特殊行业目标感知技能的敏感性评估方法、设备及介质技术

本申请公开了一种特殊行业目标感知技能的敏感性评估方法、设备及介质，属于数据识别技术领域，用于解决难以从候选用户中有效选拔出更适合特殊行业的用户的问题，方法包括：通过目标感知技能评估装置，获取用户在预设时长内的各组多模态数据；多模态数据包括瞳孔扩张数据、心率数据以及心率变异性数据；通过梅尔频率倒谱系数模型，对多模态数据进行信号处理，得到归一化多模态数据；通过支持向量机模型与归一化多模态数据，识别用户在各组的反应是否属于新异性刺激，得到识别结果；确定用户所处于的指定行业，针对指定行业，根据预先构建的知识图谱与识别结果，对用户进行目标感知技能评估。能够更加地有效评估用户感知目标的敏感性能力。敏感性能力。敏感性能力。

【技术实现步骤摘要】
特殊行业目标感知技能的敏感性评估方法、设备及介质


[0001]本申请涉及数据识别
，尤其涉及一种特殊行业目标感知技能的敏感性评估方法、设备及介质。

技术介绍

[0002]在特殊行业中，例如，探测器监控人员、特殊设备操作人员，需要对探测器或者监测设备的信号提示具有较强的敏感性与目标识别技能。比如，雷达部队的信号兵的主要任务是在各种气象条件下,不间断地探测、跟踪和识别空中目标，需要具备较强的目标感知技能。
[0003]目前，在特殊行业中的目标感知技能的选拔中，其中，目标感知技能主要表现为在特定目标刺激物出现时，在时间间隔（越快越好）和物理范围（越广越好）上的敏感性和目标识别能力。由于通常从候选用户中筛选出更适合的用户时，通常需要结合用户的过往经验或者让用户模拟岗位任务，对用户的目标感知技能进行人工评估，并且对目标感知技能的评估是多维度的，但是，由于时间有限，对用户的了解不够全面，难以有效选拔出更加适合特殊行业的用户。

