具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

根据本申请的一个实施例，提供了一种对注意力进行识别的方法，如图1所示，该方法包括步骤S101至步骤S105。

步骤S101：确定待处理的目标脑电信号。

具体地，电子设备确定待处理的目标脑电信号。其中，电子设备可以为脑电信号EEG采集设备、脑机接口BCI设备、手机、平板、PC机、服务器等。

具体地，目标脑电信号可以为按照预设采集周期获取到的脑电信号，也可以是对该脑电信号进行分段处理得到的某个片段。

例如，若电子设备获取到时长为10秒的脑电信号，那么目标脑电信号可以为这10秒的脑电信号，也可以是从这10秒的脑电信号中截取的3秒时长的脑电信号。

步骤S102：将目标脑电信号变换为功率谱。

具体地，可以按照预设的频率转换算法对目标脑电信号进行转换。例如，按照傅里叶转换算法将目标脑电信号进行变换处理。

步骤S103：确定功率谱中指定脑电波的特征值。

在本申请实施例中，功率谱用于表征信号功率在频域的分布状况。该功率谱包括多种脑电波，如：α脑电波，其波长为8-12Hz；β脑电波，其波长为14—100Hz；θ脑电波，其波长4-8Hz；δ脑电波，其波长为0.5-4Hz等。

具体地，可以将指定脑电波设置为脑电波中的一种或者几种。例如，将指定脑电波设置为β脑电波，按照该步骤计算β脑电波的特征值。

步骤S104：依据预构建的注意力等级分类器，确定特征值所属的注意力等级。

具体地，可以对SVM分类器进行训练来得到注意力等级分类器。

具体地，注意力等级分类器可以包括多个一对多模式的二分类器，应用时，该注意力等级分类器包括的各个二分类器分别输出对应的参数，根据输出指定参数的二分类器来确定特征值所属的注意力等级。

具体地，注意力等级分类器可以包括多个一对一模式的二分类器，应用时，该注意力等级分类器包括的各个二分类器分别输出对应的参数，根据输出指定参数的二分类器来确定特征值所属的注意力等级。

在本申请实施例中，将注意力等级设置为三个等级：高水平注意力、中等水平注意力和低水平注意力。

需要说明的是，实际应用时可以根据应用场景来设置对应的注意力等级，此处不再一一列举。

本申请实施例通过确定待处理的目标脑电信号，以将目标脑电信号变换为功率谱，确定功率谱中指定脑电波的特征值，从而依据预构建的注意力等级分类器，确定特征值所属的注意力等级，这种通过注意力等级分类器来对注意力进行识别的方式，不仅实现了对注意力进行自动化识别的目的，还提高了注意力等级的识别效率，扩大了注意力识别的应用场景，为不同应用场景的用户进行干预提供了必要的数据基础。

在一些实施例中，如图1所示，步骤S104依据预构建的注意力等级分类器，确定特征值所属的注意力等级的步骤之前，该方法还包括：步骤S1041、步骤S1042和步骤S1043(图中未示出)。

步骤S1041：获取针对指定脑电波的若干特征值；

步骤S1042：确定若干特征值各自的注意力等级；

步骤S1043：依据若干特征值以及若干特征值各自的注意力等级，对预设的分类器进行训练，得到注意力等级分类器。

具体地，将若干特征值以及若干特征值各自的注意力等级作为样本数据，训练时可以将该样本数据划分为训练数据和验证数据，这样通过训练数据SVM分类器进行训练，并利用验证数据对SVM分类器的输出结果进行验证。

具体地，各个特征值的注意力等级可以是预先标注得到的，即，获取到的各特征值本身标注有针对注意力等级的信息。例如，当注意力采集设备来获取若干特征值，并完成对若干特征值的标注操作后，上报至电子设备，这样电子设备就可能获取到带有注意力等级标注的特征值。

具体地，可以在获取到各个特征值之后，通过提供预设接口来使用户对各个特征值进行标注操作，从而得到各个特征值分别对应的注意力等级，即各个特征值各自对应的注意力等级由用户实时标注来得到。

具体地，特征值可以包括α波、β波、θ波、δ波、γ波等的功率谱能量值，还可以包括这几种波中任两个的功率谱能量值。

在一些实施例中，步骤S1042确定若干特征值各自的注意力等级进一步包括：

基于预设接口，获取针对若干特征值的标识操作；

依据标识操作，确定若干特征值各自的注意力等级。

具体地，可以通过预设接口来提供对若干特征值进行标识处理的交互界面，应用时，该交互界面对各个特征值分别进行检测，以保证各个特征值均具有对应的注意力等级。更具体地，各个特征值分别对应的注意力等级可以采用预设的等级标识来进行标识。例如，T1表示注意力等级为高水平注意力，T2表示注意力等级为中度水平注意力，T3表示注意力等级为低水平注意力等。

