基于脑电信号KC复杂度的视觉诱导晕动症检测方法技术

本发明专利技术公开了一种基于脑电信号KC复杂度的视觉诱导晕动症检测方法，在用户的左右额叶区、左颞叶区分别设置一个脑电信号传感器，分别采集用户在正常阶段和检测阶段的三个通道脑电信号，计算出每个脑电信号的KC复杂度，当正常阶段与检测阶段的检测信号差异较大时判定出现视觉诱导晕动症现象，从而实现视觉诱导晕动症的检测。

【技术实现步骤摘要】
基于脑电信号KC复杂度的视觉诱导晕动症检测方法
本专利技术属于立体显示
，更为具体地讲，涉及一种基于脑电信号KC复杂度的视觉诱导晕动症检测方法。
技术介绍
近年来，显示技术的快速发展使得越来越多的人们不断接触到全新的显示环境，例如高分辨率和强深度对比的宽屏电视机、裸眼3D电视机以及在虚拟现实和游戏中所使用的头戴式显示器。此外，伴随视频处理和计算机图形学技术的发展，出现了大量的包含复杂且频繁的视点运动的新颖的图像，例如裸眼3D手机壳，这些是传统摄像技术所不能实现的。这些技术的发展与运用，使得图像不再仅仅局限于显示器的平面上，而是体现出图像的深度感、层次感、真实感以及图像的显示分布情况，使画面变得立体逼真，带给了观众人们前所未有的观影体验。与此同时，伴随这些技术的不断发展与成熟，立体显示技术在现代医疗、军事国防、教育教学、智能家居等许多领域也获得了巨大的运用和推广。先进的显示技术因其强烈的立体感和沉浸感，很大程度上推进了其在各个领域的应用与发展，但也存在一定的弊端，最突出的问题就是在观影过程中往往会引发视觉诱导晕动症(visuallyinducedmotionsickness,VIMS)，包括视觉疲劳、视力模糊、复视、恶心、呕吐、眩晕等症状，这些都严重威胁着人们的身体健康，同时也阻碍了显示技术的进一步发展与推广。为了降低视觉诱导晕动症所带来的风险，有必要分析造成视觉诱导晕动症的因素与条件。而为了实现这一目的，必须首先探寻出一种可以定量评估视觉诱导晕动症影响的方法。在视觉诱导晕动症评估方法方面，较为主流的方法是主观分析法和主客观相结合的分析法。主观分析法就是受试者在实验过程中，依据模拟晕动症问卷(SimulatorSicknessQuestion，SSQ)中的问题及级别划分来作答，以完成对自身晕动级别的评估。Kennedy等人提出的模拟器疾病问卷(SSQ,simulatorsicknessquestionnaire)是一种非常有效的评估VIMS的方法。大量研究都采用了这种问卷调查方法，并且证明通过该方法所得到的分数对于评估视觉诱导晕动症水平是较为有效的。然而，这种方法的弊端在于其所获得的结果对于受试者个人心理基准和偏好有着较大的依赖，因此会存在较大的个体差异性。此外，这种问卷调查方法很难实现对晕动水平的实时测量，这一缺点使得构建自动VIMS评估系统很难实现。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于脑电信号KC复杂度的视觉诱导晕动症检测方法，通过分析脑电信号的KC复杂度，来实现对视觉诱导晕动症的实时检测。为实现上述专利技术目的，本专利技术基于脑电信号KC复杂度的视觉诱导晕动症检测方法包括以下步骤：S1：在用户的左右额叶区、左右颞叶区分别设置一个脑电信号传感器，分别采集用户在正常阶段(未使用立体视觉设备)的脑电信号EEG0和检测阶段(使用立体视觉设备过程中)的脑电信号EEG1，其中每个脑电信号分别包括3个通道的脑电信号表示正常阶段脑电信号，i＝1表示检测阶段脑电信号，分别表示用户左额叶区和右额叶区的脑电信号，分别表示用户左颞叶区的脑电信号；S2：对于每个脑电信号计算其KC复杂度共计得到3对KC复杂度S3：根据步骤S2获取的3对KC复杂度分别计算每对KC复杂度之间的相对比例如果Δj小于预设阈值TH1，则判定根据该脑电信号得到的视觉诱导晕动症检测结果标识Pi＝1，否则Pi＝0；当Pi＝1的脑电信号数量大于预设阈值TH2时，判定该用户在检测阶段出现视觉诱导晕动症现象，否则未出现。本专利技术基于脑电信号KC复杂度的视觉诱导晕动症检测方法，在用户的左右额叶区、左颞叶区分别设置一个脑电信号传感器，分别采集用户在正常阶段和检测阶段的三个通道脑电信号，计算出每个脑电信号的KC复杂度，当正常阶段与检测阶段的检测信号差异较大时判定出现视觉诱导晕动症现象，从而实现视觉诱导晕动症的检测。附图说明图1是基于脑电信号KC复杂度的视觉诱导晕动症检测方法的具体实施方式流程图；图2是Muse可穿戴设备的电极位置示意图；图3是基于虚拟现实的主动式汽车驾驶模拟器图；图4是受试者在实验过程中的主观VIMSL变化图；图5是本实施例10次实验数据中3对脑电信号KC复杂度的实验数据散点图；图6是本实施例10次实验数据中视觉诱导晕动症前后的KC复杂度变化图。具体实施方式下面结合附图对本专利技术的具体实施方式进行描述，以便本领域的技术人员更好地理解本专利技术。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本专利技术的主要内容时，这些描述在这里将被忽略。实施例图1是基于脑电信号KC复杂度的视觉诱导晕动症检测方法的具体实施方式流程图。如图1所示，本专利技术基于脑电信号KC复杂度的视觉诱导晕动症检测方法包括以下步骤：S101：采集脑电信号：在用户的左右额叶区、左颞叶区分别设置一个脑电信号传感器，分别采集用户在正常阶段(未使用立体视觉设备)的脑电信号EEG0和检测阶段(使用立体视觉设备过程中)的脑电信号EEG1，其中每个脑电信号分别包括3个通道的脑电信号表示正常阶段脑电信号，i＝1表示检测阶段脑电信号，分别表示用户左额叶区和右额叶区的脑电信号，分别表示用户左颞叶区的脑电信号。S102：计算脑电信号KC复杂度：对于每个脑电信号计算其KC复杂度共计得到3对KC复杂度复杂度的概念是在1965年由Kolmgorov首先提出，一般是用描述某个事务的计算机语言长度来衡量，通常认为描述一件事务的计算机语言长度越长，该事物就越复杂。目前所用的KC复杂度概念实际上指的是Lempel—Ziv复杂度(lempel—zivcomplexity，LZC)。LZC定义的是随机序列的复杂性，认为复杂性反映的是时间序列随着长度变长呈现新模式的快慢，该方法是针对有限长序列提出的一种判别序列随机程度的手段。两者的区别在于：Kolmogorov复杂度算法目前只是一种思想，而LZC为其简化模型，在数学上将Kolmogorov复杂度的可计算性变为现实。因此本实施例中将LZC复杂度作为KC复杂度。LZC是一种针对时间序列分析而出现的模型独立的非线性测度方法，表示呈现不重复模式的速度，LZC值越大则说明时间序列呈现新模式的概率也越大，同时也说明动力学行为越复杂。任何影响模式的变化，只有真正影响到了底层系统才可能引起LZC变化。而LZC的变化并不取决于系统是随机的还是确定的。脑电信号已经被证明来自于一个即非随机又非混沌的动力学系统，因此使用LZC分析脑电信号是合理的。本专利技术经过研究发现，当用户发生视觉诱导晕动症时，左额叶区、右额叶区和左颞叶区的脑电信号KC复杂度会降低，因此可以通过比较检测阶段和正常阶段中脑电信号的KC复杂度的大小，就可以检测用户是否发生了视觉诱导晕动症。本实施例中计算KC复杂度的具体方法如下：对于脑电信号采用长度为N的滑动窗口对脑电信号进行遍历，计算每次滑动所得到的数据序列的LZC复杂度，将遍历得到的所有LZC复杂度进行平均，将平均值作为脑电信号的LZC复杂度LZC复杂度的计算方法一般包括三个步骤：时间序列重构；扫描重构序列，得到不重复子序列数量，即计算KC值；最后归一化求得KC复杂度。S103：视觉诱导晕动症检测：根据步骤S102获取的3对KC复杂度分别计算每本文档来自技高网...