技术实现思路

[0004]本申请实施例提供一种特殊行业目标感知技能的敏感性评估方法、设备及介质，用于解决难以有效选拔出更加适合特殊行业的用户的问题。
[0005]本申请实施例采用下述技术方案：一方面，本申请实施例提供了一种特殊行业目标感知技能的敏感性评估方法，该方法包括：通过目标感知技能评估装置，获取用户在预设时长内的各组多模态数据；所述多模态数据包括瞳孔扩张数据、心率数据以及心率变异性数据；通过梅尔频率倒谱系数模型，对所述多模态数据进行信号处理，得到归一化多模态数据；通过预先构建的支持向量机模型与所述归一化多模态数据，识别所述用户在各组的反应是否属于新异性刺激，得到识别结果；确定所述用户所处于的指定行业，针对于所述指定行业，根据预先构建的知识图谱与所述识别结果，对所述用户进行目标感知技能评估。
[0006]一个示例中，所述所述通过目标感知技能评估装置，获取用户在预设时长内的各组多模态数据，具体包括：在所述目标感知技能评估装置的用户交互界面中，生成目标刺激物；以所述用户交互界面的中心位置为圆心，以预设半径进行画圆，确定目标感知区域，以将所述目标刺激物沿着所述目标感知区域的闭合曲线进行移动；每隔预设时间间隔，将所述预设半径以第一预设数值依次进行增加，以对所述目标感知区域进行更新；在对所述目标感知区域更新时，将所述目标刺激物的亮度以第二预设数值依次进行降低，将所述目标刺激物的移动速度以第三预设数值依次进行增加，以通过所述目标感知技能评估装置，获取用户在感知所述用户交互界面的各组多模态数据。
[0007]一个示例中，所述通过梅尔频率倒谱系数模型，对所述多模态数据进行信号处理，
得到归一化多模态数据，具体包括：针对于各组所述多模态数据，分别确定所述瞳孔扩张数据、所述心率数据以及所述心率变异性数据的各时间序列分布数据；根据所述时间序列分布数据的预设权重，对所述时间序列分布数据进行分帧预处理，确定所述时间序列分布数据的帧数数据与帧移数据；根据预设窗函数，对所述帧数数据与帧移数据进行加窗，得到连续信号；对所述连续信号进行傅里叶变换与梅尔滤波器组处理，建立所述连续信号的频率在指定距离上的映射关系；对所述映射关系进行余弦变换处理，得到归一化时间序列分布数据；根据各所述归一化时间序列分布数据，确定所述归一化多模态数据。
[0008]一个示例中，所述根据预先构建的知识图谱与所述识别结果，对所述用户进行目标感知技能评估，具体包括：将识别结果属于新异性刺激的每组多模态数据，标记为反应组；按照生成各组多模态数据的时间顺序，依次对各组多模态数据进行组合，得到多个组合；其中，每个组合中的组数量相差小于预设阈值；分别确定所述多个组合中反应组的比例，并根据所述比例确定各组合的反应率；根据预先构建的决策树与所述各组合的反应率，对所述用户进行目标感知技能评估；其中，将各组合的反应率作为节点，将各节点之间的关联作为边，构建决策树。
[0009]一个示例中，所述根据预先构建的决策树与所述各组合的反应率，对所述用户进行目标感知技能评估，具体包括：在所述决策树中，确定第一组合的反应率高于第二组合的反应率，所述第二组合的反应率高于第三组合的反应率；其中，所述第一组合中的各组多模态数据的时间顺序早于所述第二组合中的各组多模态数据的时间顺序，所述第二组合中的各组多模态数据的时间顺序早于所述第三组合中的各组多模态数据的时间顺序；若所述第一组合的反应率、所述第二组合的反应率以及所述第三组合的反应率越高，则将所述评估结果确定为所述用户的目标感知技能等级越高；所述目标感知技能等级越高，则表示所述用户的目标感知技能越强。
[0010]一个示例中，所述若所述第一组合的反应率、所述第二组合的反应率以及所述第三组合的反应率越高，则将所述评估结果确定为所述用户的目标感知技能等级越高，具体包括：若所述第一组合的反应率高于第一预设阈值，所述第二组合的反应率高于所述第一预设阈值，所述第三组合的反应率高于第二预设阈值，则将所述评估结果确定为所述用户的目标感知技能等级为技能优秀；和/或若所述第一组合的反应率高于所述第一预设阈值，所述第二组合的反应率高于第三预设阈值，所述第三组合的反应率高于第四预设阈值，则将所述评估结果确定为所述用户的目标感知技能等级为技能良好；所述第三预设阈值低于所述第二预设阈值，所述第四阈值低于所述第三阈值；和/或若所述第一组合的反应率高于所述第一预设阈值，所述第二组合的反应率高于第五预设阈值，所述第三组合的反应率高于第六预设阈值，则将所述评估结果确定为所述用户的目标感知技能等级为技能合格；所述第五预设阈值低于所述第四预设阈值，所述第六阈值低于所述第五阈值；和/或若所述第一组合的反应率高于所述第二预设阈值，所述第二组合的反应率低于第七预设阈值，所述第三组合的反应率低于所述第六预设阈值，则将所述评估结果确定为所述用户的目标感知技能等级为技能不合格；所述第七预设阈值高于所述第六预设阈值，且低于所述第五预设阈值。
[0011]一个示例中，所述通过预先构建的支持向量机模型与所述归一化多模态数据，识别所述用户在各组的反应是否属于新异性刺激，得到识别结果之前，所述方法还包括：确定
