技术领域本发明涉及眼电(Electro-oculogram,EOG)技术领域，具体涉及一种基于EOG的阅读行为识别方法及设备。
背景技术：
现代文明主要以文字为载体，阅读作为一种重要的知识获取途径，其能力的发展是其他学习能力发展的基础。阅读障碍是指患者在拥有正常的智商、学习动机及平等的教育机会的前提下，在获得正常读写能力方面产生的一种持续性的困难。阅读障碍普通发生于成人与儿童中，尤其是学龄儿童，其发生率约为5％-10％。阅读障碍不仅会影响到儿童学习成绩的提升，同时还会影响儿童的自信心与社交能力的培养，对儿童的情感与社会发展带来较大的危害。因此，如何对阅读障碍进行有效地甄别和诊断，帮助阅读障碍儿童尽可能克服阅读问题，提高阅读能力，养成良好阅读习惯，对于提升国民文化素养具有重要的现实意义。现阶段，对阅读障碍的诊断主要采用基于认知和行为的诊断模式，通常，在医生诊断过程中，为了提高准确率，将会根据预设的阅读任务，通过视频方法对患者的阅读行为进行辅助分析，包括获取眼动轨迹、阅读持续时间、阅读速度等相关信息，以判断患者的阅读质量。然而，传统的基于视频的阅读行为分析方法虽然使用起来较为方便，但该方法受光线影响较大，在光线较暗或背景环境发生变化的情况下，系统性能会急剧下降，甚至无法正确分析。
技术实现要素：
本发明目的就是为避免上述已有技术中存在的不足之处，提供一种识别正确率高、扩展能力强、应用潜力大的一种基于EOG的阅读行为识别方法及设备。该方法以EOG为检测手段，可实现对待检测者阅读状态的识别，以辅助医生对患者阅读障碍程度进行判断。一种基于EOG的阅读行为识别方法，该识别方法包括以下步骤：A)、采集待检测者的水平EOG信号，并对采集到的EOG信号进行预处理，根据阅读内容中每行的字数，确定模板字符串以及编辑距离的误差门限；B)、对预处理后的水平EOG信号进行端点检测，以确定阅读状态所对应水平EOG信号的起始点和终止点；C)、在步骤B中得到的阅读EOG信号，通过小波包变换将其编码成与眼球运动相对应的一系列连续字符串；D)、计算步骤C中所得到的连续字符串与步骤A中预设的模板字符串之间的编辑距离，当该距离小于步骤A中预设的误差门限时，认定待检测者处在阅读状态，反之，为非阅读状态。一种如权利要求1所述的基于EOG的阅读行为识别的设备，设备包括信号采集与预处理模块，所述EOG信号采集与预处理模块用来进行采集EOG信号和对EOG信号进行带通滤波操作；并将带通滤波后的EOG信号输出至阅读端点检测模块；所述阅读端点检测模块用于通过微分和能量相结合的方法识别出EOG信号中的阅读状态的起始点和终止点；并将EOG信号输出至阅读信号编码模块；所述阅读信号编码模块用于通过小波包变换法将阅读EOG信号编码为字符串；编码后的字符串输出至阅读行为识别模块；所述阅读行为识别模块用于通过编辑距离度量编码字符串与模板字符串之间的相似度实现字符串匹配，判断待检测者是否处于阅读状态。与现有技术相比，本发明具备的技术效果为：本发明将采集的原始水平EOG信号进行去噪滤波预处理，再通过端点检测法得到EOG信号中阅读状态的起始点和终止点，然后通过小波包变换、设置门限、字符串编码等步骤实现阅读EOG信号的编码，得到信号的编码字符串，最后通过编辑距离度量模板字符串与编码字符串的相似性实现字符串匹配，判断待检测者是否处于阅读状态，识别正确率高，而且通过对识别模板的重新设计与算法参数的少量调整便可以实现对多种行为状态的识别，具有较强的扩展性。另外，本发明采用EOG手段进行阅读行为检测，能够有效克服传统视频方法的缺点，有可能取代传统的视频检测方法，或者作为传统视频检测方法的一种重要的补充，在阅读障碍的诊断中具有较高的理论研究意义与潜在的应用价值。附图说明图1是本发明中用于EOG信号采集的电极分布图；图2是本发明中阅读状态下的水平EOG信号；图3本发明中的阅读识别方法的逻辑框图；图4是本发明中增量I与十组新门限的取值；图5是本发明中使用十组新门限进行阅读状态识别得到最优门限值；图6是本发明中阅读端点检测模块的逻辑框图；图7是本发明中自然阅读范式下EOG信号的端点检测方法过程步骤示意图；图8是本发明中的小波包分解示意图；图9是本发明中阅读EOG信号编码过程；图10是本发明中使用字符串匹配法进行阅读状态的识别过程示意图；图11是本发明中带检测者的阅读识别结果显示。