本发明专利技术公开了一种基于多种生理特征的错误及错误意识预警方法及装置，其中，方法包括以下步骤：同步采集作业人员的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据；对同步采集的数据进行数据处理，提取脑电特征、皱眉肌电特征、眼动特征和表情特征，并将提取的脑电特征、皱眉肌电特征、眼动特征和表情特征融合生成生理行为特征集；基于生理行为特征集多阶段多类型预测得到作业人员的错误阶段和错误意识类型，并基于错误阶段和错误类型匹配当前错误及错误意识对应的错误报警等级及报警动作，以进行错误预警。该方法通过多种生理特征可以有效提高错误及错误意识预警的准确性，以对作业人员的行为进行有效监测，大大降低错误重复发生的可能性。误重复发生的可能性。误重复发生的可能性。
【技术实现步骤摘要】
基于多种生理特征的错误及错误意识预警方法及装置
[0001]本专利技术涉及生命科学
，特别涉及一种基于多种生理特征的错误及错误意识预警方法及装置。
技术介绍
[0002]行为监测的功能是评估行动并允许灵活地调整行为，它是认知控制的基本机制。行为监测与内侧额叶皮层，特别是前扣带皮层的活动有关。该机制不仅包括行为错误或冲突的识别，还包括随后的行为调整，以纠正任何此类识别的问题，并使行为更符合意图。
[0003]因此，行为监测的参与度和效率对于降低错误重复发生的可能性至关重要,行为监测的短暂脱离或低效已被认为是导致后续反应准确度降低的因素之一。
技术实现思路
[0004]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]为此，本专利技术的一个目的在于提出一种基于多种生理特征的错误及错误意识预警方法，通过多种生理特征可以有效提高错误及错误意识预警的准确性，以对作业人员的行为进行有效监测，大大降低错误重复发生的可能性。
[0006]本专利技术的另一个目的在于提出一种基于多种生理特征的错误及错误意识预警装置。
[0007]为达到上述目的，本专利技术一方面实施例提出了一种基于多种生理特征的错误及错误意识预警方法，包括以下步骤：同步采集作业人员的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据；对同步采集的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据进行数据处理，提取脑电特征、皱眉肌电特征、眼动特征和表情特征，并将提取的脑电特征、皱眉肌电特征、眼动特征和表情特征融合生成生理行为特征集；基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误阶段和错误意识类型，并基于所述错误阶段和所述错误类型匹配当前错误及错误意识对应的错误报警等级及报警动作，以进行错误预警。
[0008]本专利技术实施例的基于多种生理特征的错误及错误意识预警方法，可以基于同步采集的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据的处理与分析结果，对作业人员的行为进行错误及错误意识预测，且可以实现错误预警，从而通过多种生理特征可以有效提高错误及错误意识预警的准确性，以对作业人员的行为进行有效监测，大大降低错误重复发生的可能性。
[0009]另外，根据本专利技术上述实施例的基于多种生理特征的错误及错误意识预警方法还可以具有以下附加的技术特征：
[0010]进一步地，所述基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误阶段和错误意识类型，还包括：当所述生理行为特征集对应的时间处于第一区间时，确定所述错误阶段为错误试次阶段；当所述生理行为特征集对应的时间处于第二区间时，确定所述错误阶段为错误试次前阶段；当所述生理行为特征集对应的时间处于第三区间时，
确定所述错误阶段为错误前试次阶段，其中，所述第一区间的最小值大于所述第二区间的最大值，所述第二区间的最小值大于所述第三区间的最大值。
[0011]进一步地，基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误意识类型，包括：当所述行为特征集的特征值大于第一阈值时，判定所述错误意识类型为意识到错误类型；当所述行为特征集的特征值小于第二阈值时，判定所述错误意识类型为未意识到无误类型，其中，所述第一阈值大于所述第二阈值；当所述行为特征集的特征值小于或等于第一阈值、且大于或等于第二阈值时，判定所述错误意识类型为不确定类型。
[0012]进一步地，还包括：获取测试数据中的不同作业操作结果错误前试次的生理行为特征，以作为基础阈值；获取将所述作业人员在作业操作之后的生理行为特征和前次试次生理行为特征，基于所述作业操作之后的生理行为特征、前次试次生理行为特征和所述基础阈值进行AI训练，以调整所述生理行为特征阈值。
[0013]进一步地，在基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误阶段和错误意识类型之前，还包括：基于单试次分析的机器学习方法预测下一试次错误及错误状态；单试次提取不同错误意状态对应的前试次生理行为特征，并利用多个预测模型逐一对所述前试次生理行为特征进行训练，以建立错误及错误意识分类模型，其中，所述分类模型用于多阶段多类型预测。
