【技术实现步骤摘要】
本专利技术属于深度学习领域，具体是一种基于深度神经网络的注意状态检测方法。
技术介绍
1、注意是人类的一种心理活动，是对一定对象的指向和集中；注意力就是将心理活动指向和集中于一定对象的能力。
2、注意是一个动态的过程，注意可分为投入状态(on-task)、冲动状态(impulsive)、分心状态(distracted)、随机状态(random)四种状态如图1所示。其中x＝1-tn/n，y＝tp/p，而n为非目标数量，tn为将非目标识别为非目标的数量，p为目标数量，tp为将目标识别为目标的数量。
3、研究表明，人注意状态及其转换模式与小儿多动症、自闭症等精神类疾病具有较的对应关系。因此注意状态的检测具有重要意义。但目前注意状态的检测需要定制的设备，价格昂贵，而且不精确。
技术实现思路
1、本专利技术的目的是提供一种便宜的精确检测方法，采用一台含摄像头的通用电脑，就实现个人注意状态的客观检测，为医学诊断提供依据。
2、为达到上述目的，本专利技术所述的一种基于深度神经网络的注意状态检测方法，包括以下步骤：
3、步骤一，视频采集、人脸检测f并调用算法g_f得到注意信号s(t)；
4、步骤二，统计s(t)的标准差svariance和变化速度的均值vmean，通过注意状态判别方法得到注意的状态。
5、对于步骤一中视频采集、人脸检测f并调用算法g_f得到注意信号s(t)，具体采用以下步骤：
6、(1)对输入的视频
7、(2)对f调用算法g_f得到注意信号s(t)，具体采用以下公式为：
8、s(t)＝g_f(f)
9、其中，g_f为一种基于深度学习的注意力检测方法。
10、对于步骤二中的统计s(t)的标准差svariance和变化速度的均值vmean，通过注意状态判别方法得到注意的状态，注意状态判别方法具体采用以下步骤：
11、(1)当svariance≤th1,断定为专注；
12、(2)当th1＜svariance≤th2和th3＜vmean≤th4,断定分心；
13、(3)当th5≤svariance和th6≤vmean,断定为冲动；
14、(4)如果都不是，就断定为随机。
本文档来自技高网...【技术保护点】
1.一种基于深度神经网络的注意状态检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度神经网络的注意状态检测方法，其特征在于，步骤一中视频采集、人脸检测F并调用算法G_F得到注意信号s(t)，具体采用以下步骤：
3.根据权利要求1所述的一种基于深度神经网络的注意状态检测方法，其特征在于，步骤二中的统计s(t)的标准差svariance和变化速度的均值vmean，通过注意状态判别方法得到注意的状态，注意状态判别方法具体采用以下步骤：
【技术特征摘要】
1.一种基于深度神经网络的注意状态检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度神经网络的注意状态检测方法，其特征在于，步骤一中视频采集、人脸检测f并调用算法g_f得到注意信号s(t)，具体采用以下步骤...
【专利技术属性】
技术研发人员：刘丹平，曾靖涵，宋俊毅，唐瑞君，刘箫，张劲松，聂海鹏，何梓荣，张峰鸣，陈卓，李佩烜，唐浩文，陈楚月，王源，张睿彦，叶博豪，乔嘉玮，马旭霆，曹湘雪，张晋宁，夏浩鹏，田源棋，李梓轩，覃文香，张奇阳，崔文娟，温文鑫，廖梦杰，蒋师，王陈希，包政，
申请(专利权)人：重庆大学，
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。