在一些实施例中，步骤S103确定功率谱中指定脑电波的特征值进一步包括：

基于功率谱，确定指定脑电波的频谱区域；

依据预设的香农熵算法，确定指定脑电波的频谱区域的香农熵的特征值。

在本申请实施例中，香农熵用于对脑电波进行量化。

在一些实施例中，步骤S101确定待处理的目标脑电信号进一步包括：

获取目标用户的脑电信号；

依据预定的分段时长对脑电信号进行分段处理，得到若干段待处理的目标脑电信号。

具体地，目标用户的脑电信号可以是按照预设上报周期从脑电信号EEG采集设备获取到的，也可以是从本地缓存中读取到的。

具体地，分段时长一般根据单词获取到的脑电信号的时长来设置。例如，按照脑电信号时长的0.2倍来作为分段时长。

在一些实施例中，步骤S102将脑电信号变换为功率谱之前，该方法还包括：

对脑电信号进行滤波、去伪处理。

具体地，可以根据预设的高通滤波器和低通滤波器，来获取符合预定频率范围的脑电信号。例如，通过高通滤波器和低通滤波器的滤波处理，从脑电信号中提取0.5Hz-60Hz的信号。更具体地，还可以将0.5Hz-60Hz的信号中，50Hz的信号进行过滤，以剔除市电干扰。

具体地，可以采用主成分分析法(ICA)识别脑电伪迹并进行去除。应用时，可以采用JADE算法将白化后的混合信号的四阶累积量矩阵(或二阶相关矩阵)通过U变换，压缩为一个对角矩阵，从而求解矩阵U，实现对眼电、肌电等伪迹的去除。

在一些实施例中，该方法还包括：

依据预先提供的多种应用场景，确定所选定的目标应用场景；

基于针对目标应用场景的干预策略，确定与特征值所属的注意力等级匹配的干预信息，以依据干预信息进行干预处理。

具体地，不同应用场景对应不同的干预策略。其中，应用场景可以包括学习、听歌、冥想等。例如，若应用场景为听歌，相应的干预策略可以预设的歌曲播放策略(如按照用户的兴趣点进行播放的策略)。

具体地，检测到针对预先提供的多种应用场景的选定操作时，确定该选定操作对应的目标应用场景，并按照针对目标应用场景的干预策略，来确定干预信息。

具体地，干预信息可以包括语音提示指令。应用时，电子设备将该干预信息下发至注意力检测设备，以使通过该注意力检测设备来对佩戴用户进行干预，提高佩戴用户的注意力。

本申请的又一实施例提供了一种对注意力进行识别的装置，如图2所示，该装置20包括：目标信号确定模块201、目标信号转换模块202、特征值确定模块203以及注意力识别模块204。

目标信号确定模块201，用于确定待处理的目标脑电信号；

目标信号转换模块202，用于将目标脑电信号变换为功率谱；

特征值确定模块203，用于确定功率谱中指定脑电波的特征值；

注意力识别模块204，用于依据预构建的注意力等级分类器，确定特征值所属的注意力等级。

本申请实施例通过确定待处理的目标脑电信号，以将目标脑电信号变换为功率谱，确定功率谱中指定脑电波的特征值，从而依据预构建的注意力等级分类器，确定特征值所属的注意力等级，这种通过注意力等级分类器来对注意力进行识别的方式，不仅实现了对注意力进行自动化识别的目的，还提高了注意力识别的效率，扩大了注意力识别的应用场景，为不同应用场景的用户进行干预提供了必要的数据基础。

进一步地，依据预构建的注意力等级分类器，确定特征值所属的注意力等级的步骤之前，注意力识别模块还包括：

数据获取子模块，用于获取针对所述指定脑电波的若干特征值；

等级确定子模块，用于确定若干所述特征值各自的注意力等级；

分类器训练子模块，用于依据若干所述特征值以及若干所述特征值各自的注意力等级，对预设的分类器进行训练，得到所述注意力等级分类器。

进一步地，分类器训练子模块包括：

操作获取单元，用于基于预设接口，获取针对若干所述特征值的标识操作；

等级确定单元，用于依据所述标识操作，确定若干所述特征值各自的注意力等级。

进一步地，特征值确定模块包括：

频谱区域确定子模块，用于确定所述功率谱中针对所述指定脑电波的频谱区域；

特征值计算子模块，用于依据预设的香农熵算法，确定针对所述指定脑电波的频谱区域的香农熵的特征值。

进一步地，目标信号确定模块包括：

脑电信号获取子模块，用于获取目标用户的脑电信号；

信号分段处理子模块，用于依据预定的分段时长对所述脑电信号进行分段处理，得到若干段待处理的所述目标脑电信号。

进一步地，将脑电信号变换为功率谱之前，目标信号转换模块还包括：

信号预处理子模块，可用于对所述脑电信号进行滤波、去伪处理。

进一步地，该装置还包括：

场景确定模块，用于依据预设的多种应用场景，确定所选定的目标应用场景；

干预信息确定模块，用于基于针对所述目标应用场景的干预策略，确定与所述特征值所属的注意力等级匹配的干预信息，以依据所述干预信息进行干预处理。

本实施例的对注意力进行识别的装置可执行本申请实施例提供的对注意力进行识别的方法，其实现原理相类似，此处不再赘述。

本申请又一实施例提供了一种终端，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行计算机程序时以实现上述对注意力进行识别的方法。

具体地，处理器可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

具体地，处理器通过总线与存储器连接，总线可包括一通路，以用于传送信息。总线可以是PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。

存储器可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

可选的，存储器用于存储执行本申请方案的计算机程序的代码，并由处理器来控制执行。处理器用于执行存储器中存储的应用程序代码，以实现上述实施例提供的对注意力进行识别的装置的动作。

本申请又一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述对注意力进行识别的方法。

以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

以上是对本申请的较佳实施进行了具体说明，但本申请并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。