影响其情绪状态和生理指标的测量结果。因此，在设计实验时需要考虑到这些因素，并采取相应的措施来减轻技术可能带来的影响，以确保实验数据的准确性和可靠性。

技术实现思路

1、本发明的目的在于解决现有技术中的上述问题，提供一种基于脑电实验的城市街道视觉感知情绪识别方法，其更为精准地反映街道绿视问题，为后续优化设计提供思路。

2、本发明选择eeg信号结合压力测试及心理测量问卷，监测个体在观看不同绿视率街道时的情绪状态。eeg信号能够直接反映中枢神经的活动，能够对情绪变化做出更快的反应，与受试者的心理反应直接相关，对于情绪识别来说更加可靠和有效。因此如何借助脑电实验，结合传统问卷，探索出一种对于街道绿视率的个体视觉感知情绪识别的方法及系统显得尤为重要。

3、为达到上述目的，本发明采用如下技术方案：

4、一种基于脑电实验的城市街道视觉感知情绪识别方法，包括以下步骤：

5、1)基于变量控制的实验环境构建；

6、2)采集生理情绪数据；

7、3)采集主观评价数据；

8、4)生理情绪及主观评价数据处理分析：采用信度分析检测生理情绪数据可靠性，采用配对样本t检验监测生理情绪及主观评价数据在不同绿视率街道场景下的差异性。

9、在步骤1)中，所述基于变量控制的实验环境构建的具体方法为：

10、1.1)采集街道全景照片，根据等面积投影和语义分割方法计算街道绿视率，并基于绿视率将街道照片分为0～15％(s1)、15％～30％(s2)、30％～45％(s3)及45％以上(s4)场景四组，进行分组展示；

11、1.2)在恒定温度(25℃±1℃)、湿度(50％±3％)、光照环境(105lux±5lux)的可控室内采用显示器向受试者模拟场景，并播放街道白噪音(40db±10db)，旨在达到一种具有沉浸感的观看效果；

12、1.3)对受试对象的基本信息进行采集与筛选。

13、在步骤2)中，所述采集生理情绪数据的具体方法为：

14、2.1)受试者佩戴无线脑电帽、涂抹脑电膏进行脑电信号采集，其中，采样电极为fp1、fp2(前额叶)、fz、f3和f4(额叶)、cz(中央区)、p3和p4(顶叶)，参考电极为a1(单侧耳垂)；

15、2.2)对受试者进行四组测量，每组测量由一个简化的特里尔社会压力测试(tsst)和一个压力恢复视频(特定绿视率范围的街道视频)组成，受试者经历压力和压力恢复的交替，并记录脑电信号变化。

16、在步骤3)中，所述采集主观评价数据的具体方法为：

17、3.1)基线调查使用压力感知量表(10项)来测量被试者近一个月的压力值；

18、3.2)观看街道视频过程中，受试者填写积极和消极情感量表(panas)记录主观情感反应；

19、3.3)结束视频观看并取下设备后，根据视频观看结果进行简单的问卷填写及访谈。

20、在步骤4)中，所述生理情绪及主观评价数据处理分析的方法包括以下：

21、4.1)对脑电原始数据进行预处理；

22、4.2)对预处理后的脑电数据进行频域分析、图形绘制及统计分析；

23、4.3)对问卷数据进行统计分析。

24、在步骤4.1)中具体包括：一，进行带通滤波，去除低于0.1hz和高于30hz的频段，并消除50hz的市电干扰；二，消除运动伪迹，使用独立成分分析(ica)识别去除眨眼、头动、眼动等运动伪影；三，数据分段去伪迹，使用代码将150s的脑电数据进行2s分段，并进行极端值去伪迹操作。

25、在步骤4.2)中具体包括：一，使用短时傅里叶变换将时域数据转换为频域数据，绘制四种街道场景下的频谱曲线图；二，使用matlab代码提取脑电幅值，并绘制脑电能量地形图；三，采用spss信度分析检测四个大脑分区的α-eeg幅值，使用克隆巴赫α系数检验数据可靠性；四，统计并绘制不同场景下，不同大脑分区的alpha、beta、theta幅值；五，采用配对样本t检验对不同绿视率街道场景下alpha、beta、theta脑电幅值，p值小于0.05代表不同绿视率场景下脑电幅值呈现显著差异；六，采用配对样本t检验对不同绿视率街道场景下前额叶、额叶、中央区及顶叶的alpha幅值进行差异性检验。

26、在步骤4.3)中具体包括：一，对问卷结果进行统计图绘制；二，采用配对样本t检验对不同绿视率街道场景下panas问卷得分进行差异性检验，p值小于0.05代表不同绿视率场景对个体积极、消极情绪有显著影响。

27、相对于现有技术，本发明技术方案取得的有益效果是：

28、本发明从人本角度出发，利用人因测度技术采集使用者从“感官体验”到“认知解释”再到“情绪反应”这一完整作用路径，并最终表达为满意度评价的城市街道视觉感知情绪识别新方法。针对城市街道的绿化问题，通过采集观看者的脑电信号进行定量可视化分析，揭示不同绿视率街道与使用着个体情绪的内在关系，建立城市街道视觉感知的情绪识别机制，结合传统心理测量问卷，优化个体情绪来源的因素结构，更为精准地反映街道绿视问题，可作为一种新的街道满意度评价方法，更可为后续城市更新、街道优化设计提供思路。本发明基于使用者客观的生理实验数据和主观心理感受，强调以人为本，由此减少设计者的主观判断，为未来设计提供更加科学、精准的参考。