注意力水平信息生成方法、装置、设备和计算机可读介质

本公开的实施例涉及计算机，具体涉及注意力水平信息生成方法、装置、电子设备和计算机可读介质。

背景技术：

1、人类的注意力是一种复杂的认知功能，它在个体的认知过程中扮演着至关重要的角色。注意力的测量和分析对于多种应用领域具有重要意义，包括但不限于教育、医疗和人机交互。目前，注意力分析主要依赖于脑电图(eeg)信号的测量。eeg是一种非侵入性的神经成像技术，能够记录大脑活动产生的电信号，通过分析这些信号，可以推断出个体的注意力状态。近年来，eeg信号去噪技术的研究正在迅速发展，特别是在深度学习、图信号处理和数据增强技术方面。其中，去噪技术通常为通过分析脑电信号识别噪声，再通过相关算法对其进行分离。

2、然而，当采用上述方式进行注意力分析时，经常会存在如下技术问题：脑电图信号容易受到眼球运动、眨眼、肌肉活动引起的噪声的影响，这些噪声会显著影响信号质量，而单单通过分析脑电信号图识别噪声的准确性较低，导致对注意力水平信息的识别的准确性较低。

3、该背景技术部分中所公开的以上信息仅用于增强对本公开构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了注意力水平信息生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本公开的一些实施例提供了一种注意力水平信息生成方法，该方法包括：获取近眼图像序列和脑电图信号；根据上述近眼图像序列，生成注视点坐标序列和眨眼图像序列；基于上述注视点坐标序列和上述眨眼图像序列，生成上述脑电图信号对应的噪声时间区间集合；根据上述噪声时间区间集合，对上述脑电图信号去噪，得到去噪脑电图信号；基于上述去噪脑电图信号、上述注视点坐标序列以及上述眨眼图像序列和预先训练的注意力水平分类模型，生成注意力水平信息序列。

4、第二方面，本公开的一些实施例提供了一种注意力水平信息生成装置，装置包括：获取单元，被配置成获取近眼图像序列和脑电图信号；第一生成单元，被配置成根据上述近眼图像序列，生成注视点坐标序列和眨眼图像序列；第二生成单元，被配置成基于上述注视点坐标序列和上述眨眼图像序列，生成上述脑电图信号对应的噪声时间区间集合；去噪单元，被配置成根据上述噪声时间区间集合，对上述脑电图信号去噪，得到去噪脑电图信号；第三生成单元，被配置成基于上述去噪脑电图信号、上述注视点坐标序列以及上述眨眼图像序列列和预先训练的注意力水平分类模型，生成注意力水平信息序列。

5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

7、本公开的上述各个实施例中具有如下有益效果：通过本公开的一种注意力水平信息生成方法，可以充分利用多种眼动信息辅助去除脑电图信号中的眼动噪声，相比根据分析单一的脑电图信号去除噪声，分析多模态的信息可以更有效地区分大脑活动产生的信号和外部噪声，提升噪声识别的准确性。由此，可以提高去噪质量和所生成的注意力水平信息的准确性。具体来说，造成去噪质量低的原因是：脑电图信号容易受到眼球运动、眨眼、肌肉活动引起的噪声的影响，这些噪声会显著影响信号质量，而单单通过分析脑电信号图识别噪声的准确性较低，导致对注意力水平信息的识别的准确性较低。基于此，本公开的一些实施例的注意力水平信息生成方法，首先，获取近眼图像序列和脑电图信号。由此，可以获取多帧近眼图像以及未处理的脑电图信号。然后，根据上述近眼图像序列，生成注视点坐标序列和眨眼图像序列。由此，可以对近眼图像序列包含的多模态信息进行提取，得到去噪所需的注视点坐标序列和眨眼图像序列。接着，基于上述注视点坐标序列和上述眨眼图像序列，生成上述脑电图信号对应的噪声时间区间集合。由此，可以整合注视点坐标序列和眨眼图像序列确定脑电图信号的噪声时间区间集合。然后，根据上述噪声时间区间集合，对上述脑电图信号去噪，得到去噪脑电图信号。由此，可以根据确定的噪声时间区间去清除脑电图信号中的噪声。最后，基于上述去噪脑电图信号、上述注视点坐标序列以及上述眨眼图像序列和预先训练的注意力水平分类模型，生成注意力水平信息序列。由此，可以利用注意力水平分类模型结合去噪脑电图信号、上述注视点信息以及上述眨眼信息序列三模态的信息，识别用户的注意力水平信息序列。也因为是通过融合脑电图信号和多种眼动信息进行去噪的，相比根据分析单一的脑电图信号去除噪声，分析多模态的信息可以更有效地区分大脑活动产生的信号和外部噪声，提升噪声识别的准确性。由此，可以提高去噪质量和所生成的注意力水平信息的准确性。

技术特征：

1.一种注意力水平信息生成方法，包括：

2.根据权利要求1所述的方法，其中，所述根据所述近眼图像序列，生成注视点坐标序列和眨眼图像序列，包括：

3.根据权利要求1所述的方法，其中，所述基于所述注视点坐标序列和所述眨眼图像序列，生成所述脑电图信号对应的噪声时间区间集合，包括：

4.根据权利要求3所述的方法，其中，所述根据所述注视点坐标序列和所述近眼图像序列，生成扫视时间区间集合，包括：

5.根据权利要求3所述的方法，其中，所述根据所述眨眼图像序列，生成眨眼时间区间集合，包括：

6.根据权利要求1所述的方法，其中，所述根据所述噪声时间区间集合，对所述脑电图信号去噪，得到去噪脑电图信号，包括：

7.根据权利要求1所述的方法，其中，所述方法还包括：

8.一种注意力水平信息生成装置，包括：

9.一种电子设备，包括：

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

技术总结本公开的实施例公开了注意力水平信息生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取近眼图像序列和脑电图信号；根据上述近眼图像序列，生成注视点坐标序列和眨眼图像序列；基于上述注视点坐标序列和上述眨眼图像序列，生成上述脑电图信号对应的噪声时间区间集合；根据上述噪声时间区间集合，对上述脑电图信号去噪，得到去噪脑电图信号；基于上述去噪脑电图信号、上述注视点信息以及上述眨眼信息序列和预先训练的注意力水平分类模型，生成注意力水平信息序列。该实施方式可以充分利用多种眼动信息辅助去除脑电图信号中的噪声，提高去噪质量，从而提高了生成的注意力水平信息的准确性。技术研发人员：陆峰,刘铂受保护的技术使用者：北京航空航天大学技术研发日：技术公布日：2025/1/6