[發明專利]基于EOG的中文眼寫信號識別系統及其識別方法

有效

• 申請號: 201811025755.1
• 申請日: 2018-09-04
• 公開（公告）號: CN109308118B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 呂釗;丁曉娟;張超;吳小培;郭曉靜;周蚌艷;張磊;高湘萍
• 申請（專利權）人: 安徽大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06F3/023;G06K9/00
• 代理公司: 合肥市上嘉專利代理事務所(普通合伙) 34125
• 代理人: 李璐

1.一種基于EOG的中文眼寫信號識別方法，包括以下步驟：

S1：采集基于眼電圖的中文眼寫數據并對數據進行預處理；

S2：將預處理后的數據分為模板數據和漢字筆畫數據兩部分：

所述模板數據為采用滑動窗檢測眨眼方法將連續的筆畫模板數據分割為橫、豎、撇、捺、折五個模板筆畫段數據；

所述漢字筆畫數據為預處理后的原始多導聯數據通過滑動窗檢測眨眼方法分割為漢字筆畫段數據；

S3：將橫、豎、撇、捺、折五個模板筆畫段和漢字筆畫段數據均送入基于DTW的分類器中進行筆畫識別，并用softmax算法處理識別結果得到識別的筆畫段序列的概率分布；具體步驟包括：

S3.1：假設有一個總筆畫數為m的漢字，s_i表示第i個筆畫，t_j表示第j個模板(1≤i≤m，1≤j≤5)，漢字每個筆畫(s_i)與5個模板筆畫匹配，并使用DTW方法計算相似度：

p(s_i，t_j)＝1-dtw(s_i，t_j)/max_1≤k≤5(dtw(s_i，t_k)) (1)

在等式(1)中，dtw(s_i，t_j)是通過DTW方法計算的累積距離，p(s_i，t_j)表示筆畫s_i被分類為模板t_j的概率，反映漢字筆畫段s_i與模板筆畫段t_j之間的相似度；

S3.2：漢字所有筆畫的p(s_i，t_j)被組合在一起得到相似度矩陣P：

p_i＝[p(s_i，t₁)，p(s_i，t₂)，...，p] (3)

其中，p_i是第i個筆畫被分為五個模板筆畫的概率分布；

S3.3：采用softmax算法方法處理相似度，使DTW計算的相似度成為概率分布矩陣Q，如公式(4)和(5)所示：

式子(5)中，Q表示漢字的m個筆畫的識別概率分布矩陣；

S4：建立漢字字庫并用one-hot編碼后，將步驟S3得到的筆畫段序列的概率分布與編碼的同筆畫漢字匹配，以獲得最終的預測中文漢字。

2.根據權利要求1所述的基于EOG的中文眼寫信號識別方法，其特征在于，步驟S1中的預處理過程為對原始多導聯眼電數據進行帶通濾波，帶通濾波的截止頻率為0.1-8Hz。

3.根據權利要求1所述的基于EOG的中文眼寫信號識別方法，其特征在于，步驟S2中，滑動窗檢測眨眼方法包括以下步驟：

S2.1：取采集電極HEOR和HEOL之間的電位差作為水平EOG信號，采集電極VEOU和VEOD之間的差值作為垂直EOG信號，通過滑動窗口處理濾波的垂直EOG信號；

S2.2：設置動態閾值amp并初始化，動態閾值的取值范圍為(180+M)～(250+M)，其中M是滑動窗口中所有EOG幅度值取平均的結果；將當前滑動窗口中每個EOG樣本的幅度與動態閾值amp進行比較，若高于amp，則在眨眼段中相應的點將被標記為眨眼點，否則為一個非眨眼點，然后通過逐個移動樣本點來更新滑動窗口中的數據；

S2.3：重復步驟S2.2，直到滑動窗口移動到EOG信號的末尾；

S2.4：當檢測到連續EOG信號時，使用眨眼段將連續EOG信號分成一系列筆劃段，以此獲得模板筆畫段和漢字筆畫段數據。