1. 一种裸眼3D显示视觉诱导晕动症(Visually Induced Motion Sickness, VIMS)检测方法,其特征在于,包括以下步骤:
S1:预处理:
S101:数据去重:在采集的原始EEG数据中将重复数据去除,其中数据重复的定义为:相邻的记录中4个通道的浮点数完全相同视为数据重复;
S102:归一化:需对原始EEG数据进行归一化处理;
S103:数据滤波:选择使用上限为50 Hz的Butterworth低通滤波器来去除EEG信号中的工频干扰;
S2:特征提取与选择:
S201:特征提取:使用小波特征和统计特性方法从原始EEG信号中提取特征,这些特征包括基于EEG的小波特性得到的1个小波熵、6个小波子带系数的均值、计算出滑动窗口内的EEG信号的最大值、最小值、均值和标准差,这样一个通道就有11个候选特征,4个通道共有44组候选特征;
S202:特征选择:对所有得到的44个候选特征与视觉诱导晕动症级别(VIMS level, VIMSL)作相关性分析,选取有显著性差异的22个特征TP9_E、TP9_C1、TP9_max、TP9_min、TP9_mean、TP9_std、FP1_E、FP1_C1、FP1_max、FP1_min、FP1_mean、FP1_std、FP2_E、FP2_max、FP2_min、FP2_std、TP10_E、TP10_C1、TP10_max、TP10_min、TP10_mean、TP10_std作为最终的检测特征;
S3:VIMS状态分类:使用模式识别的算法模型来进行晕动特征检测。
2. 根据权利要求1 所述的一种裸眼3D显示视觉诱导晕动症检测方法,其特点在于,训练模型的过程中,需要把数据综合在一起,然后根据滑动窗口的中间位置的数据进行数据标签的标注,然后进行有监督学习的训练。
3. 根据权利要求1 所述的一种裸眼3D显示视觉诱导晕动症检测方法,其特点在于,所述步骤S201中对预处理过后的数据进行滑动窗口内的小波变换,求得各个通道各个窗口内数据的小波频带系数均值和小波熵,以及窗口内数据的最大值与最小值,均值以及标准差作为EEG数据的候选特征。
4. 根据权利要求1 所述的一种裸眼3D显示视觉诱导晕动症检测方法,其特点在于,所述步骤S202中对于候选特征,根据候选特征和VIMSL的斯皮尔曼等级相关性的分析结果,选择有显著水平的作为最终的训练特征,其中,只考虑是否有相关性的显著性水平,而不考虑相关系数的大小。
5. 根据权利要求1 所述的一种裸眼3D显示视觉诱导晕动症检测方法,其特点在于,所述步骤S3中选择随机森林作为VIMS状态分类的分类器,并综合所有的实验数据得到训练特征进行训练。