[发明专利]基于EEG技术对立体深度运动引起的视觉疲劳分析方法

摘要

本发明涉及一种基于EEG技术对立体深度运动引起的视觉疲劳分析方法，包括以下步骤：一定时长的立体深度运动视频的制作，运动速度分为慢、中、快三种；对主观评分标准进行划分；对被试者的主观评价结果进行分析，包括各项主观评分单因素方差分析以及出现的普遍性分析；采集各个被试疲劳前后的脑电信号，经过预处理后，分别提取各个电极上脑电信号的θ、α、β3个基本波段及相对能量及能量比值(α+θ)/β、α/β、θ/β、(α+θ)/(α+β)、α/θ、θ/(α+β)；进行适用于评估视觉疲劳脑电特征的筛选。

主权项

1.一种基于EEG技术对立体深度运动引起的视觉疲劳分析方法，包括以下步骤：1)一定时长的立体深度运动视频的制作，运动速度分为慢、中、快三种，每种各两个，分别为32cm/s、52cm/s、96cm/s、128cm/s、192cm/s、256cm/s；2)对主观评分标准进行划分，分为五个等级1：无；2:轻微；3：一般；4：严重；5：非常严重；3)对被试者的主观评价结果进行分析，包括各项主观评分单因素方差分析以及出现的普遍性分析；4)采集各个被试疲劳前后的脑电信号，经过预处理后，分别提取各个电极上脑电信号的θ、α、β3个基本波段及相对能量及能量比值(α+θ)/β、α/β、θ/β、(α+θ)/(α+β)、α/θ、θ/(α+β)；5)进行适用于评估视觉疲劳脑电特征的筛选a.将各个被试疲劳前后的各个电极脑电信号的3个基本波段(θ、α、β)及6个比值运算(α/β、α/θ、θ/(α+β)、(α+θ)/β、θ/β、(α+θ)/(α+β))的平均相对能量利用配对t检验进行分析，得到出现显著性差异的指标；b.计算出现显著性差异的指标的Fisher比值，并根据其大小对进行降序排列；c.根据Fisher比排序的结果依次选取前5个、10个等作为特征向量，分别利用SVM对各个被试的脑电信号进行分类，找到对分类贡献率最高的特征指标集；d.利用灰色关联度分析在特征指标集中找到适合评估立体深度运动引发的立体视觉疲劳的最佳指标为：中央区α、中央区α/θ与顶区α/β；e.验证所得最佳指标的有效性。