具体实施方式结合图1至图11本发明作进一步地说明：一种基于EOG的阅读行为识别方法，该识别方法包括以下步骤：A)、采集待检测者的水平EOG信号，并对采集到的EOG信号进行预处理，根据阅读内容中每行的字数，确定模板字符串以及编辑距离的误差门限；B)、对预处理后的水平EOG信号进行端点检测，以确定阅读状态所对应水平EOG信号的起始点和终止点；C)、在步骤B中得到的阅读EOG信号，通过小波包变换将其编码成与眼球运动相对应的一系列连续字符串；D)、计算步骤C中所得到的连续字符串与步骤A中预设的模板字符串之间的编辑距离，当该距离小于步骤A中预设的误差门限时，认定待检测者处在阅读状态，反之，为非阅读状态。本发明采用基于EOG的阅读行为识别方法，方法先使用3个生物电极传感器采集原始水平EOG信号，并对该信号进行去噪滤波预处理，再通过端点检测法得到EOG信号中阅读状态的起始点和终止点，然后通过小波包变换、设置门限、字符串编码等步骤实现阅读EOG信号的编码，得到信号的编码字符串，最后通过编辑距离度量模板字符串与编码字符串的相似性实现字符串匹配，判断受试者是否处于阅读状态，识别正确率高；而且，本发明在实现阅读行为识别时使用的是字符串匹配法，即计算阅读状态的编码字符串与模板字符串之间的编辑距离，通过编辑距离来衡量字符串之间的相似度，并判断是否处在阅读状态，可通过对识别模板字符串的重新设计与算法参数的少量调整实现对多种行为状态的识别，具有较强的扩展性；另外，本发明采用EOG手段进行阅读行为检测，能够有效克服传统视频方法的缺点，有可能取代传统的视频检测方法，或者作为传统视频检测方法的一种重要的补充，在阅读障碍的诊断中具有较高的理论研究意义与潜在的应用价值。所述步骤A中，通过3个生物电极采集待检测者的水平EOG信号，且对EOG信号进行截止频率为0.05Hz到15Hz的32阶带通滤波预处理。所述步骤B中，使用微分与能量法对预处理后的EOG信号进行端点检测，微分与能量法具体步骤为：a)、对预处理后的EOG信号进行分帧与加窗处理，对预处理后的EOG信号进行窗长为1000，窗移为1(以数据采样率为250Hz为例，窗长设为1000个样本点，窗移设为1个样本点，并根据经验设置初始微分与能量门限F0与E0；b)、计算当前滑动窗内微分值F，将F与导数们限F0进行比较；若F＞F0，则该端点视为信号的“阅读可能起始点Si”；反之，则滑动窗继续向后滑动；；c)、计算当前滑动窗内信号的能量值E，并将其与能量门限E0进行比较；若E＜E0，则该端电为信号的“阅读可能终止点Ti”；反之，则滑动窗继续向后滑动；d)、计算“阅读可能起始点Si”与“阅读可能终止点Ti”之间所包含EOG信号样本点个数X，当X＞1000时，即在采样率为250Hz时，起始点与终止点间间隔大于4秒，“阅读可能起始点Si”即为阅读起始点，“阅读可能终止点Ti”即为阅读终止点，否则判定该段信号为非阅读状态；e)、滑动窗继续滑动，重复步骤b至d操作直至信号结束。所述步骤C中，对阅读EOG信号进行小包波变换步骤中的小波包母函数为Haar函数，分解层数为3层，且从分解得到小波包系数中选取第三个系数作为最佳小波包系数C。用于对阅读EOG信号进行设置们限步骤的门限值设为：S1、S2、L1、L2，根据此四个门限值对所的最佳小波包系数C进行如下划分：非扫视区:S2＜C＜S1小扫视区：S1＜C＜L1或L2＜C＜S2大扫视区：C＞L1或C＜L2在阅读EOG信号进行字符串编码步骤中，当最佳小波包系数C被划分在“大扫视区”时，将其编码为L；当最佳小波包系数C被划分在“小扫视区”时，将其编码为r；而最佳小波包系数C被划分在“非扫视区”时，不进行编码。所述的门限S1，S2，L1，L2，初始化方法为：步骤1：人工观测最佳小波包系数C的值，并根据观测结果将初始门限值设定为：5，-5，60，-60，即S1＝5，S2＝-5，L1＝60，L2＝-60。步骤2：使用变量I表示门限的递增量，其中增量的取值分别为I＝1，3，5，7，···，19。通过将初始门限在数值上增加不同的I值得到十组新门限值，再分别采用十组新门限值对多组阅读EOG数据进行测试。步骤3：分别采用十组新门限值，用以计算阅读EOG数据的阅读识别正确率，并从所得的十个阅读识别正确率中选出正确率最高的组，该组对应的门限值即为最优门限值。所述步骤D中，对字符串匹配的过程是计算编码字符串与模板字符串之间的编辑距离，用于判断待检测者是否处于阅读状态，若编辑距离小于等于1，则表示该编码字符串被正确识别，待检测者处于阅读状态；反之，则表示待检测者处于非阅读状态。