样本用户对应的归一化样本多模态数据；将所述归一化样本模态数据作为输入数据，将所述归一化样本模态数据的识别结果的二分类变量作为输出数据；所述识别结果包括是否属于新异性刺激；确定所述输入数据与所述输出数据之间的关联关系；根据所述输入数据、所述输出数据以及所述关联关系，对所述支持向量机分类器进行训练，直至损失函数最小化；通过验证集对训练的支持向量机分类器进行验证，在验证通过时，得到所述支持向量机模型。
[0012]一个示例中，所述方法还包括：所述目标感知技能评估装置包括眼动仪、显示屏、监拍设备；所述眼动仪与所述显示屏连接，所述眼动仪佩戴于所述用户的头部指定位置，所述显示屏用于显示所述用户交互界面，通过用户佩戴所述眼动仪感知所述用户交互界面，获取所述用户的瞳孔扩张数据；以及所述监拍设备安装于所述用户所处于位置的预设范围内，通过所述监拍本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特殊行业目标感知技能的敏感性评估方法，其特征在于，所述方法包括：通过目标感知技能评估装置，获取用户在预设时长内的各组多模态数据；所述多模态数据包括瞳孔扩张数据、心率数据以及心率变异性数据；通过梅尔频率倒谱系数模型，对所述多模态数据进行信号处理，得到归一化多模态数据；通过预先构建的支持向量机模型与所述归一化多模态数据，识别所述用户在各组的反应是否属于新异性刺激，得到识别结果；确定所述用户所处于的指定行业，针对于所述指定行业，根据预先构建的知识图谱与所述识别结果，对所述用户进行目标感知技能评估。2.根据权利要求1所述的方法，其特征在于，所述通过目标感知技能评估装置，获取用户在预设时长内的各组多模态数据，具体包括：在所述目标感知技能评估装置的用户交互界面中，生成目标刺激物；以所述用户交互界面的中心位置为圆心，以预设半径进行画圆，确定目标感知区域，以将所述目标刺激物沿着所述目标感知区域的闭合曲线进行移动；每隔预设时间间隔，将所述预设半径以第一预设数值依次进行增加，以对所述目标感知区域进行更新；在对所述目标感知区域更新时，将所述目标刺激物的亮度以第二预设数值依次进行降低，将所述目标刺激物的移动速度以第三预设数值依次进行增加，以通过所述目标感知技能评估装置，获取所述用户在感知所述目标刺激物沿着所述目标感知区域的闭合曲线进行移动时的各组多模态数据。3.根据权利要求1所述的方法，其特征在于，所述通过梅尔频率倒谱系数模型，对所述多模态数据进行信号处理，得到归一化多模态数据，具体包括：针对于各组所述多模态数据，分别确定所述瞳孔扩张数据、所述心率数据以及所述心率变异性数据的各时间序列分布数据；根据所述时间序列分布数据的预设权重，对所述时间序列分布数据进行分帧预处理，确定所述时间序列分布数据的帧数数据与帧移数据；根据预设窗函数，对所述帧数数据与帧移数据进行加窗，得到连续信号；对所述连续信号进行傅里叶变换与梅尔滤波器组处理，建立所述连续信号的频率在指定距离上的映射关系；对所述映射关系进行余弦变换处理，得到归一化时间序列分布数据；根据各所述归一化时间序列分布数据，确定所述归一化多模态数据。4.根据权利要求1所述的方法，其特征在于，所述根据预先构建的知识图谱与所述识别结果，对所述用户进行目标感知技能评估，具体包括：将识别结果属于新异性刺激的每组多模态数据，标记为反应组；按照生成各组多模态数据的时间顺序，依次对各组多模态数据进行组合，得到多个组合；其中，每个组合中的组数量相差小于预设阈值；分别确定所述多个组合中反应组的比例，并根据所述比例确定各组合的反应率；根据预先构建的决策树与所述各组合的反应率，对所述用户进行目标感知技能评估；其中，通过将各组合的反应率作为节点，将各节点之间的关联作为边，构建决策树。
5.根据权利要求4所述的方法，其特征在于，所述根据预先构建的决策树与所述各组合的反应率，对所述用户进行目标感知技能评估，具体包括：在所述决策树中，确定第一组合的反应率高于第二组合的反应率，所述第二组合的反应率高于第三组合的反应率；其中，所述第一组合中的各组多模态数据的时间顺序早于所述第二组合中的各组多模态数据的时间顺序，所述第二组合中的各组多模态数据的时间顺序早于所述第三组合中的各组多模态数据的时间顺序；若所述第一组合的反应率、所述第二组合的反应率以及所述第三组合的反应率越高，则将所述评估结果确定为所述用户的目标感知技能等级越高；所述目标感知技能等级越高，则表示所述用户的目标感知技能越强。6.根据权利要求5所述的方法，其特征在于，所述若所述第一组合的反应率、所述第二组合的反应率以及所述第三组合的反应率越高，则将所述评估结果确定为所述用户的目标感知技能等级越高，具体包括：若所述第一组合的反应率高于第一预设阈值，所述第二组合的反应率高于所述第一预设阈值，所述第三组合的反应率高于第二预设...

【专利技术属性】
技术研发人员：宋业臻，肖维斌，韩伟，曲继新，
申请(专利权)人：山东心法科技有限公司，
类型：发明
国别省市：