[0014]为达到上述目的，本专利技术另一方面实施例提出了一种基于多种生理特征的错误及错误意识预警装置，包括：采集模块，用于同步采集作业人员的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据；处理模块，用于对同步采集的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据进行数据处理，提取脑电特征、皱眉肌电特征、眼动特征和表情特征，并将提取的脑电特征、皱眉肌电特征、眼动特征和表情特征融合生成生理行为特征集；预测模块，用于基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误阶段和错误意识类型；报警模块，用于基于所述错误阶段和所述错误类型匹配当前错误及错误意识对应的错误报警等级及报警动作，以进行错误预警。
[0015]本专利技术实施例的基于多种生理特征的错误及错误意识预警装置，可以基于同步采集的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据的处理与分析结果，对作业人员的行为进行错误及错误意识预测，且可以实现错误预警，从而通过多种生理特征可以有效提高错误及错误意识预警的准确性，以对作业人员的行为进行有效监测，大大降低错误重复发生的可能性。
[0016]另外，根据本专利技术上述实施例的基于多种生理特征的错误及错误意识预警装置还可以具有以下附加的技术特征：
[0017]进一步地，所述预测模块还包括：第一阶段预测单元，用于在所述生理行为特征集对应的时间处于第一区间时，确定所述错误阶段为错误试次阶段；第二阶段预测单元，用于在所述生理行为特征集对应的时间处于第二区间时，确定所述错误阶段为错误试次前阶段；第三阶段预测单元，用于在所述生理行为特征集对应的时间处于第三区间时，确定所述错误阶段为错误前试次阶段，其中，所述第一区间的最小值大于所述第二区间的最大值，所述第二区间的最小值大于所述第三区间的最大值。
[0018]进一步地，所述预测模块还包括：第一类型预测单元，用于在所述行为特征集的特征值大于第一阈值时，判定所述错误意识类型为意识到错误类型；第二类型预测单元，用于
在所述行为特征集的特征值小于第二阈值时，判定所述错误意识类型为未意识到无误类型，其中，所述第一阈值大于所述第二阈值；第三类型预测单元，用于在所述行为特征集的特征值小于或等于第一阈值、且大于或等于第二阈值时，判定所述错误意识类型为不确定类型。
[0019]进一步地，还包括：阈值调整模块，用于获取测试数据中的不同作业操作结果错误前试次的生理行为特征，以作为基础阈值；获取将所述作业人员在作业操作之后的生理行为特征和前次试次生理行为特征，基于所述作业操作之后的生理行为特征、前次试次生理行为特征和所述基础阈值进行AI训练，以调整所述生理行为特征阈值。
[0020]进一步地，还包括：建模模块，用于基于单试次分析的机器学习方法预测下一试次错误及错误状态，单试次提取不同错误意状态对应的前试次生理行为特征，并利本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多种生理特征的错误及错误意识预警方法，其特征在于，包括以下步骤：同步采集作业人员的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据；对同步采集的脑电数据、皱眉肌电数据、眼动数据和面部微表情数据进行数据处理，提取脑电特征、皱眉肌电特征、眼动特征和表情特征，并将提取的脑电特征、皱眉肌电特征、眼动特征和表情特征融合生成生理行为特征集；以及基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误阶段和错误意识类型，并基于所述错误阶段和所述错误类型匹配当前错误及错误意识对应的错误报警等级及报警动作，以进行错误预警。2.根据权利要求1所述的方法，其特征在于，基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误阶段，还包括：当所述生理行为特征集对应的时间处于第一区间时，确定所述错误阶段为错误试次阶段；当所述生理行为特征集对应的时间处于第二区间时，确定所述错误阶段为错误试次前阶段；当所述生理行为特征集对应的时间处于第三区间时，确定所述错误阶段为错误前试次阶段，其中，所述第一区间的最小值大于所述第二区间的最大值，所述第二区间的最小值大于所述第三区间的最大值。3.根据权利要求1所述的方法，其特征在于，基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误意识类型，包括：当所述行为特征集的特征值大于第一阈值时，判定所述错误意识类型为意识到错误类型；当所述行为特征集的特征值小于第二阈值时，判定所述错误意识类型为未意识到无误类型，其中，所述第一阈值大于所述第二阈值；当所述行为特征集的特征值小于或等于第一阈值、且大于或等于第二阈值时，判定所述错误意识类型为不确定类型。4.根据权利要求3所述的方法，其特征在于，还包括：获取测试数据中的不同作业操作结果错误前试次的生理行为特征，以作为基础阈值；获取将所述作业人员在作业操作之后的生理行为特征和前次试次生理行为特征，基于所述作业操作之后的生理行为特征、前次试次生理行为特征和所述基础阈值进行AI训练，以调整所述生理行为特征阈值。5.根据权利要求1所述的方法，其特征在于，在基于所述生理行为特征集多阶段多类型预测得到所述作业人员的错误阶段和错误意识类型之前，还包括：基于单试次分析的机器学习方法预测下一试次错误及错误状态；单试次提取不同错误意状态对应的前试次生理行为特征，并利用多个预测模型逐一对所述前试次生理行为特征进行训练，以建立错误及错误意识分类模型，其中，所述分类模型用于多阶段多类型预测。6.一种基于多种生理特征...
【专利技术属性】
技术研发人员：肖毅，吴锦涛，
申请(专利权)人：中国人民解放军六三九一九部队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。