参见图1，EOG信号的采集使用Ag/AgCl电极，共使用了3个电极传感器，其中用以采集水平EOG信号的电极H，可安装在左眼(或右眼)外边缘距离眼睛瞳孔中央4.5cm处；接地电极G安装于右耳后乳突位置，参考电极C分别安装于左耳后乳突位置。参见图2，说明了本实例中所采集的水平EOG信号的原始波形，由于水平EOG信号更能反映待检测者阅读时的主要眼动特征，所以本专利采用水平EOG信号作为算法的输入信号，图2中S1表示小幅度扫视，即向右的连续阅读过程，S2表示换行时所产生的大幅度左扫视，F表示阅读过程中的凝视状态，B表示阅读中的眨眼状态。参见图3，一种如权利要求1所述的基于EOG的阅读行为识别的设备，设备包括信号采集与预处理模块10，所述EOG信号采集与预处理模块10用来进行采集EOG信号和对EOG信号进行带通滤波操作；并将带通滤波后的EOG信号输出至阅读端点检测模块20；所述阅读端点检测模块20用于通过微分和能量相结合的方法识别出EOG信号中的阅读状态的起始点和终止点；并将EOG信号输出至阅读信号编码模块30；所述阅读信号编码模块30用于通过小波包变换法将阅读EOG信号编码为字符串；编码后的字符串输出至阅读行为识别模块40；所述阅读行为识别模块40用于通过编辑距离度量编码字符串与模板字符串之间的相似度实现字符串匹配，判断待检测者是否处于阅读状态。。参见图4，通过递增法得到十个新的增量I，将四个初始门限S1＝5，S2＝-5，L1＝60，L2＝-60分别与十个新增量I相加，得到十组新的门限值。参见图5，本实施例中使用十组新门限值对6名待检测者的阅读EOG数据进行识别检测，图中横坐标表示增量I的十个值，纵坐标是每位待检测者所采集全部阅读EOG数据的平均阅读识别率，由图可以看出，开始当增量I不断增加时，6名待检测者的阅读识别率都随之增大；当I增加到13时，阅读识别率达到最大值，且此时6名待检测者的平均阅读识别率达到最大为0.9678；但当I继续增加时，阅读识别率反而呈现下降趋势。故当门限增量I为13，即四个门限值为S1＝18，S2＝-18，L1＝73，L2＝-73时，阅读识别率达到最高，因此该四个门限值为算法识别的最优门限值。参见图6，由于原始EOG信号中包含有阅读状态和非阅读状态，因此在对其进行阅读状态识别操作之前需要先端点检测得到信号中包含的阅读状态，方法主要包括以下几个步骤：1)、对EOG信号进行分帧加窗(窗函数为汉明窗，窗长为1000，窗移为1)，且设置微分和能量的初始值；2)、计算每一帧信号的微分值，并与微分初始值进行比较，得到“阅读可能起始点”；3)、计算每一帧信号的能量值，并与能量初始值进行比较，得到“阅读可能终止点”。4)、计算“阅读可能起始点”和“阅读可能终止点”之间的间隔，与设定的间隔做(1000个样本点)做对比，若x>1000，则确定出阅读起始点和终止点，反之重复执行步骤2-4参见图7，说明了本实例中EOG信号的端点检测结果图，图7(a)表示随机的一段自然阅读EOG信号，图7(b)表示信号的微分，图7(c)表示信号的能量。参见图8，图8(a)是一段随机选取的阅读EOG信号，图8(b)-(o)为小波包的分解系数图，其中图8(b)、图8(c)表示第一层小波包分解系数，图8(d)-(g)表示第二层小波包分解系数，图8(h)-(o)表示第三层小波包分解系数，由图可得，第三层分解系数中的第二个节点(如图8(i)所示)所表示的小波包系数能将扫视信号明显区分出来，称该系数为最佳小波包系数C。参见图9，其中图9(a)是一段经过预处理的阅读EOG信号，图9(b)是对该EOG信号进行了小波包分解后选出的一个最佳小波系数C，对C设置四个检测门限S1、S2、L1、L2，从而将EOG信号划分到三个扫视区域中，图9(c)对阅读EOG信号进行字符串编码，最终阅读EOG信号可用连续的含有“L”和“r”的字符串进行表征。参见图10，计算编码字符串和模板字符串之间的编辑距离以实现字符串匹配，若编辑距离小于等于1，则表示该编码字符串被正确识别，待检测者处在阅读状态；反之，待检测者处在非阅读状态，从而方便检测待检测者的阅读能力。参见图11，说明了本实例中共使用6名待检测者的数据进行阅读识别算法的验证，其中每位待检测者各采集45组阅读数据，每组阅读数据的采集时间是5分钟，图中横坐标表是每位待检测者编号，纵坐标是每位待检测者所采集全部数据的平均阅读识别率，其中，待检测者NO.1的阅读EOG数据平均识别率最低为81.14％，而待检测者NO.5的平均识别率最高达到93.72％，6名待检测者的平均识别正确率达到90.06％。