[发明专利]一种人机交互中用户操作意图和认知状态的识别方法

说明书

本发明公开了一种人机交互中用户操作意图和认知状态的识别方法，该方法包括：采集用户在人机交互过程中的眼动特征数据和脑电信号数据；对采集的数据进行预处理后分别划分为训练集和测试集；采用训练集训练SVM分类器，再用优化后的分类器对测试集进行分类，获得对应的操作意图和认知状态。本发明能够识别交互过程中的操作需求，为界面的自适应调整提供依据。同时，能够判断交互过程的认知状态，确保交互任务完成的可靠性。

技术领域

本发明属于人机工程技术领域，具体涉及一种人机交互中用户操作意图和认知状态的识别方法。

背景技术

在航空飞行操作、武器装备操作、数控机床操作、制造运行系统监控和操作等诸多领域，操作人员都需要完成大量的交互任务，处理海量的信息，并且对时效性和精确性的要求较高，这对操作人员的生理和心理都造成了极大的负担。此外长时间的高强度作业使得操作人员的工作效率持续降低，操作失误率不断升高。但现有的系统智能化水平不高，无法感知操控人员的操作需求，降低了交互任务的完成效率和可靠性。

此外，操作人员在完成人机交互任务的过程中可能处于不同的认知状态：在值班任务中，由于操作人员只需粗略监视整个界面，极易因任务的单调导致“脱环”。一旦发生警报，操作人员则需迅速处置异常状况，极易因任务的紧张导致“应激”。若无法对操作人员的认知状态进行实时监测，在“脱环”时予以提醒示警，在“应激”时提供信息帮助，则难以保证人机交互过程中的可靠性和高效性。

发明内容

为了解决上述问题，本发明的目的是提出一种人机交互操作意图识别方法，本发明能够识别交互过程中的操作需求，为界面的自适应调整提供依据。同时，能够判断交互过程的认知状态，确保交互任务完成的可靠性。

为了达到上述目的，本发明采用以下技术方案予以解决。

一种人机交互中用户操作意图和认知状态的识别方法，包括以下步骤：

步骤1，采集用户在人机交互过程中的眼动特征数据和脑电信号数据；

其中，所述眼动特征数据为用户眼睛的有效注视点的X坐标和Y坐标、注视时间、眼跳幅度、瞳孔直径；

步骤2，对所述眼动特征数据进行归一化处理，得到标准化眼动特征数据，选取连续多个有效注视点的标准化眼动特征数据，作为眼动特征参数；对所述脑电信号数据依次进行滤波和去伪迹操作，得到预处理后的脑电信号数据；选取预处理后的脑电信号数据中Delta波、Theta波、Alpha波、Bata波中每个脑电波功率占总频段波功率的比例，作为脑电特征参数；

步骤3，将眼动特征参数和脑电特征参数分别划分为训练集和测试集，分别构建操作意图SVM分类器和认知状态SVM分类器；采用眼动特征参数训练集中的样本对操作意图SVM分类器进行训练，得到优化后的操作意图SVM分类器；同时，采用脑电特征参数训练集中的样本对认知状态SVM分类器进行训练，得到优化后的操作意图SVM分类器；

步骤4，采用优化后的操作意图SVM分类器对眼动特征参数测试集进行分类，输出对应的操作意图类别，完成操作意图识别；采用优化后的操作意图SVM分类器对脑电特征参数测试集进行分类，输出对应的认知状态类别，完成认知状态识别。

进一步地，所述眼动特征数据通过眼动追踪器采集获得；所述脑电信号数据通过脑电放大器采集获得。

进一步地，所述有效注视点为将眼动追踪器输出的连续30个注视点取平均值作为一个有效注视点。

进一步地，所述操作意图包含监视戒备、目标搜索、表格查询、图标点击和目标追踪。

进一步地，所述认知状态包含平静状态、应激状态和脱环状态。