【技术保护点】
1.一种基于脑电信号KC复杂度的视觉诱导晕动症检测方法，其特征在于，包括以下步骤：S1：在用户的左右额叶区、左右颞叶区分别设置一个脑电信号传感器，分别采集用户在正常阶段(未使用立体视觉设备)的脑电信号EEG

【技术特征摘要】
1.一种基于脑电信号KC复杂度的视觉诱导晕动症检测方法，其特征在于，包括以下步骤：S1：在用户的左右额叶区、左右颞叶区分别设置一个脑电信号传感器，分别采集用户在正常阶段(未使用立体视觉设备)的脑电信号EEG0和检测阶段(使用立体视觉设备过程中)的脑电信号EEG1，其中每个脑电信号分别包括3个通道的脑电信号表示正常阶段脑电信号，i＝1表示检测阶段脑电信号，分别表示用户左额叶区和右额叶区的脑电信号，分别表示用户左颞叶区的脑电信号；S2：对于每个脑电信号计算其KC复杂度共计得到3对KC复杂度S3：根据步骤S2获取的3对KC复杂度分别计算每对KC复杂度之间的相对比例如果Δj小于预设阈值TH1，则判定根据该脑电信号得到的视觉诱导...

【专利技术属性】
技术研发人员：刘然，郑杨婷，田逢春，张艳珍，刘亚琼，赵洋，李德豪，刘明明，
申请(专利权)人：成都美律科技有限公司，重庆大学，
类型：发明
国别省市：四川,51